toolin.ai logo
toolin.ai

Step 3.7 Flash を Claude Code に接続：実測ガイド

·Toolin 編集部

StepFun のオープンソース Flash モデルを Claude Code に接続する実測レポート。複雑な Agent ワークフローで、中国製モデルがクローズドソース基盤の代わりを果たせるかを検証

Step 3.7 Flash を Claude Code に接続：実測ガイド
Step 3.7 Flash とはClaude Code への接続方法設定手順実測結果テスト1：女媧（深い調査＋人物 Skill の生成）テスト2：ダーウィン 2.0（複数審査員による Skill 最適化）コスト参考結論入手方法
AIチュートリアル

StepFun（階躍星辰）は Step 3.7 Flash をオープンソース化しました。ライセンスは Apache 2.0 で、売りは「agent 効率」――実際のワークフローの中で、一連のチェーンを速く安定して完走することです。公式ドキュメントには、Claude Code、Cline、Roo Code などの主流 agent ツールに直接接続できると明記されています。この記事は1回の完全な実測の記録です。Step 3.7 Flash をベースモデルとして Claude Code を駆動し、複雑度の高い2つの agent ワークフローを走らせ、果たして通用するのかを確かめました。

Step 3.7 Flash とは

Step 3.7 Flash は StepFun が2025年5月末に発表しオープンソース化した Flash モデルです。

  • アーキテクチャ：スパース MoE（Mixture of Experts）。サイズは小さくないが、毎回最も関連性の高い一団の「エキスパート」だけを活性化
  • 速度：最大生成速度は毎秒400トークン、コンテキストは 256K
  • ライセンス：Apache 2.0。GitHub、HuggingFace、ModelScope のいずれでもダウンロード可能
  • ポジショニング：「最も賢い」ではなく、「agent タスクで速く安定している」

Step 3.7 Flash のベンチマーク比較

SWE-Bench、ClawEval などの agent 系ベンチマークでは、同サイズ帯の中でかなり戦える成績を収めています。本当の売りは最高得点ではなく、より小さい活性化パラメータとより速い速度で、この水準を安定的に届けられることです。

Claude Code への接続方法

StepFun の公式ドキュメントには、サポート対象のツールリストが掲載されています。

StepFun 公式ドキュメントのツールリスト

設定手順

  1. StepFun コンソールに登録し、API キーを取得
  2. Claude Code のルーティングを設定：CCR（モデルルーティング）経由で step-3.7-flash を Claude Code に接続
  3. 起動コマンドを設定：stepfun コマンドを設定し、Step 3.7 Flash 駆動の Claude Code を起動
  4. ウェブ検索に対応：ベースモデルを変えると Claude Code ネイティブの検索は使えなくなるため、Tavily の MCP ツールに切り替える必要がある
# 参考設定のイメージ（具体的なパラメータは StepFun 公式ドキュメントを参照）
# Claude Code のモデル設定に step-3.7-flash のルーティングを追加
# 具体的な接続方法は StepFun 公式サイトの harness ドキュメントを参照

ターミナルで step-3.7-flash を実行する Claude Code

ヒント：StepFun の公式サイトには、各ツール（Claude Code、Cline など）の接続方法が詳しく書かれています。自分で設定したくなければ、接続ドキュメントを任意の中国製デスクトップ agent に投げて、代わりに設定してもらうこともできます。

実測結果

テスト1：女媧（深い調査＋人物 Skill の生成）

タスクの目標：AI 分野の投資視点の Skill を蒸留すること。

実行プロセス：

  1. 対象を確定した後、一気に 6つのサブエージェントを並列で調査に投入（著作、インタビュー、スタイル、批判、意思決定の記録、最新動向）
  2. 6つの agent のうち最も遅いものは22分かかりましたが、Step 3.7 Flash は並列状態を最後まで制御し、結果を混線させなかった
  3. すべての agent が戻った後、自発的に停止して調査品質のサマリーを提示し、確認を待ってから続行
  4. 6つの核心的思考モデル、8つの意思決定ヒューリスティックを抽出し、実行可能な Skill を1回で生成
  5. 自分で独立したレビュー agent を起動して欠点を探させ、レビュー意見に従ってトリガーワードやファクトチェックなどの細部を補った

女媧の実行プロセス

テスト2：ダーウィン 2.0（複数審査員による Skill 最適化）

タスクの目標：ダーウィン 2.0 を使ってトークショー Skill を最適化すること。

実行プロセス：

  1. git ブランチを作成し、テストケースを設計し、ベースラインのスコアリングを1周実行
  2. 最弱の次元を特定してから反復開始：毎ラウンド、独立したまったく新しい審査員 agent を2つ再起動してブラインド評価
  3. 修正したらすぐ commit、スコアの上昇が足りなければロールバック
  4. 上昇幅が縮まると早期停止メカニズムが自動発火

ダーウィン2.0の実行プロセス

コスト参考

StepFun コンソールの価格に従うと：

  • 入力：100万トークンあたり 1.35 人民元
  • 出力：100万トークンあたり 8.1 人民元

Flash クラスの価格帯で、高頻度で呼び出す agent ワークフローに適しています。

結論

実測の中で、Step 3.7 Flash は2つの重要な特質を示しました。

  1. 通るべき工程を1歩も省かなかった：タスクが複雑だからといってステップを飛ばさず、6つの並列 agent＋複数回のレビューをすべて完全に実行
  2. 立ち止まって確認すべき場所では素直に止まった：確認すべきことは勝手に決めず、報告すべきことは自発的に報告

完璧というわけではありません――途中で少数の編集操作でエラーが出ましたが（どちらかと言えばローカルのツール環境の問題）、モデルは引き返して別の方法でリトライすれば通りました。しかし、オープンソースの Flash モデルとして、複雑な agent ワークフローでサブスクリプション版 Claude Code に類似する実行効果を示したのは、すでに期待を超えています。

入手方法

Claude Code や Codex といったツールを使っていて、コストが気になるなら、既存のワークフローに接続でき、オープンソースで、チェーン全体を安定して走り切れるモデルは、確かに試す価値があります。

すべての記事