Step 3.7 Flash

便宜、记性很好、会看图的开源模型

聪明暂无

编程中等自报

记性256K

便宜$1.1

记性换算成体感：一次能读完一本《三体》

他的房间

电脑

76.5% · SWE-bench Verified · 厂商自报，未经第三方复核

书架

4 层 · 记忆 256K tokens

黑板

一块空黑板

日历

知识停在 2026-03-01

冰箱

支持上下文缓存，能存记忆

敞开的门

开源权重，谁都能进

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

SWE-bench Verified（转载）76.5%
同样是 SWE-bench Verified，但分数来自厂商系统卡或其他榜单的转载，没有经过 Epoch 的统一复跑。厂商自报
https://static.stepfun.com/blog/step-3.7-flash/
SWE-Bench Pro56.3%
同一个思路但难度高得多的版本，题目更长、依赖更复杂。分数普遍比 Verified 低三十分左右，两者不可直接比较。厂商自报
https://static.stepfun.com/blog/step-3.7-flash/
Terminal-Bench59.6%
把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
https://static.stepfun.com/blog/step-3.7-flash/
ClawEval67.1%
一套面向代码智能体的评测。厂商自报
https://static.stepfun.com/blog/step-3.7-flash/
ALE-Bench694
AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

知识与推理

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。