English(EN) Step 3.7 Flash: The 198B MoE Model Everyone Is Actually Running

StepFun 的 198B MoE 模型以低成本提供专业级性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-04 09:12

StepFun 发布了 Step-3.7-Flash，这是一个拥有 1980 亿参数的混合专家（MoE）模型，每个 token 仅使用 110 亿激活参数进行推理。这种架构实现了高吞吐量，每秒可达 400 个 token，并显著降低了计算成本。该模型包含一个用于图像理解的视觉编码器，并在各种基准测试中，特别是在编码和视觉问答任务上，展现出与 GPT-5.5 和 Claude Opus-4.6 等领先模型相媲美的性能。 AI

影响该模型具有成本效益的推理能力，可能会加速大型、强大模型在生产环境中的应用。

排序理由前沿实验室（StepFun）发布新模型，包含详细的技术规格和基准测试对比。[lever_c_demoted from frontier_release: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 49 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Significant; 前沿实验室（StepFun）发布新模型，包含详细的技术规格和基准测试对比。[lever_c_demoted from frontier_release: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Dishant Sharma · 2026-10-04 09:12

Step 3.7 Flash：大家实际运行的 198B MoE 模型

<p>someone on X posted a photo of a DGX Spark sitting on a regular desk with a terminal window running step 3.7 flash. a 198 billion parameter vision model. on a box that fits next to a monitor. and it was not a flex post. it was a "here is the config that saved me three hours" p…

本文如何被排名

报道来源 [1]

Step 3.7 Flash：大家实际运行的 198B MoE 模型

相关实体

相关话题