Step 3.7 Flash
Rede Neural
Step 3.7 Flash é o modelo multimodal da StepFun para texto, imagens e vídeos, disponível via API no BotHub.
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 262 144 tokens
- Comprimento máximo de resposta
- 230 400 tokens
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Como funciona Step 3.7 Flash?
O Step 3.7 Flash é um modelo multimodal da StepFun baseado na arquitetura Mixture-of-Experts: a base linguística possui 196 bilhões de parâmetros, mas cerca de 11 bilhões são ativados por solicitação, e o codificador visual integrado adiciona compreensão nativa de imagens e vídeos. Graças a esse esquema, o modelo permanece rápido, mantendo a qualidade da análise de dados textuais e visuais. Através do BotHub, ele é acessível sem VPN ou cartões estrangeiros; o pagamento é feito com cartões russos em rublos e por uso, e os tokens não utilizados não expiram. Em uma única janela, você tem mais de 250 redes neurais, permitindo comparar respostas e alternar modelos sem reescrever a integração: uma API única compatível com OpenAI funciona com uma chave, o tráfego é criptografado via AES-GCM, e as empresas têm acesso a contratos, faturas, EDI e painel administrativo com limites. É ideal para analisar capturas de tela de interfaces, diagramas e plantas, descrever o conteúdo de vídeos, criar assistentes multimodais via API, extrair dados de documentos digitalizados e fotos, e construir cenários onde texto e imagem são analisados em conjunto.Perguntas frequentes sobre Step 3.7 Flash
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
O step-3.7-flash é um modelo de texto da StepFun com um contexto de 256.000 tokens. Aceita texto, documentos e imagens, raciocina antes de responder e chama funções. É adequado para analisar documentos extensos, trabalhar com código e depuração, tarefas STEM e integração em serviços próprios via API.
Em uma única resposta, o modelo gera até 230.400 tokens — o suficiente para documentação extensa, análise de código grande ou um relatório longo completo, sem colagem manual de partes. E o contexto de 256.000 tokens permite manter os materiais originais e o resultado no mesmo diálogo.
Sim, o raciocínio antes da resposta é um recurso do modelo: antes de formular o resultado, ele analisa a tarefa passo a passo. Isso ajuda significativamente em matemática, lógica, análise de dados e depuração de código, onde não apenas o resultado é importante, mas também o caminho até ele.
Sim, o modelo suporta chamada de funções e saída estruturada em JSON, por isso é fácil conectá-lo a ferramentas externas, bancos de dados e seus próprios serviços. No BotHub, isso funciona através de uma API única compatível com OpenAI — você pode trocar de modelo sem reescrever a integração.
Imagens e documentos, sim, podem ser enviados junto com o texto: para analisar capturas de tela, diagramas, tabelas, contratos ou apresentações. Áudio e vídeo não estão marcados em nossos dados, então não prometeremos essa entrada — é mais fácil verificar o formato necessário diretamente na interface.
Não temos dados sobre os idiomas de prompts e respostas, por isso não faremos afirmações. É mais confiável testar o modelo com seu próprio texto e comparar com outros na mesma janela: no BotHub, ele está disponível na Rússia sem VPN e sem cartão estrangeiro, com pagamento por uso de tokens.