StepFunAI오픈소스

Step 3.7 Flash

Name: Step 3.7 Flash
Author: StepFunAI

이 모델 비교

StepFun AI가 개발한 고속 기초 모델. 낮은 지연 시간과 높은 처리량을 동시에 달성합니다.

공유:X Hatena LINE

파라미터

1980

컨텍스트

256K

라이선스

Apache 2.0

출시일

2026-05-29

일본어 처리 능력

🌐Multilingual

General multilingual model. Basic Japanese processing is possible, but inferior to specialized models.

API 가격

이 모델의 API 가격 정보는 현재 공개되지 않았습니다

강점

약점

활용 사례

심층 분석

ClawEval-1.1

67.1

전체 1위. 차상위는 Claude 4 Opus(59.8)

SWE-Bench PRO

56.3

전체 2위. Claude 4 Opus(64.3)에 이어 2위

SimpleVQA (Search)

79.2

1위. GPT 5.5(79.1)를 앞섬

Input Price

$0.20/1M tokens

캐시 히트 시 $0.04/1M. Claude Opus 대비 약 25배 저렴

Throughput

400 tok/s

클라우드 API 기준. DGX Spark 로컬에서는 약 27 tok/s

Context Window

256K tokens

약 384페이지 분량의 텍스트

강점

・ClawEval-1.1 점수 67.1로 최고 수준의 에이전트 신뢰성을 갖추어, 뛰어난 다단계 도구 오케스트레이션과 적대적 함정에 대한 저항력을 보여줌
・Advisor Mode는 작업당 $1.76인 Claude Opus 4.6 대신 $0.19로 그 코딩 성능의 97%를 제공하며, 프로덕션 에이전트 워크플로에서 실질적인 9배 비용 절감을 실현
・폭넓은 로컬 배포 유연성: Mac Studio, DGX Spark, AMD Ryzen AI Max+ 395에서 구동되며, BF16·FP8·NVFP4·GGUF 양자화가 첫날부터 제공됨

약점

・Terminal-Bench 2.1(59.5, GPT 5.5는 82.7)과 GDPVal-AA(45.8, 프런티어 모델은 63%)에서 큰 격차가 있어, 복잡한 터미널 및 일반 전문 직무 활용에 제약이 됨
・자체 보고 벤치마크 데이터. 경쟁 모델 점수 상당수가 표준화된 제3자 평가가 아닌 StepFun 자체 재실행 결과라 비교 신뢰도가 낮아짐
・로컬 배포 최소 사양이 128GB라 소비자용 노트북과 대부분의 프로슈머 환경이 제외되며, BF16 풀 정밀도는 394GB 필요

경쟁사 비교

Model	Arena	SWE	Price
Claude Opus 4.6	N/A	64.3%	$5.00/$25.00
DeepSeek V4 Flash	N/A	55.6%	$0.22/$0.87
Gemini 3.5 Flash	N/A	55.1%	$0.15/$0.60

개요

Step 3.7 Flash는 StepFun AI가 2026년 5월 29일에 공개한 198B 파라미터 희소 MoE(전문가 혼합) 비전-언어 모델입니다. 방대한 전체 파라미터에도 불구하고 전문가 라우팅(288개 중 8개 전문가)을 통해 토큰당 약 11B 파라미터만 활성화하여, 소형 밀집 모델 수준의 추론 비용으로 프런티어에 가까운 지능을 제공합니다. 이 모델은 196B 언어 백본에 1.8B 네이티브 비전 인코더를 결합하고, 256K 컨텍스트 창을 지원하며, 클라우드 API에서 초당 최대 400토큰의 처리량을 달성합니다. 이 모델의 핵심 차별점은 절대적 지능 상한이 아니라 에이전트 워크플로 신뢰성에 있습니다. ClawEval-1.1 벤치마크에서 67.1(전작 Step 3.5 Flash 대비 23.5포인트 상승)로 1위, SWE-Bench PRO에서는 56.3으로 2위입니다. 가장 혁신적인 기능은 Advisor Mode로, 일상적인 도구 호출과 반복은 Step 3.7 Flash가 처리하고 진짜 의사결정 지점에서만 더 큰 프런티어 모델로 에스컬레이션하는 2단계 실행 전략이며, 작업당 비용을 약 9분의 1(Claude Opus 4.6의 $1.76 대비 $0.19)로 줄이면서 Claude Opus 4.6 코딩 성능의 약 97%를 달성합니다. 이 모델은 Apache 2.0으로 완전히 오픈웨이트이며, HuggingFace를 통해 양자화 체크포인트(BF16, FP8, NVFP4, GGUF)와 함께 제공되어 NVIDIA DGX Spark나 Mac Studio 같은 128GB 이상 통합 메모리 기기에서 로컬 배포가 가능합니다. StepFun 자체 플랫폼, OpenRouter, NVIDIA NIM을 통해 이용할 수 있으며, DeepInfra·Fireworks AI·Modal과의 파트너십도 예정되어 있습니다. 부족한 부분은 순수 추론 벤치마크(HLE w/ tools 47.2% 대 Claude Opus 4.7의 54.7%), 터미널 중심 워크플로(Terminal-Bench 2.1 59.5 대 GPT 5.5의 82.7), 일반 전문 직무(GDPVal-AA 45.8% 대 프런티어 모델 63%)입니다.

벤치마크 및 성능

## Benchmark Performance ### Agentic & Tool Use | Benchmark | Step 3.7 Flash | Claude 4 Opus | GPT 5.5 | DeepSeek V4 Flash | Gemini 3.5 Flash | |---|---|---|---|---|---| | ClawEval-1.1 | **67.1** (#1) | 59.8 | 60.3 | 43.6 | 57.8 | | Toolathlon | 49.5 | N/A | N/A | N/A | N/A | | HLE w. Tools | 47.2 | N/A | 52.2 | N/A | N/A | | BrowseComp | 75.82% | 79.3%* | N/A | N/A | N/A | ### Coding | Benchmark | Step 3.7 Flash | Claude 4 Opus | GPT 5.5 | DeepSeek V4 Flash | Gemini 3.5 Flash | |---|---|---|---|---|---| | SWE-Bench PRO | 56.3 (#2) | **64.3** (#1) | 58.6 | 55.6 | 55.1 | | SWE-Bench Verified (Advisor Mode) | 76.3% | N/A | N/A | N/A | N/A | | Terminal-Bench 2.1 | 59.5 | N/A | 82.7* | N/A | 76.2* | ### Multimodal & Visual | Benchmark | Step 3.7 Flash | Notes | |---|---|---| | SimpleVQA (Search) | **79.2** (#1) | Beats GPT 5.5 (79.1) | | V* (Python) | 95.3 | Competitive with Kimi K2.6 (96.9) and Gemini 3 Flash (96.3) | | AA-MMMU-Pro | 75.3% | N/A | ### Knowledge & Reasoning | Benchmark | Step 3.7 Flash | Notes | |---|---|---| | DeepSearchQA (F1) | 92.8% | +11pp over Step 3.5 Flash | | GDPVal-AA | 45.8% | vs GPT 5.5 & Claude Opus 4.7 at 63% | | Toolathlon | 49.5% | N/A | ### NVFP4 + Speculative Decoding Throughput | Concurrency | NVFP4 + MTP | NVFP4 (no MTP) | Speedup | |---|---|---|---| | 8 | 1,309 tok/s | 1,155 tok/s | 1.13× | | 32 | 4,391 tok/s | 3,480 tok/s | 1.26× | | 64 | **8,229 tok/s** | 5,667 tok/s | **1.45×** | *Benchmark data sourced from StepFun's official GitHub repository and model page. Some competitor scores are from StepFun's own evaluation runs. Verified Advisor Mode cost: $0.19/task (vs Claude Opus 4.6 at $1.76/task) per Flowtivity's independent testing.

상세 비교

## Head-to-Head Comparisons ### Step 3.7 Flash vs Claude Opus 4.6 | Dimension | Step 3.7 Flash | Claude Opus 4.6 | |---|---|---| | Input Price | $0.20/M | $5.00/M | | Output Price | $1.15/M | $25.00/M | | SWE-Bench PRO | 56.3 | 64.3 | | ClawEval-1.1 | 67.1 | 59.8 | | Context Window | 256K | 200K | | Open Weight | Yes (Apache 2.0) | No | **Verdict:** Claude Opus가 순수 코딩과 추론 깊이에서 앞섭니다. Step 3.7 Flash는 에이전트 신뢰성, 비용 효율성(입력 기준 25배 저렴), 배포 가능성에서 앞섭니다. 도구 오케스트레이션이 단일 턴 지능보다 중요한 프로덕션 에이전트 워크플로에서는 9분의 1 비용의 Step 3.7 Flash가 매력적입니다. ### Step 3.7 Flash vs DeepSeek V4 Flash | Dimension | Step 3.7 Flash | DeepSeek V4 Flash | |---|---|---| | Input Price | $0.20/M | $0.22/M | | Output Price | $1.15/M | $0.87/M | | SWE-Bench PRO | 56.3 | 55.6 | | ClawEval-1.1 | 67.1 | 43.6 | | Parameters (total) | 198B | 284B | | Context Window | 256K | 1M+ | | Vision | Native (1.8B ViT) | Separate model | **Verdict:** Step 3.7 Flash는 입력 비용이 더 낮고 전체 파라미터가 더 작지만, 에이전트 벤치마크에서 압도적으로 우수합니다(ClawEval 격차 23.5포인트). DeepSeek V4 Flash는 훨씬 더 큰 컨텍스트 창을 제공합니다. 에이전트 작업에는 Step 3.7 Flash가 더 강력한 선택입니다. ### Step 3.7 Flash vs Gemini 3.5 Flash | Dimension | Step 3.7 Flash | Gemini 3.5 Flash | |---|---|---| | Input Price | $0.20/M | $0.15/M | | Output Price | $1.15/M | $0.60/M | | SWE-Bench PRO | 56.3 | 55.1 | | ClawEval-1.1 | 67.1 | 57.8 | | Context Window | 256K | 1M | | Open Weight | Yes | No | **Verdict:** Gemini 3.5 Flash는 토큰당 비용이 더 저렴하고 4배 더 큰 컨텍스트 창을 제공합니다. Step 3.7 Flash는 SWE-Bench PRO(+1.2pp)와 ClawEval(+9.3pp) 모두에서 앞서며 완전히 오픈웨이트입니다. 자체 호스팅 능력을 갖춘 에이전트 신뢰성이 필요한 팀에는 Step 3.7 Flash가 더 낫고, 장문 컨텍스트 클라우드 네이티브 작업에는 Gemini가 더 좋을 수 있습니다.

커뮤니티 평가

Step 3.7 Flash에 대한 개발자 커뮤니티 반응은 벤치마크 성능보다는 실제 배포를 중심으로 특히 열성적이었습니다. X(구 Twitter)에서는 여러 사용자가 NVIDIA DGX Spark 데스크톱과 Mac Studio 기기에서 198B 모델을 구동하는 작동 배포 설정을 공유했고, 일반 책상 위 DGX Spark로 모델을 돌리며 상세한 llama.cpp 설정을 보여준 게시물이 널리 퍼졌습니다. Flowtivity 팀은 자사 에이전트 테스트 모음에서 도구 호출 성공률 100%를 보고했고 일상 드라이버를 MiniMax M2.7에서 Step 3.7 Flash로 교체했습니다. 그들은 ClawEval-1.1이 43.6(Step 3.5)에서 67.1(Step 3.7)로 오른 것을 '에이전트 역량의 세대적 도약'이라고 평했습니다. Hacker News의 커뮤니티 논의는 더 신중한 편인데, 일부 사용자는 StepFun의 이전 모델(Step 3.5 Flash)이 엇갈린 평가를 받았다며 자체 보고 벤치마크 수치에 대해 신중한 태도를 보였습니다. LavX News 분석은 StepFun 벤치마크 표의 경쟁 모델 점수 상당수가 표준화된 평가가 아닌 자체 재실행 결과라 잠재적 편향이 생길 수 있음을 지적했습니다. 에이전트 프레임워크를 통한 개발자 채택이 가속화되고 있습니다. Step 3.7 Flash는 OpenClaw, Hermes Agent, Kilo Code에서 명시적으로 지원되며, Aider와 Continue를 포함한 모든 OpenAI 호환 엔드포인트와 호환됩니다. 첫날부터 제공된 네 가지 양자화 포맷(BF16, FP8, NVFP4, GGUF)은 오픈웨이트 릴리스가 갖춰야 할 모범으로 널리 칭송받았습니다. Advisor Mode 개념은 큰 논의를 불러일으켰습니다. 작업당 $0.19 대 $1.76 비교가 자주 인용되지만, 일부 리뷰어(LavX News, WhyOps)는 복잡한 실제 파이프라인이 벤치마크 시나리오보다 더 많은 advisor 에스컬레이션을 유발해 9배 비용 우위를 깎아먹을 수 있다고 경고합니다.

활용 사례

### 1. 프로덕션 에이전트 코딩 파이프라인 Step 3.7 Flash는 다단계 코딩 에이전트의 실행자로 탁월합니다. ClawEval-1.1 점수 67.1은 긴 도구 호출 체인 전반에서 궤적 무결성을 유지하는 높은 신뢰성을 의미합니다. OpenClaw나 Kilo Code 같은 프레임워크와 함께 자동 버그 수정, 코드 리뷰, 저장소 단위 리팩터링에 사용하세요. Advisor Mode에서는 프런티어 모델(Claude Opus, GPT 5.5)과 짝을 이뤄 계획이나 실패 복구 전환점에서만 활성화함으로써 약 9분의 1 비용으로 프런티어 품질의 약 97%를 달성합니다. **대안보다 선택하는 경우:** 작업당 비용이 중요하고 에이전트가 작업당 수십 번의 순차 도구 호출을 수행할 때. ### 2. 멀티모달 문서 처리 및 시각적 QA 네이티브 1.8B 비전 인코더와 SimpleVQA(Search) 79.2점 1위 덕분에 Step 3.7 Flash는 조밀한 금융 보고서 파싱, 차트와 UI 와이어프레임에서 데이터 추출, 시각적 근거를 활용한 교차 출처 검증에 적합합니다. 스크린샷을 처리하고 누락된 데이터를 스스로 파악하며, 맥락을 검증하기 위해 조회를 실행할 수 있습니다. **대안보다 선택하는 경우:** 워크플로가 금융이나 법률 같이 문서 중심 산업의 검색 증강 추론과 이미지 이해를 섞어야 할 때. ### 3. NVFP4 기반 고처리량 배치 처리 대규모 에이전트 스웜을 운영하는 팀에게 NVFP4 양자화와 MTP speculative decoding은 GB200 하드웨어에서 동시성 64 기준 초당 최대 8,229토큰(비 MTP 대비 1.45배)을 제공합니다. 이 덕분에 Step 3.7 Flash는 수천 건의 동시 에이전트 작업 — 배치 코드 생성, 자동화된 테스트 파이프라인, 대용량 문서 분석 — 을 처리하기에 실용적입니다. 품질은 MTP 없는 NVFP4와 통계적으로 동등합니다(GPQA Diamond 77.81% 대 78.41%). **대안보다 선택하는 경우:** NVIDIA 하드웨어에서 최대 처리량이 필요하고 NVFP4 정밀도를 수용할 수 있을 때. ### 4. 자체 호스팅 기업용 에이전트 배포 Apache 2.0 오픈웨이트와 네 가지 양자화 덕분에 기업은 자체 인프라에 모델을 배포해 데이터를 외부로 내보내지 않고 에이전트를 운영할 수 있습니다. 128GB 이상 통합 메모리 기기(DGX Spark, Mac Studio)에서 BF16 또는 NVFP4로 구동되며, vLLM·SGLang·llama.cpp로 추론합니다. 규제 산업이나 독점 데이터를 다루는 조직에 적합합니다. **대안보다 선택하는 경우:** 데이터 주권과 완전한 배포 통제가 클라우드 API 의존보다 우선할 때.