Step 3.7 Flash API — изображения, видео и агенты

Контекст: 262 144токенов
Результат: Текстформат ответа
Вход / выход: 40 ₽ / 210 ₽за 1 млн токенов

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "stepfun/step-3.7-flash",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Официальная карточка указывает 198B-параметровую MoE с примерно 11B активных параметров на токен, 1,8B vision encoder, 256K context и три reasoning levels. Разработчик описывает image understanding, search и agentic workflows. Заявленные throughput и цены относятся к его среде, а не Tokenmost. Для `stepfun/step-3.7-flash` каталог Tokenmost перечисляет текст, изображения и видео на входе, текстовый результат и окно 262144 токена. Перед интеграцией проверяются video transport, image count, reasoning effort, tool calls, схема ответа, потоковая выдача, предел генерации, usage, задержка и розничная цена. Эталон включает screenshot на двух ширинах, запись клика по меню и acceptance criteria. Для каждого finding ожидаются экран, состояние, наблюдение и severity; visual difference без влияния отделяется от функциональной ошибки.

Подготовьте состояние интерфейса

Укажите viewport, route, авторизацию и шаги до экрана. Видео обрезается вокруг действия, а screenshot сохраняется в исходном разрешении. Секреты и персональные данные маскируются до отправки.

Свяжите finding с доказательством

Ответ содержит criterion ID, временной интервал или область изображения и фактическое поведение. Модель не объявляет дефект по одному внешнему виду без спецификации. Дубликаты объединяются сервером.

Разделите наблюдение и действие

После наблюдения модель вправе предложить вызов чтения DOM или лога, но не кликает по production сама. Browser harness имеет allowlist доменов и read-only режим. Текст страницы считается недоверенным вводом.

Проверьте разные modality

Отдельно тестируйте screenshot, video, мелкий текст, animation и отсутствующий кадр. Измеряйте precision дефектов, пропуски, точность локализации и p95. Финальное решение принимает QA-инженер.

Считайте цену QA-сеанса

В бюджет входят visual tokens, спецификация, reasoning, tool results и исправление формата. Сравнивайте стоимость подтверждённого дефекта. Returned usage и тариф Tokenmost измеряются на одинаковом наборе экранов.

Вопросы и ответы

Что принимает Step 3.7 Flash?

Каталог перечисляет три входа: текст, изображения и видео; форматы проверяются preflight.

Есть разные уровни reasoning?

Upstream описывает low, medium и high, но поле route нужно подтвердить.

Модель сама управляет браузером?

Только через отдельный ограниченный harness, если tools доступны.

Какой контекст указан?

262144 токена на медиа, инструкции, результаты tools и ответ.

Как измерять расходы?

По фактическому usage на один подтверждённый QA-дефект и повторные проверки.