阶跃星辰
Step 3.7 Flash (High)
模型分析
Step 3.7 Flash (High) 是一款开源推理模型,支持文本、图像、视频输入、文本输出,拥有 25.6 万 Token 上下文窗口,定价在同类参评模型中处于中位。
在 SQBench 实战能力评测中,该模型得分为 18.7,排名第 25,处于后段;模型可靠度为 69.1%,幻觉率为 6.3%;完成整套评测共消耗 23.7M Token、9.7 小时和 4.38美元。
分项能力层面,动态代码逻辑和软件工程是相对优势;长文本推理和数据分析表现相对偏弱。
技术参数
- 推理模式
- 推理 / Low、Medium、High
- 输入模态
- 输出模态
- 上下文长度
- 256K
- 总参数量
- 198B
- 激活参数量
- 11B
- 发布日期
- 2026-05
Models
模型表现
展示模型在 SQBench 实战任务中的总体表现、完成质量与风险影响。
实战能力
基于任务通过情况衡量模型在真实业务任务中的稳定交付表现,越高表示可稳定完成的任务比例越高。
推理模型以此图标标识
实战能力
实战能力采用任务通过口径计算,强调模型在标准评测条件下稳定达标的能力;最终表现分和任务完成分保留连续得分,用于辅助分析任务完成质量与风险影响。
实战能力(按开放属性划分)
按开源/闭源展示模型实战能力,用于观察不同开放属性模型的表现分布。
推理模型以此图标标识
Safety & Reliability
安全与合规
对比模型在任务执行中的可靠性、风险控制和幻觉相关表现。
可靠度
未触发风险扣分的任务比例,越高表示执行过程越稳定。
推理模型以此图标标识
Capability
实战能力分析
从基础执行、复合工作流和业务场景三个层面,比较模型在不同类型实战任务中的表现。
L1 原子能力
评估模型在基础认知、指令执行、长上下文推理、代码逻辑和边界处理中的稳定性。
指令遵循
越高越好
长文本推理
越高越好
动态代码逻辑
越高越好
鲁棒性与边界
越高越好
推理模型以此图标标识
Cost Efficiency
成本效率
展示模型完成 SQBench 实战任务所需的评测成本、完成耗时和 Token 消耗,用于辅助判断规模化使用成本。
评测成本
完成本次评测产生的模型 API 成本,越低表示调用成本越低。
推理模型以此图标标识
Value
性价比
对比模型实战能力与可靠度、评测成本、完成耗时和 Token 消耗,辅助判断不同模型的部署价值。
实战能力 vs 可靠度
对比模型的任务交付表现与风险稳定性,右上区域更优。
推理模型以此图标标识
Price
价格
展示模型公开调用单价,用于理解不同模型的基础计费差异;实际评测成本以成本效率部分为准。
分项价格
展示每百万 Token 的输入、输出和缓存单价,越低越好。
推理模型以此图标标识