Step 3.7 Flash is het sparse mixture-of-experts-visuele taalmodel van StepFun voor praktische agenttaken. Het systeem van ongeveer 198 miljard parameters combineert een taalbackbone van 196B met een visuele encoder van 1.8B en activeert ongeveer 11B parameters per token. Het accepteert tekst en afbeeldingen en genereert tekst, code of voorgestelde toolaanroepen voor een verbonden toepassing.
De producent specificeert een contextvenster van 256K en de redeneerniveaus low, medium en high. Daarmee kan de workflow van de fabrikant verschillende hoeveelheden denkwerk aan een taak toewijzen. Werk met lange context omvat omvangrijke rapporten en softwareonderzoek over meerdere bestanden; bereid het relevante materiaal samen met de vraag en de benodigde uitvoer voor, zodat het model binnen die context een gedefinieerd doel heeft.
Native beeldbegrip omvat productinterfaces, documenten, grafieken en natuurlijke scènes. Lever voor een interfacetaak het screenshot of ontwerp aan en identificeer de functie die moet worden onderzocht of geïmplementeerd. Benoem voor een grafiek de vergelijking of trend die moet worden uitgelegd. De fabrikant combineert visuele interpretatie met retrieval en toolgebruik, zodat een verbonden workflow aanvullend bewijs kan verzamelen wanneer de afbeelding alleen een vraag onopgelost laat.
Programmeertaken omvatten het doorgronden van een repository, het lokaliseren van een fout en het voorstellen van een patch. Geef het waargenomen probleem, het verwachte gedrag en de bestanden of logs die het huidige resultaat aantonen. Vraag om het gewijzigde eindproduct en de controles waarmee het wordt beoordeeld. Wanneer de toepassing een controle uitvoert, geef dan de daadwerkelijke uitvoer terug vóór de volgende stap, zodat het model de observatie kan aanpakken in plaats van aan te nemen dat de patch werkte.
De bredere workflows van de producent omvatten zoeken, terminals, browsers en kantoortools. Lever de tooldefinities en de taakgrenzen aan en onderscheid een voorgestelde aanroep van het resultaat dat de toepassing teruggeeft. Een onderzoeksopdracht kan bronnen vergelijken en het bewijsmateriaal achter elke conclusie bewaren; een documenttaak kan een uitleg of gestructureerde inhoud teruggeven die de omringende toepassing omzet in het uiteindelijke eindproduct.
StepFun publiceert afzonderlijke precisievarianten en implementatierecepten. De lokale GGUF-voorbeelden onderscheiden het taalmodel van de visuele projector en rekenen op extra runtimegeheugen naast de gewichtsbestanden. De modelkaart noemt ongeveer 120 GB als lokaal geheugenminimum en beveelt 128 GB gedeeld geheugen aan voor die opstelling. Dit zijn implementatievoorwaarden van de producent, geen bewering over de configuratie achter een bepaalde modelselectie.
Houd Step 3.7 Flash apart van het eerdere Step 3.5-tekstmodel: de visuele encoder en beeldinterpretatie zijn wezenlijke toevoegingen. Het uiteindelijke resultaat van de taak moet de gebruikte bron of het visuele bewijsmateriaal, de voorgestelde wijziging of bevinding en eventuele voorwaarden die nog een observatie vereisen tonen. Externe zoekopdrachten, commando's en bestandswijzigingen zijn afhankelijk van de tools die de toepassing verbindt.
", "aboutText": "Step 3.7 Flash is het sparse mixture-of-experts-visuele taalmodel van StepFun voor praktische agenttaken. Het systeem van ongeveer 198 miljard parameters combineert een taalbackbone van 196B met een visuele encoder van 1.8B en activeert ongeveer 11B parameters per token. Het accepteert tekst en afbeeldingen en genereert tekst, code of voorgestelde toolaanroepen voor een verbonden toepassing.\n\nDe producent specificeert een contextvenster van 256K en de redeneerniveaus low, medium en high. Daarmee kan de workflow van de fabrikant verschillende hoeveelheden denkwerk aan een taak toewijzen. Werk met lange context omvat omvangrijke rapporten en softwareonderzoek over meerdere bestanden; bereid het relevante materiaal samen met de vraag en de benodigde uitvoer voor, zodat het model binnen die context een gedefinieerd doel heeft.\n\nNative beeldbegrip omvat productinterfaces, documenten, grafieken en natuurlijke scènes. Lever voor een interfacetaak het screenshot of ontwerp aan en identificeer de functie die moet worden onderzocht of geïmplementeerd. Benoem voor een grafiek de vergelijking of trend die moet worden uitgelegd. De fabrikant combineert visuele interpretatie met retrieval en toolgebruik, zodat een verbonden workflow aanvullend bewijs kan verzamelen wanneer de afbeelding alleen een vraag onopgelost laat.\n\nProgrammeertaken omvatten het doorgronden van een repository, het lokaliseren van een fout en het voorstellen van een patch. Geef het waargenomen probleem, het verwachte gedrag en de bestanden of logs die het huidige resultaat aantonen. Vraag om het gewijzigde eindproduct en de controles waarmee het wordt beoordeeld. Wanneer de toepassing een controle uitvoert, geef dan de daadwerkelijke uitvoer terug vóór de volgende stap, zodat het model de observatie kan aanpakken in plaats van aan te nemen dat de patch werkte.\n\nDe bredere workflows van de producent omvatten zoeken, terminals, browsers en kantoortools. Lever de tooldefinities en de taakgrenzen aan en onderscheid een voorgestelde aanroep van het resultaat dat de toepassing teruggeeft. Een onderzoeksopdracht kan bronnen vergelijken en het bewijsmateriaal achter elke conclusie bewaren; een documenttaak kan een uitleg of gestructureerde inhoud teruggeven die de omringende toepassing omzet in het uiteindelijke eindproduct.\n\nStepFun publiceert afzonderlijke precisievarianten en implementatierecepten. De lokale GGUF-voorbeelden onderscheiden het taalmodel van de visuele projector en rekenen op extra runtimegeheugen naast de gewichtsbestanden. De modelkaart noemt ongeveer 120 GB als lokaal geheugenminimum en beveelt 128 GB gedeeld geheugen aan voor die opstelling. Dit zijn implementatievoorwaarden van de producent, geen bewering over de configuratie achter een bepaalde modelselectie.\n\nHoud Step 3.7 Flash apart van het eerdere Step 3.5-tekstmodel: de visuele encoder en beeldinterpretatie zijn wezenlijke toevoegingen. Het uiteindelijke resultaat van de taak moet de gebruikte bron of het visuele bewijsmateriaal, de voorgestelde wijziging of bevinding en eventuele voorwaarden die nog een observatie vereisen tonen. Externe zoekopdrachten, commando's en bestandswijzigingen zijn afhankelijk van de tools die de toepassing verbindt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 van StepFun is een sparse visueel taalmodel voor programmeren, beeldbegrip en toolgestuurde workflows. Het combineert een taalbackbone van 196B met een visuele encoder van 1.8B, een context van 256K en drie door de producent gedocumenteerde redeneerniveaus.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Step 3.7 Flash is het sparse mixture-of-experts-visuele taalmodel van StepFun voor praktische agenttaken. Het systeem van ongeveer 198 miljard parameters combineert een taalbackbone van 196B met een visuele encoder van 1.8B en activeert ongeveer 11B parameters per token. Het accepteert tekst en afbeeldingen en genereert tekst, code of voorgestelde toolaanroepen voor een verbonden toepassing.
De producent specificeert een contextvenster van 256K en de redeneerniveaus low, medium en high. Daarmee kan de workflow van de fabrikant verschillende hoeveelheden denkwerk aan een taak toewijzen. Werk met lange context omvat omvangrijke rapporten en softwareonderzoek over meerdere bestanden; bereid het relevante materiaal samen met de vraag en de benodigde uitvoer voor, zodat het model binnen die context een gedefinieerd doel heeft.
Native beeldbegrip omvat productinterfaces, documenten, grafieken en natuurlijke scènes. Lever voor een interfacetaak het screenshot of ontwerp aan en identificeer de functie die moet worden onderzocht of geïmplementeerd. Benoem voor een grafiek de vergelijking of trend die moet worden uitgelegd. De fabrikant combineert visuele interpretatie met retrieval en toolgebruik, zodat een verbonden workflow aanvullend bewijs kan verzamelen wanneer de afbeelding alleen een vraag onopgelost laat.
Programmeertaken omvatten het doorgronden van een repository, het lokaliseren van een fout en het voorstellen van een patch. Geef het waargenomen probleem, het verwachte gedrag en de bestanden of logs die het huidige resultaat aantonen. Vraag om het gewijzigde eindproduct en de controles waarmee het wordt beoordeeld. Wanneer de toepassing een controle uitvoert, geef dan de daadwerkelijke uitvoer terug vóór de volgende stap, zodat het model de observatie kan aanpakken in plaats van aan te nemen dat de patch werkte.
De bredere workflows van de producent omvatten zoeken, terminals, browsers en kantoortools. Lever de tooldefinities en de taakgrenzen aan en onderscheid een voorgestelde aanroep van het resultaat dat de toepassing teruggeeft. Een onderzoeksopdracht kan bronnen vergelijken en het bewijsmateriaal achter elke conclusie bewaren; een documenttaak kan een uitleg of gestructureerde inhoud teruggeven die de omringende toepassing omzet in het uiteindelijke eindproduct.
StepFun publiceert afzonderlijke precisievarianten en implementatierecepten. De lokale GGUF-voorbeelden onderscheiden het taalmodel van de visuele projector en rekenen op extra runtimegeheugen naast de gewichtsbestanden. De modelkaart noemt ongeveer 120 GB als lokaal geheugenminimum en beveelt 128 GB gedeeld geheugen aan voor die opstelling. Dit zijn implementatievoorwaarden van de producent, geen bewering over de configuratie achter een bepaalde modelselectie.
Houd Step 3.7 Flash apart van het eerdere Step 3.5-tekstmodel: de visuele encoder en beeldinterpretatie zijn wezenlijke toevoegingen. Het uiteindelijke resultaat van de taak moet de gebruikte bron of het visuele bewijsmateriaal, de voorgestelde wijziging of bevinding en eventuele voorwaarden die nog een observatie vereisen tonen. Externe zoekopdrachten, commando's en bestandswijzigingen zijn afhankelijk van de tools die de toepassing verbindt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten stepfun/step-3.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0023 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0023 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra stepfun/step-3.7-flash
Gebruik de hierboven getoonde methodepaden.
stepfun/step-3.7-flashStep 3.7 Flash van StepFun is een sparse visueel taalmodel voor programmeren, beeldbegrip en toolgestuurde workflows. Het combineert een taalbackbone van 196B met een visuele encoder van 1.8B, een context van 256K en drie door de producent gedocumenteerde redeneerniveaus.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Step 3.7 Flash is het sparse mixture-of-experts-visuele taalmodel van StepFun voor praktische agenttaken. Het systeem van ongeveer 198 miljard parameters combineert een taalbackbone van 196B met een visuele encoder van 1.8B en activeert ongeveer 11B parameters per token. Het accepteert tekst en afbeeldingen en genereert tekst, code of voorgestelde toolaanroepen voor een verbonden toepassing.
De producent specificeert een contextvenster van 256K en de redeneerniveaus low, medium en high. Daarmee kan de workflow van de fabrikant verschillende hoeveelheden denkwerk aan een taak toewijzen. Werk met lange context omvat omvangrijke rapporten en softwareonderzoek over meerdere bestanden; bereid het relevante materiaal samen met de vraag en de benodigde uitvoer voor, zodat het model binnen die context een gedefinieerd doel heeft.
Native beeldbegrip omvat productinterfaces, documenten, grafieken en natuurlijke scènes. Lever voor een interfacetaak het screenshot of ontwerp aan en identificeer de functie die moet worden onderzocht of geïmplementeerd. Benoem voor een grafiek de vergelijking of trend die moet worden uitgelegd. De fabrikant combineert visuele interpretatie met retrieval en toolgebruik, zodat een verbonden workflow aanvullend bewijs kan verzamelen wanneer de afbeelding alleen een vraag onopgelost laat.
Programmeertaken omvatten het doorgronden van een repository, het lokaliseren van een fout en het voorstellen van een patch. Geef het waargenomen probleem, het verwachte gedrag en de bestanden of logs die het huidige resultaat aantonen. Vraag om het gewijzigde eindproduct en de controles waarmee het wordt beoordeeld. Wanneer de toepassing een controle uitvoert, geef dan de daadwerkelijke uitvoer terug vóór de volgende stap, zodat het model de observatie kan aanpakken in plaats van aan te nemen dat de patch werkte.
De bredere workflows van de producent omvatten zoeken, terminals, browsers en kantoortools. Lever de tooldefinities en de taakgrenzen aan en onderscheid een voorgestelde aanroep van het resultaat dat de toepassing teruggeeft. Een onderzoeksopdracht kan bronnen vergelijken en het bewijsmateriaal achter elke conclusie bewaren; een documenttaak kan een uitleg of gestructureerde inhoud teruggeven die de omringende toepassing omzet in het uiteindelijke eindproduct.
StepFun publiceert afzonderlijke precisievarianten en implementatierecepten. De lokale GGUF-voorbeelden onderscheiden het taalmodel van de visuele projector en rekenen op extra runtimegeheugen naast de gewichtsbestanden. De modelkaart noemt ongeveer 120 GB als lokaal geheugenminimum en beveelt 128 GB gedeeld geheugen aan voor die opstelling. Dit zijn implementatievoorwaarden van de producent, geen bewering over de configuratie achter een bepaalde modelselectie.
Houd Step 3.7 Flash apart van het eerdere Step 3.5-tekstmodel: de visuele encoder en beeldinterpretatie zijn wezenlijke toevoegingen. Het uiteindelijke resultaat van de taak moet de gebruikte bron of het visuele bewijsmateriaal, de voorgestelde wijziging of bevinding en eventuele voorwaarden die nog een observatie vereisen tonen. Externe zoekopdrachten, commando's en bestandswijzigingen zijn afhankelijk van de tools die de toepassing verbindt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten stepfun/step-3.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0023 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0023 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "stepfun/step-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra stepfun/step-3.7-flash
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.