Step 3.7 Flash est le modèle vision-langage parcimonieux à mélange d’experts de StepFun pour les tâches d’agent concrètes. Son système d’environ 198 milliards de paramètres associe une architecture de langage de 196 milliards à un encodeur visuel de 1,8 milliard, en activant environ 11 milliards de paramètres par token. Il accepte du texte et des images et génère du texte, du code ou des appels d’outils proposés pour une application connectée.
Le fournisseur indique une fenêtre de contexte de 256K et des niveaux de raisonnement low, medium et high. Ils permettent à son processus d’allouer différents volumes de réflexion à une tâche. Le travail en contexte long comprend les rapports volumineux et les investigations logicielles sur plusieurs fichiers ; préparez les contenus pertinents avec la question et le résultat attendu afin de définir un objectif dans ce contexte.
La compréhension visuelle native couvre les interfaces de produits, les documents, les graphiques et les scènes naturelles. Pour une tâche d’interface, fournissez la capture d’écran ou la maquette et indiquez la fonctionnalité à examiner ou à implémenter. Pour un graphique, nommez la comparaison ou la tendance à expliquer. Le concepteur associe l’interprétation visuelle à la recherche documentaire et à l’utilisation d’outils ; un processus connecté peut donc recueillir des éléments supplémentaires lorsque l’image seule laisse une question sans réponse.
Les tâches de programmation comprennent l’exploration d’un dépôt, la localisation d’un échec et la proposition d’un correctif. Fournissez le problème observé, le comportement attendu et les fichiers ou journaux qui établissent le résultat actuel. Demandez le livrable modifié et les vérifications permettant de l’évaluer. Lorsque l’application exécute une vérification, renvoyez sa sortie réelle avant l’étape suivante afin que le modèle traite l’observation au lieu de supposer que le correctif a fonctionné.
Les processus plus larges du fournisseur couvrent la recherche, les terminaux, les navigateurs et les outils bureautiques. Fournissez les définitions d’outils et les limites de la tâche, et distinguez un appel proposé du résultat renvoyé par l’application. Une tâche de recherche peut comparer des sources et conserver les éléments derrière chaque conclusion ; une tâche documentaire peut renvoyer une explication ou du contenu structuré que l’application environnante transformera en livrable final.
StepFun publie des variantes de précision et des procédures de déploiement distinctes. Ses exemples GGUF locaux distinguent le modèle de langage du projecteur visuel et prévoient une mémoire d’exécution supplémentaire au-delà des fichiers de poids. La fiche indique environ 120 Go comme minimum de mémoire locale et recommande 128 Go de mémoire unifiée pour cette configuration. Il s’agit de conditions de déploiement du fournisseur, et non d’une affirmation sur la configuration d’une sélection de modèle donnée.
Distinguez Step 3.7 Flash de l’ancien modèle textuel Step 3.5 : l’encodeur visuel et la compréhension d’images sont des ajouts substantiels. Le résultat final de la tâche doit montrer les sources ou éléments visuels utilisés, la modification ou le constat proposé et toute condition nécessitant encore une observation. Les recherches externes, les commandes et les modifications de fichiers dépendent des outils connectés par l’application.
", "aboutText": "Step 3.7 Flash est le modèle vision-langage parcimonieux à mélange d’experts de StepFun pour les tâches d’agent concrètes. Son système d’environ 198 milliards de paramètres associe une architecture de langage de 196 milliards à un encodeur visuel de 1,8 milliard, en activant environ 11 milliards de paramètres par token. Il accepte du texte et des images et génère du texte, du code ou des appels d’outils proposés pour une application connectée.\n\nLe fournisseur indique une fenêtre de contexte de 256K et des niveaux de raisonnement low, medium et high. Ils permettent à son processus d’allouer différents volumes de réflexion à une tâche. Le travail en contexte long comprend les rapports volumineux et les investigations logicielles sur plusieurs fichiers ; préparez les contenus pertinents avec la question et le résultat attendu afin de définir un objectif dans ce contexte.\n\nLa compréhension visuelle native couvre les interfaces de produits, les documents, les graphiques et les scènes naturelles. Pour une tâche d’interface, fournissez la capture d’écran ou la maquette et indiquez la fonctionnalité à examiner ou à implémenter. Pour un graphique, nommez la comparaison ou la tendance à expliquer. Le concepteur associe l’interprétation visuelle à la recherche documentaire et à l’utilisation d’outils ; un processus connecté peut donc recueillir des éléments supplémentaires lorsque l’image seule laisse une question sans réponse.\n\nLes tâches de programmation comprennent l’exploration d’un dépôt, la localisation d’un échec et la proposition d’un correctif. Fournissez le problème observé, le comportement attendu et les fichiers ou journaux qui établissent le résultat actuel. Demandez le livrable modifié et les vérifications permettant de l’évaluer. Lorsque l’application exécute une vérification, renvoyez sa sortie réelle avant l’étape suivante afin que le modèle traite l’observation au lieu de supposer que le correctif a fonctionné.\n\nLes processus plus larges du fournisseur couvrent la recherche, les terminaux, les navigateurs et les outils bureautiques. Fournissez les définitions d’outils et les limites de la tâche, et distinguez un appel proposé du résultat renvoyé par l’application. Une tâche de recherche peut comparer des sources et conserver les éléments derrière chaque conclusion ; une tâche documentaire peut renvoyer une explication ou du contenu structuré que l’application environnante transformera en livrable final.\n\nStepFun publie des variantes de précision et des procédures de déploiement distinctes. Ses exemples GGUF locaux distinguent le modèle de langage du projecteur visuel et prévoient une mémoire d’exécution supplémentaire au-delà des fichiers de poids. La fiche indique environ 120 Go comme minimum de mémoire locale et recommande 128 Go de mémoire unifiée pour cette configuration. Il s’agit de conditions de déploiement du fournisseur, et non d’une affirmation sur la configuration d’une sélection de modèle donnée.\n\nDistinguez Step 3.7 Flash de l’ancien modèle textuel Step 3.5 : l’encodeur visuel et la compréhension d’images sont des ajouts substantiels. Le résultat final de la tâche doit montrer les sources ou éléments visuels utilisés, la modification ou le constat proposé et toute condition nécessitant encore une observation. Les recherches externes, les commandes et les modifications de fichiers dépendent des outils connectés par l’application.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Trace a failed configuration lookup\n\nSource excerpt: settings = {"timeout_seconds": 30}; timeout = settings["timeout"]. Log: KeyError: timeout. Required public setting remains timeout_seconds. Identify the mismatch, propose the smallest source correction and give a test that reads the configured value plus a test for a missing required setting. Do not rename the public field.A source-linked diagnosis, focused patch and two test cases.Check that the patch reads timeout_seconds and that the missing-setting case is not hidden by an invented default.stepfun/step-3.7-flashStep 3.7 Flash de StepFun est un modèle vision-langage parcimonieux pour le code, la compréhension visuelle et les processus pilotés par des outils. Il associe une architecture de langage de 196 milliards de paramètres à un encodeur visuel de 1,8 milliard, un contexte de 256K et trois niveaux de raisonnement documentés par le fournisseur.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Step 3.7 Flash est le modèle vision-langage parcimonieux à mélange d’experts de StepFun pour les tâches d’agent concrètes. Son système d’environ 198 milliards de paramètres associe une architecture de langage de 196 milliards à un encodeur visuel de 1,8 milliard, en activant environ 11 milliards de paramètres par token. Il accepte du texte et des images et génère du texte, du code ou des appels d’outils proposés pour une application connectée.
Le fournisseur indique une fenêtre de contexte de 256K et des niveaux de raisonnement low, medium et high. Ils permettent à son processus d’allouer différents volumes de réflexion à une tâche. Le travail en contexte long comprend les rapports volumineux et les investigations logicielles sur plusieurs fichiers ; préparez les contenus pertinents avec la question et le résultat attendu afin de définir un objectif dans ce contexte.
La compréhension visuelle native couvre les interfaces de produits, les documents, les graphiques et les scènes naturelles. Pour une tâche d’interface, fournissez la capture d’écran ou la maquette et indiquez la fonctionnalité à examiner ou à implémenter. Pour un graphique, nommez la comparaison ou la tendance à expliquer. Le concepteur associe l’interprétation visuelle à la recherche documentaire et à l’utilisation d’outils ; un processus connecté peut donc recueillir des éléments supplémentaires lorsque l’image seule laisse une question sans réponse.
Les tâches de programmation comprennent l’exploration d’un dépôt, la localisation d’un échec et la proposition d’un correctif. Fournissez le problème observé, le comportement attendu et les fichiers ou journaux qui établissent le résultat actuel. Demandez le livrable modifié et les vérifications permettant de l’évaluer. Lorsque l’application exécute une vérification, renvoyez sa sortie réelle avant l’étape suivante afin que le modèle traite l’observation au lieu de supposer que le correctif a fonctionné.
Les processus plus larges du fournisseur couvrent la recherche, les terminaux, les navigateurs et les outils bureautiques. Fournissez les définitions d’outils et les limites de la tâche, et distinguez un appel proposé du résultat renvoyé par l’application. Une tâche de recherche peut comparer des sources et conserver les éléments derrière chaque conclusion ; une tâche documentaire peut renvoyer une explication ou du contenu structuré que l’application environnante transformera en livrable final.
StepFun publie des variantes de précision et des procédures de déploiement distinctes. Ses exemples GGUF locaux distinguent le modèle de langage du projecteur visuel et prévoient une mémoire d’exécution supplémentaire au-delà des fichiers de poids. La fiche indique environ 120 Go comme minimum de mémoire locale et recommande 128 Go de mémoire unifiée pour cette configuration. Il s’agit de conditions de déploiement du fournisseur, et non d’une affirmation sur la configuration d’une sélection de modèle donnée.
Distinguez Step 3.7 Flash de l’ancien modèle textuel Step 3.5 : l’encodeur visuel et la compréhension d’images sont des ajouts substantiels. Le résultat final de la tâche doit montrer les sources ou éléments visuels utilisés, la modification ou le constat proposé et toute condition nécessitant encore une observation. Les recherches externes, les commandes et les modifications de fichiers dépendent des outils connectés par l’application.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites stepfun/step-3.7-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0004 / 1K tokens Sortie · Tokens en sortie $0.0023 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0004 / 1K tokens Sortie · Tokens en sortie $0.0023 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun/step-3.7-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='stepfun/step-3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='stepfun/step-3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra stepfun/step-3.7-flash
Utilisez les chemins de méthode indiqués ci-dessus.
stepfun/step-3.7-flashStep 3.7 Flash de StepFun est un modèle vision-langage parcimonieux pour le code, la compréhension visuelle et les processus pilotés par des outils. Il associe une architecture de langage de 196 milliards de paramètres à un encodeur visuel de 1,8 milliard, un contexte de 256K et trois niveaux de raisonnement documentés par le fournisseur.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Step 3.7 Flash est le modèle vision-langage parcimonieux à mélange d’experts de StepFun pour les tâches d’agent concrètes. Son système d’environ 198 milliards de paramètres associe une architecture de langage de 196 milliards à un encodeur visuel de 1,8 milliard, en activant environ 11 milliards de paramètres par token. Il accepte du texte et des images et génère du texte, du code ou des appels d’outils proposés pour une application connectée.
Le fournisseur indique une fenêtre de contexte de 256K et des niveaux de raisonnement low, medium et high. Ils permettent à son processus d’allouer différents volumes de réflexion à une tâche. Le travail en contexte long comprend les rapports volumineux et les investigations logicielles sur plusieurs fichiers ; préparez les contenus pertinents avec la question et le résultat attendu afin de définir un objectif dans ce contexte.
La compréhension visuelle native couvre les interfaces de produits, les documents, les graphiques et les scènes naturelles. Pour une tâche d’interface, fournissez la capture d’écran ou la maquette et indiquez la fonctionnalité à examiner ou à implémenter. Pour un graphique, nommez la comparaison ou la tendance à expliquer. Le concepteur associe l’interprétation visuelle à la recherche documentaire et à l’utilisation d’outils ; un processus connecté peut donc recueillir des éléments supplémentaires lorsque l’image seule laisse une question sans réponse.
Les tâches de programmation comprennent l’exploration d’un dépôt, la localisation d’un échec et la proposition d’un correctif. Fournissez le problème observé, le comportement attendu et les fichiers ou journaux qui établissent le résultat actuel. Demandez le livrable modifié et les vérifications permettant de l’évaluer. Lorsque l’application exécute une vérification, renvoyez sa sortie réelle avant l’étape suivante afin que le modèle traite l’observation au lieu de supposer que le correctif a fonctionné.
Les processus plus larges du fournisseur couvrent la recherche, les terminaux, les navigateurs et les outils bureautiques. Fournissez les définitions d’outils et les limites de la tâche, et distinguez un appel proposé du résultat renvoyé par l’application. Une tâche de recherche peut comparer des sources et conserver les éléments derrière chaque conclusion ; une tâche documentaire peut renvoyer une explication ou du contenu structuré que l’application environnante transformera en livrable final.
StepFun publie des variantes de précision et des procédures de déploiement distinctes. Ses exemples GGUF locaux distinguent le modèle de langage du projecteur visuel et prévoient une mémoire d’exécution supplémentaire au-delà des fichiers de poids. La fiche indique environ 120 Go comme minimum de mémoire locale et recommande 128 Go de mémoire unifiée pour cette configuration. Il s’agit de conditions de déploiement du fournisseur, et non d’une affirmation sur la configuration d’une sélection de modèle donnée.
Distinguez Step 3.7 Flash de l’ancien modèle textuel Step 3.5 : l’encodeur visuel et la compréhension d’images sont des ajouts substantiels. Le résultat final de la tâche doit montrer les sources ou éléments visuels utilisés, la modification ou le constat proposé et toute condition nécessitant encore une observation. Les recherches externes, les commandes et les modifications de fichiers dépendent des outils connectés par l’application.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites stepfun/step-3.7-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0004 / 1K tokens Sortie · Tokens en sortie $0.0023 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0004 / 1K tokens Sortie · Tokens en sortie $0.0023 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "stepfun/step-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'stepfun/step-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'stepfun/step-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra stepfun/step-3.7-flash
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Trace a failed configuration lookup\n\nSource excerpt: settings = {"timeout_seconds": 30}; timeout = settings["timeout"]. Log: KeyError: timeout. Required public setting remains timeout_seconds. Identify the mismatch, propose the smallest source correction and give a test that reads the configured value plus a test for a missing required setting. Do not rename the public field.A source-linked diagnosis, focused patch and two test cases.Check that the patch reads timeout_seconds and that the missing-setting case is not hidden by an invented default.