阶跃这家公司，有一种很奇怪的气质。
每次发东西，公告都写得跟内部周报似的，平平静静。
没有什么震撼发布，史上最强，遥遥领先。
然后你点进去一看，总能发现惊喜。
今天发的 Step 3.7 Flash，又是这个调性。
我本来没打算认真测，直到我把它挂进 Claude Code，跑了几个案例之后。
才不得不重新审视它，也有了今天的这篇文章。
话不多说，先把技术参数什么的扔在一边。
直接看实测，直观感受一下。
实测
因为模型是原生多模态，智能体能力也有很大提升。
我就想直接上个难度，整个活儿，让它解说下英雄联盟。
我把之前英雄联盟手游打的一段五杀录屏扔了进去。
让它分析视频，生成 S 系列总决赛风格的比赛解说。
整个过程我什么都没干，都是它全自动完成的。
最后的结果是这样的。
你想想这背后藏了多少活儿？
你得先把视频拆开，分析每一帧画面，看懂里面到底发生了什么。
你得用 S 系列总决赛的解说风格，匹配关键帧画面，再生成解说词。
你得用 TTS 把解说词念出来，生成好音频。
最后，你还得把解说音频和原视频对齐，混到一起，导出成品。
这一条龙操作，过去是几个人的活儿。
文案，配音和视频剪辑，搞不好还要来回返工。
Step 3.7 Flash 是这么干的。
调用 ffprobe 视频分析工具摸清楚视频的底裤，再调用 ffmpeg 把视频拆成关键帧图片。
拆完它开始一帧一帧的看。
看懂了英雄联盟的游戏界面，认出了主角是奥拉夫，然后顺着画面把游戏节奏给理清楚。
团战爆发，一斧子一斧子收人头，直到五杀。
然后用 S 赛官方解说风格写解说词，调用 Step TTS 把解说合成人声。
合成完它掐着秒数，把这段音频裁到跟原视频精确对齐。
最后再把视频和音频拼到一块导出。
想想看，这中间如果任何一步岔了，结果都可能是一坨。
但它一遍走通了。
这就是阶跃这次翻来覆去在讲的那个词。
Agent 效率。
我一开始没太当回事，觉得又是个营销词。
测完这个案例，我悟了。
所谓 Agent 效率，就是一个真实的任务，从看懂，到规划，到调用工具，到生成，到交付。
这一整条链路，能不能稳定不掉链子的跑完。
因为当模型真的帮你干活时，单点分数就没那么重要了。
重要的是这个任务，从头到尾，每一环都不能断。
断了一环，活儿也交不出去。
这，就是生产级这三个字的分量。
聊到这，我得插一段官方发布博客里的细节。
这个现象特别有意思，模型在写完一段前端代码之后，没有就此交差。
它自己去把刚做好的页面打开，看渲染的效果对不对，去点那些可交互的元素，然后根据它实际看到的结果，回头改自己的代码。
从写代码，到自己去用去测去改，这套写完自己验收的行为。
阶跃说，训练的时候从没有专门教过，也没有专门奖励过。
是模型自己长出来的，这就是涌现。
听起来很玄。
但说白了，就是它开始真正懂得，一定要对自己交出去的东西负责。
再说 OCR。
我拿它读了手边的 DeepSeek R1 的论文。
论文里最难啃的是什么？
表格和公式。
表格一多，结构就乱。
公式这玩意儿更要命，差一个下标，漏一个角标，整个意思就错了。
结果它把表格和公式，都准确地结构化提取出来了。
这玩意儿对做研究，整理资料的人来说，是实打实省时间的。
我之前也说过，过去 OCR 是一整条独立的赛道，养活了一堆公司。
发票识别，合同识别，票据识别。
现在交给 AI，搭建好工作流，直接一把梭，整条产业链都被一键折叠了。
最后来看个网页设计，我把结果录了个视频。
提示词：创建一个视觉科技新闻预览网页，模仿 90 年代纸质杂志美学。 标题使用 Playfair Display 等衬线字体，正文使用 IBM Plex Mono 等等宽字体。页面布局采用杂志风格的多栏网格，栏宽各异。大标题应向左偏移，超出视口边界以暗示印刷溢出感。对图像应用褐色滤镜 (0.2) 和噪点叠加。页面过渡应模拟翻书效果。导航模拟杂志目录，每项前缀有数字 (01/02/03)，悬停时放大。页脚设计为杂志版权页，包含一个虚构的 ISSN 编号。背景采用纸张纹理。
效果很不错，配色，留白和排版都是品味在线的。
再来过一下 Step 3.7 Flash 的赛博三维。
稀疏 MoE 架构，总参数 196B，但每次真正激活的，只有 11B。
最高生成速度，400 TPS。
光是激活 11B 就已经够能打了，但真正的杀招，藏在一个叫 Advisor Mode 的设计里。
我尽量说人话。
正常思路是，你想要好效果，就得用最贵最大的模型，从头到尾全程伺候你，贵但是放心。
阶跃的思路反过来。
让这个便宜的模型 Step 3.7 Flash 当主力，全程自己干活。
自己调工具，自己读结果，自己迭代。
只在极少数它自己拿不准的关键节点上，比如反复失败爬不出来的时候，才去请教一个更大的顾问模型。
绝大部分时间，活儿是那个便宜的执行者在干，只有卡住的那几下，才掏钱请一次专家。
阶跃在博客里说，这其实是它对 Anthropic 提出的 advisor 策略的一种实现。
关键点来了。
开了 Advisor Mode 之后，Step 3.7 Flash 的编程能力，达到了 Claude Opus 4.6 的 97%。
而每个任务的成本，是 Claude Opus 4.6 的大约九分之一。
具体数字是，每个任务 0.19 美元，对 1.76 美元。
你再读一遍。
97% 能力，九分之一的价钱。
这，就是降维打击。
也是我真正看好阶跃的地方。
它没有天天喊着要 AGI，它是在解决一个特别朴素的工程问题。
怎么让模型在真实的任务里，又快，又稳，又便宜的把事办成。
而且，Step 3.7 Flash 是真开源。
在推理和服务这边，开发者可以使用 vLLM，SGLang，Hugging Face Transformers 和 llama.cpp。
在模型开发工作流这边，阶跃星辰模型已集成至 NVIDIA Megatron 生态系统，包括 Megatron Core 和 Megatron Bridge。
最后还有一点，值得一提。
阶跃在博客里提到，他们是真的跟金融，会计，数据分析这些领域的专家深度合作。
把行业的专业知识喂进了模型里，而不是让它靠通用语料去猜。
跨 44 个职业的 GDPval 测试，它拿到了 45.8%，超越了 DeepSeek-V4-Flash。
尾声
AI 大模型这两年最大的变化，并非是它变得更会聊天了。
是它开始能真正替你把活儿干完了。
从陪你聊，到帮你干。
这两个字的距离，是这一代 Agent 模型真正跨过去的那道坎。
而当这种能干活的能力，以开源，能本地部署，十几 B 激活，九分之一成本的形态出现的时候，事情的性质就变了。
它不再是大厂关在云端，按 token 收你钱的工具。
它变成了任何人都能接进自己工作流的基础设施。
这就是 Step 3.7 Flash。
它是国产开源模型又往前迈的一步。
它也是阶跃这家公司一贯气质的又一次证明，话说得越少，东西做得越狠。
阶跃一向低调。
但东西一次比一次，更让人惊喜。
往期文章
既然你看到这里了，如果觉得不错，请帮我一键三连，转发给你的朋友，这真的对我很重要。
另外如果想第一时间收到推送，请将本公众号加个星标🌟
谢谢你看我的文章，祝你有财安康，我们下期见。