海外开发者社区的态度更为直观，Step 3.7 Flash 凭借速度和性价比刷屏。官方披露这款模型的运行速度超过400 tokens/s，但有开发者测出在极限条件下，模型甚至能跑到6000 tokens/s。更多人关注的是另一组指标：Step 3.7 Flash 以约1/9的任务成本，实现了Claude Opus 4.6 的97%。 效率导向的性能优势，让Step 3.7 Flash在企业服务市场拿下了“实用、利于规模化落地”的生态位，这是因为其恰好切中当下Agent商业规模化落地的效率瓶颈——在真实任务中跑不动，养不起。 这是横亘在Agent从榜单、PPT Demo进入真实商用场景无法回避的阻碍。大量企业客户发现，当模型面临复杂任务，需历经任务拆解规划、工具调用、结果校验、迭代修正的多轮执行链路，这会造成链路冗余、token无效损耗，而这导致的低效问题，已然成为制约Agent规模化商用落地的阻碍。 这也顺势明确了未来Agent的商业化分水岭：让Agent在真实业务场景中以更高性价比实现更快响应、更高任务准确率，是打通智能体商业化闭环的必经之路。 从年初OpenClaw、Hermes接连出圈，到OpenAI联合创始人、CEO萨姆·奥尔特曼（Sam Altman）昨晚直播直言：全天候主动式Agent是未来一年头号布局方向，智能体热潮已势不可挡。 效率层面，在Cursor社区，有开发者吐槽其智能体在执行顺序终端命令时，即便只需10毫秒即可完成的简单指令，相邻命令间仍存在约27秒冗余延迟，最终造成串行任务效率损耗高达99.95%。 密歇根大学、斯坦福大学、微软以及谷歌DeepMind等今年4月联合发布的研究进一步印证症结所在，智能体执行任务时需要反复灌入历史上下文，使得模型输入输出token消耗比例高达154:1。 上月初，有开发者提到其在用Claude Code进行代码重构时，尚未提出正式问题，仅上下文预加载就要耗费3.5万至4万个token，甚至仅3次提示调用便耗尽原本够用4小时的token额度。 落地到企业端，成本失控会更为突出，Uber称员工大规模使用AI编程工具后，4个月就烧掉了全年的AI预算；还有不具名的公司忘记设限，一个月在Claude上烧掉5亿美元。 这样的效率困局折射出，业内评判Agent价值的逻辑已经变了：基础模型底子好只是前提，放到Agent场景里，模型只靠答题、单项能力远远不够，高效、少冗余、省Token、低成本跑完整套任务，才是检验模型能不能适配智能体的硬指标。 一方面，通过提效减少Agent运行时无效等待带来的无用算力开销，让算力每一秒都能用于任务闭环；另一方面，提升模型单次执行任务的成功率，使得同等任务少消耗token、少耗时，拉高业务落地的性价比。 先来看下Step 3.7 Flash面对复杂编程任务的实力，智东西让其生成体感打砖块游戏。Step 3.7 Flash生成的游戏能自动触发摄像头，人脸移动和挡板移动同步，击碎砖块时有特效，结束时还会震动掉落，可能在挡板接住时略有延迟，但整体已经具备很高可玩性。 在模型底层基础能力拉满的前提下，Step 3.7 Flash在规模化落地能力上更进一步，这也对应了前文提到破解智能体低效困局的两大关键。 首先是速度，根据官方信息，Step 3.7 Flash最高生成速度可达400 tokens/s。开发者的实测显示，Step 3.7 Flash单流生成速度为DeepSeek-V4的2.4倍；64并发峰值吞吐达到DeepSeek-V4的3.47倍，高并发场景吞吐优势显著，并且他在极端条件下甚至实现了6000 tokens/s的传输速率。 智东西基于Step 3.7 Flash制作了一个番茄计时器，其最终生成的应用布局简洁、核心要素齐全，且这一应用生成仅花费1分钟左右一次成功。 与此同时，开发者实测证明，在个人电脑上Step 3.7 Flash的速度没有大幅缩减。Step 3.7 Flash的4bit量化版仅需128GB Apple Silicon设备便可满载32K上下文，在Mac Studio环境下基准测试生成速度超53 tokens/s。 其次是高性价比，Step 3.7 Flash综合推理、输入上下文、工具调用、Agent多轮交互等全场景后的综合单价为每百万token 0.2美元（约合人民币1.35元），与此前官宣永久降价的DeepSeek、小米MiMo持平，均位列榜单第一。 综合来看，Step 3.7 Flash在性能拉满的同时，从速度与成本双向突破，一方面凭借领先竞品的单流推理速度与高并发吞吐能力，精简任务循环损耗；另一方面显著压低个人与中小开发者的使用成本，进一步为智能体规模化落地扫清障碍。 当前AI行业正式进入商业化深度竞速阶段，模型在推理速率、综合性能与落地成本间实现均衡突破，成为模型规模化商用落地的核心评判标准。 因此，从Step 3.5 Flash到Step 3.7 Flash，阶跃星辰的模型迭代路径一脉相承，其围绕Agent、Coding、Search与多模态工作流进行系统优化，解决的核心都是让Agent在真实场景中高效运行。 这也得到全球开发者市场的真实数据验证。其两代模型发布仅两天，便纷纷在OpenRouter榜单上位居前列，Step 3.5 Flash登顶首位、Step 3.7 Flash登上OpenRouter Trending全球第二位。 开源团队Dirac基于OpenRouter数据统计了当下主流模型的缓存命中率，其中达到S级缓存命中率的模型，清一色都是国产模型。这意味着国产模型的实力正在强势赶超。 就在上个月，Step 3.5 Flash已完成车载场景的规模化落地，其为极氪8X上构建的整车智能体“超级Eva”量产交互，打通车辆感知、语义理解、指令执行全链路。 未来，随着企业级自动化、智能化需求持续爆发，轻量化、高效率、高性价比的Flash基座模型，或成为推动AI智能体产业规模化、商业化进阶的核心驱动力，加速智能体迈入高效落地、普惠商用的全新阶段。