Step 3.7 Flash.

Step 3.7 Flash

Step 3.7 Flash es un modelo de IA multimodal de alta eficiencia diseñado para aplicaciones agenticas del mundo real. Con una arquitectura de 196B parámetros y 11B parámetros activos, ofrece un rendimiento excepcional en codificación, razonamiento y comprensión visual manteniendo la velocidad y eficiencia de costos típica de los modelos Flash.

Aspectos Destacados

• Excelencia en Codificación Agéntica: Alcanza 56.3% en SWE-Bench Pro y 59.6% en Terminal-Bench 2.1, superando modelos Flash comparables de DeepSeek y Gemini mientras se aproxima a sistemas Pro de mayor escala.
• Comprensión Multimodal Nativa: Procesa y actúa sobre imágenes, documentos, gráficos y escenas naturales con uso integrado de herramientas para razonamiento visual completo.
• Capacidades Avanzadas de Búsqueda: Puntuación de 75.8% en BrowseComp y 47.2% en HLE con herramientas, permitiendo investigación profunda y síntesis de información multisource.
• Orquestación Confiable de Herramientas: Controla terminales, navegadores, herramientas Office y sistemas de búsqueda con mínima deriva y fallos en flujos de trabajo de largo alcance.
• Compatibilidad con Ecosistema de Agentes: Funciona perfectamente con Claude Code, KiloCode, Hermes Agent, OpenClaw y OpenCode con costos de integración reducidos.

Casos de Uso

• Desarrollo de Software: Agentes de codificación autónomos que escriben, depuran y despliegan código en entornos de desarrollo heterogéneos.
• Automatización Empresarial: Ejecución de tareas de largo alcance combinando procesamiento de documentos, análisis de datos y orquestación entre aplicaciones.
• Investigación y Análisis: Búsqueda profunda y síntesis a través de artículos académicos, documentación técnica y fuentes web en vivo.
• Interacción Visual-GUI: Automatización de teléfono y escritorio a través de percepción GUI, clics y verificación en múltiples aplicaciones.

Audiencia Objetivo

Step 3.7 Flash sirve a desarrolladores que construyen aplicaciones impulsadas por IA, equipos empresariales que automatizan flujos de trabajo complejos e investigadores que requieren razonamiento multimodal eficiente—ofreciendo rendimiento cercano a Pro con economía de nivel Flash.