SimpleVQA

StepFun 发布面向 Agent 的 198B MoE 视觉语言模型

StepFun 发布了 Step 3.7 Flash，这是一个拥有 1980 亿参数的专家混合（MoE）视觉语言模型，专为编码 Agent 和搜索工作流设计。该新模型具有原生的多模态理解能力、改进的工具使用可靠性以及可选的推理深度，以平衡速度和计算量。Step 3.7 Flash 在 SWE-Bench Pro 等编码基准测试中表现出显著的性能提升，并提供了一种“顾问模式”，其性能接近 Claude Opus 4.6，但成本仅为其一小部分。