本文通过实测，验证了国产开源模型阶跃 Step 3.7 Flash 在复杂 Agent 工作流中的稳定性和可靠性，认为其在「Agent 效率」上表现突出，可作为 Claude Code 等工具的平替基座。
📝 详细摘要
文章以 Anthropic 发布 Opus 4.8 并强调「Agent 效率」为引，引出对阶跃 Step 3.7 Flash 模型的实测。作者使用自研的「女娲」和「达尔文」两个复杂 Agent 工作流作为测试基准，将模型接入 Claude Code 进行真实任务测试。在「女娲」任务中，模型成功并行调度 6 个子 Agent 进行调研，并在关键检查点主动暂停等待确认，最终完成框架提炼和自评优化。在「达尔文 2.0」压力测试中，模型完整执行了多评委评分、迭代优化、自动回滚等复杂机制。作者认为，该模型在「不偷懒、不擅自做主」方面表现优异，其稀疏 MoE 架构使其在保持较快速度的同时，能稳定执行长链路任务。文章结论是，将复杂 Agent 工作流可靠跑完的能力正在从顶尖闭源模型扩散到开源模型，Step 3.7 Flash 是一个值得关注的国产开源选择。
💡 主要观点
- Step 3.7 Flash 在复杂 Agent 工作流中表现出色，能稳定执行长链路任务。 通过「女娲」和「达尔文」两个高要求的测试，模型成功完成了并行调度子 Agent、关键节点暂停确认、多轮迭代优化等复杂流程，证明了其在生产级环境中的可靠性。
💬 文章金句
- 到了生产级的环境里，「快速、高效地执行」正在变成新的胜负手。
- 真正的卖点不是分数最高，是用小得多的激活参数、更快的速度，把这个水平稳定地交付出来。
- 它要的不是某项分数最高，是既不偷懒、也不擅自做主。这跟「智商」关系不大，跟「靠谱」关系很大。
- 能把复杂 Agent 工作流可靠跑完的能力，正在从最顶尖的那几个闭源模型，扩散到开源模型上。
📊 文章信息
AI 初评：86
来源：花叔
作者：花叔
分类：人工智能
语言：中文
阅读时间：16 分钟
字数：3867
标签： 阶跃 Step 3.7 Flash, Agent 效率, Claude Code, 开源模型, 国产大模型