阶跃星辰开源了 Step 3.7 Flash，Apache 2.0 协议，主打"agent 效率"——在真实工作流里又快又稳地把整条链路跑完。官方文档明确列出它能直接接入 Claude Code、Cline、Roo Code 等主流 agent 工具。这篇文章记录了一次完整的实测：把 Step 3.7 Flash 作为底模驱动 Claude Code，跑两个高复杂度的 agent 工作流，看它到底行不行。

Step 3.7 Flash 是什么

Step 3.7 Flash 是阶跃星辰 2025 年 5 月底发布并开源的 Flash 模型：

• 架构：稀疏 MoE（Mixture of Experts），体量不小但每次只激活最相关的一小队"专家"
• 速度：最高生成速度每秒 400 token，上下文 256K
• 协议：Apache 2.0，GitHub、HuggingFace、ModelScope 均可下载
• 定位：不是"最聪明"，而是"在 agent 任务里又快又稳"

在 SWE-Bench、ClawEval 等 agent 类基准上，它拿到的是同体量里相当能打的成绩。真正的卖点不是分数最高，是用更小的激活参数、更快的速度，把这个水平稳定交付出来。

接入 Claude Code 的方法

阶跃官方文档列出了它支持的工具列表：

配置步骤

1. 注册阶跃控制台，获取 API Key
2. 配置 Claude Code 路由：通过 CCR（模型路由）将 step-3.7-flash 接入 Claude Code
3. 配置启动命令：设置一个 stepfun 命令，启动 Step 3.7 Flash 驱动的 Claude Code
4. 处理联网搜索：换底模后 Claude Code 原生搜索不可用，需要改接 Tavily 的 MCP 工具

# 参考配置示意（具体参数以阶跃官方文档为准）
# 在 Claude Code 的模型配置中添加 step-3.7-flash 路由
# 具体接入方式参考阶跃官网的 harness 文档

提示：阶跃官网把每个工具（Claude Code、Cline 等）的接入方式都写了详细说明。如果不想自己配，可以试着把接入文档丢给任何一个国产电脑端 agent，让它帮你配。

实测结果

测试一：女娲（深度调研 + 人物 Skill 生成）

任务目标：蒸馏一个 AI 领域的投资视角 Skill。

执行过程：

1. 确认人选后，一口气开了 6 个子 agent 并行调研（著作、访谈、风格、批评、决策记录、最新动态）
2. 6 个 agent 中最慢的跑了 22 分钟，Step 3.7 Flash 全程管住并行状态，没有混淆结果
3. 所有 agent 回来后，主动停下来展示调研质量摘要，等待确认才继续
4. 提炼出 6 个核心思维模型、8 条决策启发式，一次性生成可运行的 Skill
5. 自己启动独立评审 agent 挑毛病，按评审意见补了触发词、事实核查等细节

测试二：达尔文 2.0（多评委 Skill 优化）

任务目标：用达尔文 2.0 优化一个脱口秀 Skill。

执行过程：

1. 建 git 分支，设计测试用例，跑一轮基线评分
2. 定位最弱维度后开始迭代：每轮都重新启动两个独立的全新评委 agent 盲评
3. 改完就 commit，涨分不够就回滚
4. 涨幅收窄后早停机制自动触发

成本参考

按阶跃控制台定价：

• 输入：每百万 token 1.35 元
• 输出：每百万 token 8.1 元

属于 Flash 级别的定价，适合高频调用的 agent 工作流。

结论

实测中 Step 3.7 Flash 展现出两个关键特质：

1. 该走的全程一步没省：不会因为任务复杂就跳过步骤，6 个并行 agent + 多轮评审都完整执行
2. 该停下来问的地方老老实实停住：该确认的不擅自做主，该汇报的主动汇报

它不是完美无瑕的——中间有少量编辑操作报错（更多是本地工具环境的问题），模型退回去换个方式重试就过了。但作为一个开源 Flash 模型，在复杂 agent 工作流中表现出和订阅版 Claude Code 类似的执行效果，已经超出了预期。

获取方式

• 阶跃官网：https://platform.stepfun.com/
• GitHub：搜索 Step-3.7-Flash
• HuggingFace：搜索 step-3.7-flash

如果你在用 Claude Code、Codex 这类工具，但对成本有顾虑，一个能接进现有工作流、开源、又能把整条链路稳稳跑完的模型，确实值得一试。