Step 3.7 Flash er StepFuns sparsomme mixture-of-experts-modell for syn og språk, rettet mot praktiske agentoppgaver. Systemet på omtrent 198 milliarder parametere kombinerer en språkgrunnarkitektur på 196B med en synsenkoder på 1.8B, og aktiverer omtrent 11B parametere per token. Det tar imot tekst og bilder og genererer tekst, kode eller foreslåtte verktøykall for en tilkoblet applikasjon.
Produsenten angir et kontekstvindu på 256K og resonneringsnivåene low, medium og high. Disse lar produsentens arbeidsflyt tildele ulike mengder tenking til en oppgave. Arbeid med lang kontekst omfatter store rapporter og programvareundersøkelser på tvers av flere filer; forbered det relevante materialet sammen med spørsmålet og det nødvendige resultatet, slik at modellen har et definert mål innenfor denne konteksten.
Den innebygde visuelle forståelsen dekker produktgrensesnitt, dokumenter, grafer og naturlige scener. For en grensesnittoppgave gir du skjermbildet eller designet og identifiserer funksjonen som skal undersøkes eller implementeres. For en graf angir du sammenligningen eller trenden som skal forklares. Produsenten kombinerer visuell tolkning med informasjonsinnhenting og verktøybruk, slik at en tilkoblet arbeidsflyt kan samle mer belegg når bildet alene lar et spørsmål stå uavklart.
Kodeoppgaver omfatter å følge sammenhenger i et kodelager, finne en feil og foreslå en rettelse. Gi det observerte problemet, forventet oppførsel og filene eller loggene som fastslår det nåværende resultatet. Be om den endrede leveransen og kontrollene som skal vurdere den. Når applikasjonen kjører en kontroll, returnerer du den faktiske utdataen før neste trinn, slik at modellen kan håndtere observasjonen fremfor å anta at rettelsen virket.
Produsentens bredere arbeidsflyter spenner over søk, terminaler, nettlesere og kontorverktøy. Oppgi verktøydefinisjonene og oppgavens grenser, og skill mellom et foreslått kall og resultatet applikasjonen returnerer. Et undersøkelsesoppdrag kan sammenligne kilder og beholde belegget bak hver konklusjon; en dokumentoppgave kan returnere en forklaring eller strukturert innhold som den omkringliggende applikasjonen gjør om til sluttleveransen.
StepFun publiserer egne presisjonsvarianter og oppskrifter for utrulling. De lokale GGUF-eksemplene skiller språkmodellen fra den visuelle projektoren og tar høyde for ekstra kjøretidsminne utover vektfilene. Kortet oppgir omtrent 120 GB som et lokalt minimum for minne og anbefaler 128 GB enhetlig minne for dette oppsettet. Dette er produsentens betingelser for utrulling, ikke en påstand om konfigurasjonen bak et bestemt modellvalg.
Hold Step 3.7 Flash atskilt fra den tidligere tekstmodellen Step 3.5: synsenkoderen og bildeforståelsen er vesentlige tillegg. Oppgavens sluttresultat bør vise kilde- eller bildebelegget som ble brukt, den foreslåtte endringen eller funnet og eventuelle betingelser som fortsatt krever en observasjon. Eksterne søk, kommandoer og filendringer avhenger av verktøyene applikasjonen kobler til.
", "aboutText": "Step 3.7 Flash er StepFuns sparsomme mixture-of-experts-modell for syn og språk, rettet mot praktiske agentoppgaver. Systemet på omtrent 198 milliarder parametere kombinerer en språkgrunnarkitektur på 196B med en synsenkoder på 1.8B, og aktiverer omtrent 11B parametere per token. Det tar imot tekst og bilder og genererer tekst, kode eller foreslåtte verktøykall for en tilkoblet applikasjon.\n\nProdusenten angir et kontekstvindu på 256K og resonneringsnivåene low, medium og high. Disse lar produsentens arbeidsflyt tildele ulike mengder tenking til en oppgave. Arbeid med lang kontekst omfatter store rapporter og programvareundersøkelser på tvers av flere filer; forbered det relevante materialet sammen med spørsmålet og det nødvendige resultatet, slik at modellen har et definert mål innenfor denne konteksten.\n\nDen innebygde visuelle forståelsen dekker produktgrensesnitt, dokumenter, grafer og naturlige scener. For en grensesnittoppgave gir du skjermbildet eller designet og identifiserer funksjonen som skal undersøkes eller implementeres. For en graf angir du sammenligningen eller trenden som skal forklares. Produsenten kombinerer visuell tolkning med informasjonsinnhenting og verktøybruk, slik at en tilkoblet arbeidsflyt kan samle mer belegg når bildet alene lar et spørsmål stå uavklart.\n\nKodeoppgaver omfatter å følge sammenhenger i et kodelager, finne en feil og foreslå en rettelse. Gi det observerte problemet, forventet oppførsel og filene eller loggene som fastslår det nåværende resultatet. Be om den endrede leveransen og kontrollene som skal vurdere den. Når applikasjonen kjører en kontroll, returnerer du den faktiske utdataen før neste trinn, slik at modellen kan håndtere observasjonen fremfor å anta at rettelsen virket.\n\nProdusentens bredere arbeidsflyter spenner over søk, terminaler, nettlesere og kontorverktøy. Oppgi verktøydefinisjonene og oppgavens grenser, og skill mellom et foreslått kall og resultatet applikasjonen returnerer. Et undersøkelsesoppdrag kan sammenligne kilder og beholde belegget bak hver konklusjon; en dokumentoppgave kan returnere en forklaring eller strukturert innhold som den omkringliggende applikasjonen gjør om til sluttleveransen.\n\nStepFun publiserer egne presisjonsvarianter og oppskrifter for utrulling. De lokale GGUF-eksemplene skiller språkmodellen fra den visuelle projektoren og tar høyde for ekstra kjøretidsminne utover vektfilene. Kortet oppgir omtrent 120 GB som et lokalt minimum for minne og anbefaler 128 GB enhetlig minne for dette oppsettet. Dette er produsentens betingelser for utrulling, ikke en påstand om konfigurasjonen bak et bestemt modellvalg.\n\nHold Step 3.7 Flash atskilt fra den tidligere tekstmodellen Step 3.5: synsenkoderen og bildeforståelsen er vesentlige tillegg. Oppgavens sluttresultat bør vise kilde- eller bildebelegget som ble brukt, den foreslåtte endringen eller funnet og eventuelle betingelser som fortsatt krever en observasjon. Eksterne søk, kommandoer og filendringer avhenger av verktøyene applikasjonen kobler til.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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-flashStepFuns Step 3.7 Flash er en sparsom syns- og språkmodell for koding, visuell forståelse og verktøydrevne arbeidsflyter. Den kombinerer en språkgrunnarkitektur på 196B med en synsenkoder på 1.8B, en kontekst på 256K og tre resonneringsnivåer dokumentert av produsenten.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Step 3.7 Flash er StepFuns sparsomme mixture-of-experts-modell for syn og språk, rettet mot praktiske agentoppgaver. Systemet på omtrent 198 milliarder parametere kombinerer en språkgrunnarkitektur på 196B med en synsenkoder på 1.8B, og aktiverer omtrent 11B parametere per token. Det tar imot tekst og bilder og genererer tekst, kode eller foreslåtte verktøykall for en tilkoblet applikasjon.
Produsenten angir et kontekstvindu på 256K og resonneringsnivåene low, medium og high. Disse lar produsentens arbeidsflyt tildele ulike mengder tenking til en oppgave. Arbeid med lang kontekst omfatter store rapporter og programvareundersøkelser på tvers av flere filer; forbered det relevante materialet sammen med spørsmålet og det nødvendige resultatet, slik at modellen har et definert mål innenfor denne konteksten.
Den innebygde visuelle forståelsen dekker produktgrensesnitt, dokumenter, grafer og naturlige scener. For en grensesnittoppgave gir du skjermbildet eller designet og identifiserer funksjonen som skal undersøkes eller implementeres. For en graf angir du sammenligningen eller trenden som skal forklares. Produsenten kombinerer visuell tolkning med informasjonsinnhenting og verktøybruk, slik at en tilkoblet arbeidsflyt kan samle mer belegg når bildet alene lar et spørsmål stå uavklart.
Kodeoppgaver omfatter å følge sammenhenger i et kodelager, finne en feil og foreslå en rettelse. Gi det observerte problemet, forventet oppførsel og filene eller loggene som fastslår det nåværende resultatet. Be om den endrede leveransen og kontrollene som skal vurdere den. Når applikasjonen kjører en kontroll, returnerer du den faktiske utdataen før neste trinn, slik at modellen kan håndtere observasjonen fremfor å anta at rettelsen virket.
Produsentens bredere arbeidsflyter spenner over søk, terminaler, nettlesere og kontorverktøy. Oppgi verktøydefinisjonene og oppgavens grenser, og skill mellom et foreslått kall og resultatet applikasjonen returnerer. Et undersøkelsesoppdrag kan sammenligne kilder og beholde belegget bak hver konklusjon; en dokumentoppgave kan returnere en forklaring eller strukturert innhold som den omkringliggende applikasjonen gjør om til sluttleveransen.
StepFun publiserer egne presisjonsvarianter og oppskrifter for utrulling. De lokale GGUF-eksemplene skiller språkmodellen fra den visuelle projektoren og tar høyde for ekstra kjøretidsminne utover vektfilene. Kortet oppgir omtrent 120 GB som et lokalt minimum for minne og anbefaler 128 GB enhetlig minne for dette oppsettet. Dette er produsentens betingelser for utrulling, ikke en påstand om konfigurasjonen bak et bestemt modellvalg.
Hold Step 3.7 Flash atskilt fra den tidligere tekstmodellen Step 3.5: synsenkoderen og bildeforståelsen er vesentlige tillegg. Oppgavens sluttresultat bør vise kilde- eller bildebelegget som ble brukt, den foreslåtte endringen eller funnet og eventuelle betingelser som fortsatt krever en observasjon. Eksterne søk, kommandoer og filendringer avhenger av verktøyene applikasjonen kobler til.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser stepfun/step-3.7-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0004 / 1K tokener Utdata · Utgående tokener $0.0023 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0004 / 1K tokener Utdata · Utgående tokener $0.0023 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra stepfun/step-3.7-flash
Bruk metodestiene som vises ovenfor.
stepfun/step-3.7-flashStepFuns Step 3.7 Flash er en sparsom syns- og språkmodell for koding, visuell forståelse og verktøydrevne arbeidsflyter. Den kombinerer en språkgrunnarkitektur på 196B med en synsenkoder på 1.8B, en kontekst på 256K og tre resonneringsnivåer dokumentert av produsenten.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Step 3.7 Flash er StepFuns sparsomme mixture-of-experts-modell for syn og språk, rettet mot praktiske agentoppgaver. Systemet på omtrent 198 milliarder parametere kombinerer en språkgrunnarkitektur på 196B med en synsenkoder på 1.8B, og aktiverer omtrent 11B parametere per token. Det tar imot tekst og bilder og genererer tekst, kode eller foreslåtte verktøykall for en tilkoblet applikasjon.
Produsenten angir et kontekstvindu på 256K og resonneringsnivåene low, medium og high. Disse lar produsentens arbeidsflyt tildele ulike mengder tenking til en oppgave. Arbeid med lang kontekst omfatter store rapporter og programvareundersøkelser på tvers av flere filer; forbered det relevante materialet sammen med spørsmålet og det nødvendige resultatet, slik at modellen har et definert mål innenfor denne konteksten.
Den innebygde visuelle forståelsen dekker produktgrensesnitt, dokumenter, grafer og naturlige scener. For en grensesnittoppgave gir du skjermbildet eller designet og identifiserer funksjonen som skal undersøkes eller implementeres. For en graf angir du sammenligningen eller trenden som skal forklares. Produsenten kombinerer visuell tolkning med informasjonsinnhenting og verktøybruk, slik at en tilkoblet arbeidsflyt kan samle mer belegg når bildet alene lar et spørsmål stå uavklart.
Kodeoppgaver omfatter å følge sammenhenger i et kodelager, finne en feil og foreslå en rettelse. Gi det observerte problemet, forventet oppførsel og filene eller loggene som fastslår det nåværende resultatet. Be om den endrede leveransen og kontrollene som skal vurdere den. Når applikasjonen kjører en kontroll, returnerer du den faktiske utdataen før neste trinn, slik at modellen kan håndtere observasjonen fremfor å anta at rettelsen virket.
Produsentens bredere arbeidsflyter spenner over søk, terminaler, nettlesere og kontorverktøy. Oppgi verktøydefinisjonene og oppgavens grenser, og skill mellom et foreslått kall og resultatet applikasjonen returnerer. Et undersøkelsesoppdrag kan sammenligne kilder og beholde belegget bak hver konklusjon; en dokumentoppgave kan returnere en forklaring eller strukturert innhold som den omkringliggende applikasjonen gjør om til sluttleveransen.
StepFun publiserer egne presisjonsvarianter og oppskrifter for utrulling. De lokale GGUF-eksemplene skiller språkmodellen fra den visuelle projektoren og tar høyde for ekstra kjøretidsminne utover vektfilene. Kortet oppgir omtrent 120 GB som et lokalt minimum for minne og anbefaler 128 GB enhetlig minne for dette oppsettet. Dette er produsentens betingelser for utrulling, ikke en påstand om konfigurasjonen bak et bestemt modellvalg.
Hold Step 3.7 Flash atskilt fra den tidligere tekstmodellen Step 3.5: synsenkoderen og bildeforståelsen er vesentlige tillegg. Oppgavens sluttresultat bør vise kilde- eller bildebelegget som ble brukt, den foreslåtte endringen eller funnet og eventuelle betingelser som fortsatt krever en observasjon. Eksterne søk, kommandoer og filendringer avhenger av verktøyene applikasjonen kobler til.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser stepfun/step-3.7-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0004 / 1K tokener Utdata · Utgående tokener $0.0023 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0004 / 1K tokener Utdata · Utgående tokener $0.0023 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "stepfun/step-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra stepfun/step-3.7-flash
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.