Maison
Les lancements de Flash marquent l'avènement d'une révolution en matière d'efficacité des agents
Aujourd'hui marque la sortie officielle de Step3.7Flash. Ce modèle open source est spécialement conçu pour relever les principaux défis liés à l'ère des agents, notamment l'amélioration de l'efficacité, la garantie de la fiabilité et le renforcement des capacités de traitement multimodal. Il a rapidement suscité un vif intérêt au sein du secteur grâce à sa publication sous une licence de modèle à poids ouverts (Apache 2.0).

Des résultats de benchmark exceptionnels et de solides performances en conditions réelles
Step3.7Flash a affiché des performances exceptionnelles lors de divers tests d’évaluation critiques :
Première place au ClawEval-1.1 avec 67,1 points
Première place au test SimpleVQA Search avec 79,2 points
Deuxième place au SWE-PRO avec 56,3 points
Un score de 95,3 lors des évaluations V* Python
Ces résultats confirment son fort avantage concurrentiel dans des cas d’utilisation complexes tels que les tâches d’agent, la génération de code et les applications de recherche visuelle.
Paramètres optimisés : équilibre entre vitesse, coût et performances
Développé spécifiquement pour les workflows liés aux agents, au codage, à la recherche et aux applications multimodales, Step3.7Flash a réalisé des progrès significatifs en termes de vitesse et d'efficacité :
Vitesse de raisonnement: jusqu’à 400 TPS
Architecture: structure MoE clairsemée de 198 milliards de paramètres, comprenant environ 11 milliards de paramètres actifs
Longueur du contexte: prend en charge jusqu’à 256 000 caractères
Niveau de raisonnement: propose trois niveaux différents de profondeur de raisonnement
Tout en conservant des performances élevées, ce modèle réduit également les coûts réels de déploiement, ce qui en fait un choix efficace pour les développeurs.
Une compréhension multimodale associée à une exécution fiable, permettant véritablement de « voir et d’agir »
La caractéristique la plus remarquable de Step3.7Flash réside dans la robustesse de sa boucle perception-action. Il est capable d’interpréter des interfaces utilisateur, des graphiques, des documents et des images, puis de générer automatiquement du code ou d’invoquer des outils pour effectuer les actions nécessaires.
De plus, sa fonction de recherche visuelle Web+ améliorée permet d’accéder à un éventail plus large de sources d’informations et prend en charge des requêtes de suivi plus détaillées. La fiabilité des appels d’outils a également été considérablement améliorée, atteignant un taux de réussite supérieur à 98 % sur tous les niveaux de difficulté du τ²-bench, ce qui contribue à minimiser les problèmes tels que la dérive de la cible et les échecs d’appel d’outils.
Compatibilité avec les écosystèmes existants et déploiement local simplifié
Ce modèle fonctionne bien avec les frameworks d’agents courants, notamment Claude Code, KiloCode, Hermes Agent et OpenClaw, ainsi qu’avec les protocoles MCP. Il est également compatible avec du matériel local tel que le Mac Studio M4Max, le DGX Spark et l’AMD AI Max+395, ce qui facilite le déploiement local et l’utilisation dans des scénarios où la confidentialité des données est une priorité.
Commentaire d’AIbase
Article connexe
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Comment Recursive Intelligence a levé 335 millions de dollars en 4 mois, avec une valorisation de 4 milliards de dollars
Les cofondatrices de la start-up Ricursive Intelligence semblaient destinées à devenir cofondatrices.Anna Goldie, PDG, et Azalia Mirhoseini, directrice technique, sont si connues dans le milieu de l’I
La course à l'IA n'attendra pas, tout comme cette réduction de 25 % sur le TechCrunch Disrupt
Tous les fondateurs qui se lancent actuellement dans l’IA se posent la même question : avançons-nous assez vite et de manière suffisamment efficace ? TechCrunch Disrupt 2026 vous permet de côtoyer les
Recommandations de sujets spéciaux liés
commentaires (0)
Aujourd'hui marque la sortie officielle de Step3.7Flash. Ce modèle open source est spécialement conçu pour relever les principaux défis liés à l'ère des agents, notamment l'amélioration de l'efficacité, la garantie de la fiabilité et le renforcement des capacités de traitement multimodal. Il a rapidement suscité un vif intérêt au sein du secteur grâce à sa publication sous une licence de modèle à poids ouverts (Apache 2.0).

Des résultats de benchmark exceptionnels et de solides performances en conditions réelles
Step3.7Flash a affiché des performances exceptionnelles lors de divers tests d’évaluation critiques :
Première place au ClawEval-1.1 avec 67,1 points
Première place au test SimpleVQA Search avec 79,2 points
Deuxième place au SWE-PRO avec 56,3 points
Un score de 95,3 lors des évaluations V* Python
Ces résultats confirment son fort avantage concurrentiel dans des cas d’utilisation complexes tels que les tâches d’agent, la génération de code et les applications de recherche visuelle.
Paramètres optimisés : équilibre entre vitesse, coût et performances
Développé spécifiquement pour les workflows liés aux agents, au codage, à la recherche et aux applications multimodales, Step3.7Flash a réalisé des progrès significatifs en termes de vitesse et d'efficacité :
Vitesse de raisonnement: jusqu’à 400 TPS
Architecture: structure MoE clairsemée de 198 milliards de paramètres, comprenant environ 11 milliards de paramètres actifs
Longueur du contexte: prend en charge jusqu’à 256 000 caractères
Niveau de raisonnement: propose trois niveaux différents de profondeur de raisonnement
Tout en conservant des performances élevées, ce modèle réduit également les coûts réels de déploiement, ce qui en fait un choix efficace pour les développeurs.
Une compréhension multimodale associée à une exécution fiable, permettant véritablement de « voir et d’agir »
La caractéristique la plus remarquable de Step3.7Flash réside dans la robustesse de sa boucle perception-action. Il est capable d’interpréter des interfaces utilisateur, des graphiques, des documents et des images, puis de générer automatiquement du code ou d’invoquer des outils pour effectuer les actions nécessaires.
De plus, sa fonction de recherche visuelle Web+ améliorée permet d’accéder à un éventail plus large de sources d’informations et prend en charge des requêtes de suivi plus détaillées. La fiabilité des appels d’outils a également été considérablement améliorée, atteignant un taux de réussite supérieur à 98 % sur tous les niveaux de difficulté du τ²-bench, ce qui contribue à minimiser les problèmes tels que la dérive de la cible et les échecs d’appel d’outils.
Compatibilité avec les écosystèmes existants et déploiement local simplifié
Ce modèle fonctionne bien avec les frameworks d’agents courants, notamment Claude Code, KiloCode, Hermes Agent et OpenClaw, ainsi qu’avec les protocoles MCP. Il est également compatible avec du matériel local tel que le Mac Studio M4Max, le DGX Spark et l’AMD AI Max+395, ce qui facilite le déploiement local et l’utilisation dans des scénarios où la confidentialité des données est une priorité.
Commentaire d’AIbase
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Comment Recursive Intelligence a levé 335 millions de dollars en 4 mois, avec une valorisation de 4 milliards de dollars
Les cofondatrices de la start-up Ricursive Intelligence semblaient destinées à devenir cofondatrices.Anna Goldie, PDG, et Azalia Mirhoseini, directrice technique, sont si connues dans le milieu de l’I
La course à l'IA n'attendra pas, tout comme cette réduction de 25 % sur le TechCrunch Disrupt
Tous les fondateurs qui se lancent actuellement dans l’IA se posent la même question : avançons-nous assez vite et de manière suffisamment efficace ? TechCrunch Disrupt 2026 vous permet de côtoyer les











