Step 3.7 Flash är StepFuns glesa mixture-of-experts-modell för bild och språk för agentuppgifter i verkliga arbetsflöden. Systemet med omkring 198 miljarder parametrar kombinerar en språkbas med 196 miljarder parametrar med en bildkodare på 1,8 miljarder parametrar och aktiverar omkring 11 miljarder parametrar per token. Det accepterar text och bilder och genererar text, kod eller föreslagna verktygsanrop för en ansluten applikation.
Tillverkaren anger ett kontextfönster på 256K och resonemangsnivåerna low, medium och high. Dessa låter tillverkarens arbetsflöde avsätta olika mycket tänkande åt en uppgift. Arbete med lång kontext omfattar stora rapporter och programvaruundersökningar över flera filer; förbered det relevanta materialet tillsammans med frågan och önskat resultat så att modellen har ett definierat mål inom kontexten.
Inbyggd visuell förståelse omfattar produktgränssnitt, dokument, diagram och naturliga scener. För en gränssnittsuppgift tillhandahåller du skärmbilden eller designen och identifierar funktionen som ska granskas eller implementeras. För ett diagram anger du jämförelsen eller trenden som ska förklaras. Tillverkaren kombinerar visuell tolkning med informationshämtning och verktygsanvändning, så ett anslutet arbetsflöde kan samla ytterligare belägg när bilden ensam lämnar en fråga olöst.
Kodningsuppgifter omfattar att spåra flöden i ett kodarkiv, lokalisera ett fel och föreslå en patch. Ange det observerade problemet, det förväntade beteendet och filerna eller loggarna som visar det aktuella resultatet. Be om den ändrade artefakten och kontroller som ska bedöma den. När applikationen kör en kontroll returnerar du dess faktiska utdata före nästa steg så att modellen kan hantera observationen i stället för att anta att patchen fungerade.
Tillverkarens bredare arbetsflöden spänner över sökning, terminaler, webbläsare och kontorsverktyg. Tillhandahåll verktygsdefinitionerna och uppgiftens gränser och skilj på ett föreslaget anrop och resultatet som returneras av applikationen. En undersökningsuppgift kan jämföra källor och behålla beläggen bakom varje slutsats; en dokumentuppgift kan ge en förklaring eller strukturerat innehåll som den omgivande applikationen omvandlar till slutartefakten.
StepFun publicerar separata precisionsvarianter och driftsättningsrecept. Dess lokala GGUF-exempel skiljer språkmodellen från den visuella projektorn och räknar med ytterligare körningsminne utöver viktfilerna. Kortet anger omkring 120 GB som lokalt minnesminimum och rekommenderar 128 GB enhetligt minne för den konfigurationen. Detta är tillverkarens driftsättningsvillkor och inget påstående om konfigurationen bakom ett visst modellval.
Håll Step 3.7 Flash åtskild från den tidigare textmodellen Step 3.5: bildkodaren och bildförståelsen är väsentliga tillägg. Uppgiftens slutresultat bör visa källan eller de visuella belägg som användes, den föreslagna ändringen eller fyndet och eventuella villkor som fortfarande kräver en observation. Externa sökningar, kommandon och filändringar beror på verktygen som applikationen ansluter.
", "aboutText": "Step 3.7 Flash är StepFuns glesa mixture-of-experts-modell för bild och språk för agentuppgifter i verkliga arbetsflöden. Systemet med omkring 198 miljarder parametrar kombinerar en språkbas med 196 miljarder parametrar med en bildkodare på 1,8 miljarder parametrar och aktiverar omkring 11 miljarder parametrar per token. Det accepterar text och bilder och genererar text, kod eller föreslagna verktygsanrop för en ansluten applikation.\n\nTillverkaren anger ett kontextfönster på 256K och resonemangsnivåerna low, medium och high. Dessa låter tillverkarens arbetsflöde avsätta olika mycket tänkande åt en uppgift. Arbete med lång kontext omfattar stora rapporter och programvaruundersökningar över flera filer; förbered det relevanta materialet tillsammans med frågan och önskat resultat så att modellen har ett definierat mål inom kontexten.\n\nInbyggd visuell förståelse omfattar produktgränssnitt, dokument, diagram och naturliga scener. För en gränssnittsuppgift tillhandahåller du skärmbilden eller designen och identifierar funktionen som ska granskas eller implementeras. För ett diagram anger du jämförelsen eller trenden som ska förklaras. Tillverkaren kombinerar visuell tolkning med informationshämtning och verktygsanvändning, så ett anslutet arbetsflöde kan samla ytterligare belägg när bilden ensam lämnar en fråga olöst.\n\nKodningsuppgifter omfattar att spåra flöden i ett kodarkiv, lokalisera ett fel och föreslå en patch. Ange det observerade problemet, det förväntade beteendet och filerna eller loggarna som visar det aktuella resultatet. Be om den ändrade artefakten och kontroller som ska bedöma den. När applikationen kör en kontroll returnerar du dess faktiska utdata före nästa steg så att modellen kan hantera observationen i stället för att anta att patchen fungerade.\n\nTillverkarens bredare arbetsflöden spänner över sökning, terminaler, webbläsare och kontorsverktyg. Tillhandahåll verktygsdefinitionerna och uppgiftens gränser och skilj på ett föreslaget anrop och resultatet som returneras av applikationen. En undersökningsuppgift kan jämföra källor och behålla beläggen bakom varje slutsats; en dokumentuppgift kan ge en förklaring eller strukturerat innehåll som den omgivande applikationen omvandlar till slutartefakten.\n\nStepFun publicerar separata precisionsvarianter och driftsättningsrecept. Dess lokala GGUF-exempel skiljer språkmodellen från den visuella projektorn och räknar med ytterligare körningsminne utöver viktfilerna. Kortet anger omkring 120 GB som lokalt minnesminimum och rekommenderar 128 GB enhetligt minne för den konfigurationen. Detta är tillverkarens driftsättningsvillkor och inget påstående om konfigurationen bakom ett visst modellval.\n\nHåll Step 3.7 Flash åtskild från den tidigare textmodellen Step 3.5: bildkodaren och bildförståelsen är väsentliga tillägg. Uppgiftens slutresultat bör visa källan eller de visuella belägg som användes, den föreslagna ändringen eller fyndet och eventuella villkor som fortfarande kräver en observation. Externa sökningar, kommandon och filändringar beror på verktygen som applikationen ansluter.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 är en gles modell för bild och språk för kodning, visuell förståelse och verktygsdrivna arbetsflöden. Den kombinerar en språkbas med 196 miljarder parametrar med en bildkodare på 1,8 miljarder parametrar, en kontext på 256K och tre resonemangsnivåer dokumenterade av tillverkaren.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Step 3.7 Flash är StepFuns glesa mixture-of-experts-modell för bild och språk för agentuppgifter i verkliga arbetsflöden. Systemet med omkring 198 miljarder parametrar kombinerar en språkbas med 196 miljarder parametrar med en bildkodare på 1,8 miljarder parametrar och aktiverar omkring 11 miljarder parametrar per token. Det accepterar text och bilder och genererar text, kod eller föreslagna verktygsanrop för en ansluten applikation.
Tillverkaren anger ett kontextfönster på 256K och resonemangsnivåerna low, medium och high. Dessa låter tillverkarens arbetsflöde avsätta olika mycket tänkande åt en uppgift. Arbete med lång kontext omfattar stora rapporter och programvaruundersökningar över flera filer; förbered det relevanta materialet tillsammans med frågan och önskat resultat så att modellen har ett definierat mål inom kontexten.
Inbyggd visuell förståelse omfattar produktgränssnitt, dokument, diagram och naturliga scener. För en gränssnittsuppgift tillhandahåller du skärmbilden eller designen och identifierar funktionen som ska granskas eller implementeras. För ett diagram anger du jämförelsen eller trenden som ska förklaras. Tillverkaren kombinerar visuell tolkning med informationshämtning och verktygsanvändning, så ett anslutet arbetsflöde kan samla ytterligare belägg när bilden ensam lämnar en fråga olöst.
Kodningsuppgifter omfattar att spåra flöden i ett kodarkiv, lokalisera ett fel och föreslå en patch. Ange det observerade problemet, det förväntade beteendet och filerna eller loggarna som visar det aktuella resultatet. Be om den ändrade artefakten och kontroller som ska bedöma den. När applikationen kör en kontroll returnerar du dess faktiska utdata före nästa steg så att modellen kan hantera observationen i stället för att anta att patchen fungerade.
Tillverkarens bredare arbetsflöden spänner över sökning, terminaler, webbläsare och kontorsverktyg. Tillhandahåll verktygsdefinitionerna och uppgiftens gränser och skilj på ett föreslaget anrop och resultatet som returneras av applikationen. En undersökningsuppgift kan jämföra källor och behålla beläggen bakom varje slutsats; en dokumentuppgift kan ge en förklaring eller strukturerat innehåll som den omgivande applikationen omvandlar till slutartefakten.
StepFun publicerar separata precisionsvarianter och driftsättningsrecept. Dess lokala GGUF-exempel skiljer språkmodellen från den visuella projektorn och räknar med ytterligare körningsminne utöver viktfilerna. Kortet anger omkring 120 GB som lokalt minnesminimum och rekommenderar 128 GB enhetligt minne för den konfigurationen. Detta är tillverkarens driftsättningsvillkor och inget påstående om konfigurationen bakom ett visst modellval.
Håll Step 3.7 Flash åtskild från den tidigare textmodellen Step 3.5: bildkodaren och bildförståelsen är väsentliga tillägg. Uppgiftens slutresultat bör visa källan eller de visuella belägg som användes, den föreslagna ändringen eller fyndet och eventuella villkor som fortfarande kräver en observation. Externa sökningar, kommandon och filändringar beror på verktygen som applikationen ansluter.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser stepfun/step-3.7-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0023 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0023 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra stepfun/step-3.7-flash
Använd metodsökvägarna som visas ovan.
stepfun/step-3.7-flashStepFuns Step 3.7 Flash är en gles modell för bild och språk för kodning, visuell förståelse och verktygsdrivna arbetsflöden. Den kombinerar en språkbas med 196 miljarder parametrar med en bildkodare på 1,8 miljarder parametrar, en kontext på 256K och tre resonemangsnivåer dokumenterade av tillverkaren.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Step 3.7 Flash är StepFuns glesa mixture-of-experts-modell för bild och språk för agentuppgifter i verkliga arbetsflöden. Systemet med omkring 198 miljarder parametrar kombinerar en språkbas med 196 miljarder parametrar med en bildkodare på 1,8 miljarder parametrar och aktiverar omkring 11 miljarder parametrar per token. Det accepterar text och bilder och genererar text, kod eller föreslagna verktygsanrop för en ansluten applikation.
Tillverkaren anger ett kontextfönster på 256K och resonemangsnivåerna low, medium och high. Dessa låter tillverkarens arbetsflöde avsätta olika mycket tänkande åt en uppgift. Arbete med lång kontext omfattar stora rapporter och programvaruundersökningar över flera filer; förbered det relevanta materialet tillsammans med frågan och önskat resultat så att modellen har ett definierat mål inom kontexten.
Inbyggd visuell förståelse omfattar produktgränssnitt, dokument, diagram och naturliga scener. För en gränssnittsuppgift tillhandahåller du skärmbilden eller designen och identifierar funktionen som ska granskas eller implementeras. För ett diagram anger du jämförelsen eller trenden som ska förklaras. Tillverkaren kombinerar visuell tolkning med informationshämtning och verktygsanvändning, så ett anslutet arbetsflöde kan samla ytterligare belägg när bilden ensam lämnar en fråga olöst.
Kodningsuppgifter omfattar att spåra flöden i ett kodarkiv, lokalisera ett fel och föreslå en patch. Ange det observerade problemet, det förväntade beteendet och filerna eller loggarna som visar det aktuella resultatet. Be om den ändrade artefakten och kontroller som ska bedöma den. När applikationen kör en kontroll returnerar du dess faktiska utdata före nästa steg så att modellen kan hantera observationen i stället för att anta att patchen fungerade.
Tillverkarens bredare arbetsflöden spänner över sökning, terminaler, webbläsare och kontorsverktyg. Tillhandahåll verktygsdefinitionerna och uppgiftens gränser och skilj på ett föreslaget anrop och resultatet som returneras av applikationen. En undersökningsuppgift kan jämföra källor och behålla beläggen bakom varje slutsats; en dokumentuppgift kan ge en förklaring eller strukturerat innehåll som den omgivande applikationen omvandlar till slutartefakten.
StepFun publicerar separata precisionsvarianter och driftsättningsrecept. Dess lokala GGUF-exempel skiljer språkmodellen från den visuella projektorn och räknar med ytterligare körningsminne utöver viktfilerna. Kortet anger omkring 120 GB som lokalt minnesminimum och rekommenderar 128 GB enhetligt minne för den konfigurationen. Detta är tillverkarens driftsättningsvillkor och inget påstående om konfigurationen bakom ett visst modellval.
Håll Step 3.7 Flash åtskild från den tidigare textmodellen Step 3.5: bildkodaren och bildförståelsen är väsentliga tillägg. Uppgiftens slutresultat bör visa källan eller de visuella belägg som användes, den föreslagna ändringen eller fyndet och eventuella villkor som fortfarande kräver en observation. Externa sökningar, kommandon och filändringar beror på verktygen som applikationen ansluter.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser stepfun/step-3.7-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0023 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0023 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "stepfun/step-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra stepfun/step-3.7-flash
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.