真实 Agent 任务里，Step 3.7 Flash 的综合表现如何

　　模型圈一直都很热闹，每月都有各种新的模型出来。

　　最近一个月，国产大模型不断推出新模型，Step 3.7 Flash、MiniMax M3、GLM-5.2、Kimi K2.7 Code几乎都是前后脚发布。

　　我仔细研究了一下这几个新的模型，它们的路子还有点不一样，Step 3.7 Flash主攻性价比和低延迟，MiniMax M3死磕超长上下文和Agentic Workflow，GLM-5.2走通用开源路线，Kimi K2.7 Code 则专门服务编程场景。

　　目前来看，模型发展有个趋势非常明显：大模型竞争已经不单是拼谁性能最好，推理能力最强，现在都在往Agent方向发力，在高频使用场景里，看谁家的模型好用、稳定，性价比更高。

　　以前我们在聊Flash模型，都觉得它是Pro版的廉价替代品，没有什么用。复杂的交给Pro，简单不重要的扔给Flash，Flash就是个省钱选项。

　　现在来看，情况有些不一样了。Flash模型已经不再是我们常说的备胎了，它已经是一个单独的品类，而且各个模型厂商都在推出这类模型。

　　目前我们可以简单地把模型分成二档。

　　第一种是Pro档。主打一个极限推理、复杂编程和长链条Agent任务，像Claude Opus 4.8和GPT-5.5就属于这类。它们在高难度评测集上得分都很高，但是它的价格也是很高，稍微搞一些高频任务，账单就有点受不了。

　　第二种可以叫Flash档，或者效率前沿。Step 3.7 Flash、DeepSeek V4 Flash、Gemini 3.5 Flash、Qwen3.6 Flash都在这个阵营，这类模型不追求单项能力很强，而是在高频、多轮、低延迟、大规模使用的的场景里，在速度、成本、上下文长度和稳定性之间找到一个平衡。

　　尤其是在 Agent 场景里，Flash 模型承担的角色越来越像执行层模型，它不一定是负责最极限的推理模型，但要负责大量实际任务的拆解、工具调用、代码生成、错误修复和结果整理。

　　所以判断一个 Flash 模型好不好，不能只看 benchmark 测评，也不能简单的看单次问答，而要看它在真实任务里是否稳定、少犯错误少返工、是否能把任务一次性跑完。

　　今天我们就先拿Step 3.7 Flash来试试，把它和其他几款Flash模型放在一起，用真实项目从代码生成效率、响应速度与成本、工具调用稳定性三个角度挨个跑一遍，看看到底谁更好用。

　　测试方法

　　我们这边使用Claude code 来测试，测试的模型比较多，我们可以安装cc switch，配置好各个模型厂商后可以一键切换，非常方便。

　　也可以通过修改json配置文件来切换模型 ~/.claude/settings.json，例如 Step 3.7 Flash 的配置

　　这里也提前说明一下，这篇不是特别严谨的 benchmark，更像是我自己拿几个真实任务跑了一圈，看看模型真实干活的时表现如何。

　　因为实际测试的时候，不同模型能用的工具链并不完全一样。Step 3.7 Flash、DeepSeek V4 Flash、Qwen3.6 Flash，我主要是在 Claude Code 里跑, Gemini 3.5 Flash，我这边只能放到 Google Antigravity 里面测试。

　　所以后面看到时间、Token、报错次数这些数据，大家不要直接理解成排行榜。我们不是要证明谁是第一，而是想看看，在真实 Agent 任务里，谁更稳定、少犯错、最后交出来的东西是一个能用的成品。

　　案例测试

　　案例一：从零搭建开发者日志站

　　这个案例我们主要对比下 Step 3.7 Flash 和 DeepSeek V4 Flash 这个两个模型

　　我直接把下面这段 prompt 丢给 Claude Code，两个模型各跑一次：

　　这个任务不算特别难，模型需要理解技术栈要求，搭 Next.js 项目结构，配置 Markdown 解析，写列表页和详情页，加标签筛选和语法高亮，还要生成 5 篇像样的示例日志。

　　中间任何一个步骤出错，就可能导致项目跑不起来、页面功能不完整，或者前端显示不太好

　　我们先来看下 deepseek-v4-flash的效果

　　页面上总体功能都符合需求，模型一轮就给出了结果，没有让我们多次提示，中间执行过程中，模型在编译的时候遇到了3次错误，都是自己修复，最后给出的是一个可用的网页成品。

　　再来看看 Step 3.7 Flash 的效果

　　这个页面同样是一轮生成，布局上采用了卡片式网格结构，每篇文章以标题、描述和标签组合展示，点击卡片进入详情页。相比DeepSeek V4 Flash偏列表化的信息陈列，Step 3.7 Flash生成的页面更强调视觉层级，导航栏固定了分类筛选，交互上更贴近成熟的博客系统，整体观感更加规整。

　　这两个网页，你们更喜欢那种风格，我是更加倾向 step-3.7-flash这种。

　　看完效果，我们来看下，时间，成本的消耗，我做了个对比图

　　从图中可以看出，两个模型的输入token基本上差不多，Step 3.7 Flash 的模型输出要多很多，难道是这个原因，导致效果要好一点吗，API消耗的时间也没有多大的差距，成本上deepseek确实更加便宜，从API定价来看，国内外 好像也没那个模型能够和deepseek比。

　　案例二：GitHub 项目雷达

　　我们来看看 Step 3.7 Flash 和 Gemini 3.5 Flash 对比表现如何

　　提示词如下：

　　我们先看下Gemini 3.5 Flash的效果，直接把提示词给到 google Antigravity

　　任务是一次性完成，虽然说中间有2个工具报错，都是模型自动修复，没有人工介入，最后给出了一个完整可运行的脚本和页面。

　　Gemini 这次任务完成度没有问题，但页面组织比较松散，信息密度和视觉层级不太友好。

　　我们在来看 Step 3.7 Flash 的效果，把相同的提示词给到claude code

　　任务页是一次性完成，中间没有发生任何错误，给出了一个完整可运行的脚本和页面。

　　页面采用了卡片式的布局，每个卡片清晰呈现项目名称、简短描述、编程语言、Star总数及本周增量。信息密度适中，视觉层次分明。稍显不足的是分类导航没有固定在顶部，需要滚动到对应区域才能看到其他分类。但整体排版、字体和间距控制都比较舒适，Step 3.7 Flash 更接近一个可交付的看板页面。

　　这轮任务中，Step 3.7 Flash 一共消耗 406.5k input tokens和18.7k output tokens，没有缓存命中。执行时间上，API 时间为 2 分 25 秒，完整Wall 时间为 4 分 45 秒。按 Step 3.7 Flash 官方价格估算，这次任务成本约0.7 元人民币。

　　Gemini 3.5 Flash 的消耗不好查看，没有记录可以查看的地方，时间消耗两边都差不多，在3分钟左右，这边只显示了额度被消耗了28%，无法查看token的一个具体消耗。

　　案例三：源码解读

　　写代码只是 Coding Agent 的一部分。

　　另外一个高频的场景是读代码，这个是我们经常遇到的事情，接手一个陌生项目、理解一个开源库、分析一个框架的核心链路，然后把它转成团队能读懂的文档。

　　所以第三个案例我选了一个源码解读，让它阶段源码，给出输出一个html的页面，这个源码解读，需要多轮工具调用，我们可以看看它们在多轮工具调用上的表现如何。

　　提示词如下

　　我们先来看下Qwen3.6 Flash的效果

　　在执行过程中，发生了多次工具调用失败的场景，不过Agent最后都做了修复，一次对话就完成了任务

　　总体来说效果还是可以的，按照我们给的需求完成了任务，对memo0这个记忆架构框架的源码总结也比较到位

　　再来看看 Step 3.7 Flash 的效果如何

　　在执行过程中，没有发生工具调用错误，一次性完成了所有任务，和Qwen3.6 Flash 相比，差异不是很大，就是左边多了一个导航菜单，可以直接点击快速定位到想看的目录。

　　看完效果，我们来看下，时间，成本的消耗，我简单做了个对比的表格，大家可以自己看下。

　　几轮测试后的横向对比

　　从这张表里可以看出，Flash 模型的成本不能只看单次 Token 单价。

　　DeepSeek V4 Flash 的单次 Token 成本确实更低，这一点很有优势。但放到 Agent 场景里，真正影响成本的还有另一个变量：失败后的重试成本。比如工具调用失败、代码错误反复修改、页面结构不符合预期、报告需要人工二次整理，这些都会变成隐性成本。

　　我们把Agent的成本拆成两部分来看：

　　总成本 = Token 成本 + 失败重试成本 + 人工介入成本。

　　从这几轮测试看，Step 3.7 Flash 不是单次调用最便宜的模型，但它的工具调用稳定性更好，返工更少，最终交付物完成度也更高。因此，如果任务是高频、多轮、需要持续调用工具的 Agent 执行场景，Step 3.7 Flash 的综合成本未必会更高，反而可能是更加省心的选择。

　　什么时候选 Step 3.7 Flash

　　经过上面的案例测试下来，大家对Step 3.7 Flash 应该有一个直观的感觉， 如果要我给Step 3.7 Flash给一个定位，我对它看法是：

　　它的价格确实比DeepSeek更贵一点，上下文比不过 DeepSeek 和 Gemini，但它的工具调用稳定性，接口响应速度，前端界面审美还是非常不错的。

　　它不是再某一个方面表现最强的模型，也没有明显的短板，它是在当前 Flash 模型档里，在速度、成本、稳定性这几个维度综合评估下来，在真实Agent执行层优先选择的模型之一。

　　适合选 Step 3.7 Flash 的场景：

　　·需要高频、多轮、低延迟的 Agent 任务

　　·生产级 coding-agent 工作流，对速度和稳定性都有要求

　　·需要多模态理解，比如截图转代码、图表转结论

　　·预算敏感，但又不想牺牲太多稳定性

　　Step 3.7 Flash 也有一个比较明显的短板，就是它的上下文只有256k。

　　如果要一次性处理大量代码库、长文档，或者需要把很多资料全部塞进上下文里，那这个窗口可能不太够。这种场景下，DeepSeek V4 Flash 会更合适。

　　模型没有绝对的最优解，还是要看场景。

　　最后总结

　　真实项目里，我们不只是追求模型回答得多聪明，而是希望它在一轮又一轮任务里，稳定、可控的执行任务，不要在哪里不停的犯错和返工。

　　我们做的案例只能给大家一个参考，真正适合你自己的模型，还是要放到你自己的项目里跑一遍。