本月 Gemini 3.5 模型的发布，Google 把「with action」放到了更靠前的位置。
本月 Gemini 3.5 模型的发布，Google 把「with action」放到了更靠前的位置。
首发的 Gemini-3.5-Flash 被放进 agents、coding 和 long-horizon tasks 的语境里，真实工作流中的速度、智能和成本平衡，开始成为同样重要的能力指标。
本周，阶跃星辰发布并开源了 Step 3.7 Flash。一家闭源模型、一家开源模型，完全不同的模型和商业策略，做出了相似的判断： Flash 模型正在从旗舰模型的轻量版，变成 Agent 时代的任务基座。
阶跃上一代的 flash 模型 Step 3.5 Flash 上线两天登顶 OpenRouter Trending 榜单，一个月拿下 OpenClaw 调用量全球第一。一个开源 Flash 模型能在全球开发者平台跑到如此高的调用量，说明市场正在用新的方式评价模型：单点能力峰值重要，长期调用中的速度、稳定性和成本同样重要。
原因很简单。Chatbot 的评价单位是一次回答，Agent 的评价单位是一条任务链路。当一个任务进入「观察、搜索、工具调用、执行、验证、修正」的循环，效率就会影响任务完成率，也会影响智能上限。
Agent 时代，效率就是智能的决定性因素。
Founder Park 正在 持续寻找值得被看见的 AI 团队与项目。
我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。
如果你正在做 AI 相关的事，欢迎和我们聊聊。
01
11B 参数只需要「知道怎么去知道」
Step 3.7 Flash 是阶跃 Step 系列的新一代 Flash 模型，总参数 196B+1.8B（ViT）、激活参数 11B，开源，支持本地部署，推理速度最高 400TPS，主打效率极致。专注四个方向：多模态理解、Agent 搜索、工具调用和代码生成。它延续了 Step 3.5 Flash「更快、更强、更稳」的核心特征，但进一步强调多能力协同，不追求任何单个维度的绝对峰值，而是围绕 Agent 任务链路做一体化设计，让模型在复杂流程中持续推进任务而不掉链子。
过去，行业习惯把模型的能力和效率分开讨论。能力在权重里，包括知识、推理、代码、多模态理解；效率在部署层，包括速度、吞吐、价格、延迟。
Agent 改变了这个划分形式。
Anthropic 在《Building Effective Agents》里把 Agent 定义为：由 LLM 动态决定流程和工具使用的系统，在执行中不断从工具调用结果和环境反馈中获得 ground truth，评估当前进展，再决定下一步。Agent 的任务不是「一次性给出答案」，而是「在循环中不断接近目标」。一个真实任务可能需要几十次视觉识别、十几次搜索验证、若干次代码执行和工具调用。模型越快，Agent 越能多观察一次；模型越省，Agent 越能多验证一次；模型越稳，Agent 越能把长任务跑完。
阶跃在 Step 3.7 Flash 上做了一个明确选择：减少把海量视觉常识和单步极致感知都压进 11B 激活参数权重里的冲动，在权重中保留核心推理引擎，也就是官方所说的 Essential Reasoning Loop，把一部分感知边界和世界知识外推到推理阶段，再用 Flash 的速度和 Test-time Agency 支撑多轮行动。
翻译成人话就是： 11B 参数的模型不需要「什么都知道」，它更需要「知道怎么去知道」。 看不清的图，可以裁切、放大、再读一次；拿不准的信息，可以搜索、交叉验证，再回到任务里继续推进。前提是这些动作足够快、足够便宜，否则 Agent 就只能押注第一眼判断。
这个方向也不只出现在阶跃身上。Cursor 训练自研模型 Composer 时，同样把模型能力放回具体工作流里理解。 Cursor 模型负责人 Federico Cassano 在红杉的访谈中提到 ，权重容量有限，Cursor 关心的是「在 Cursor 中做软件工程」这个具体任务，因此会把权重容量集中给这个工作流，其余能力通过推理时工具调用和环境反馈补齐。Composer 的 RL rollout 也发生在完整 Cursor agent session 中：模型调用工具、生成代码、接收反馈，再根据结果获得 reward，质量、速度、成本一起进入优化目标。
应用场景反向塑造模型的权重分配；Agent 场景同样在反向塑造 Flash 模型的能力组织方式。
共同趋势是： Agent 时代的模型效率，不只来自算得快，也来自能力在权重、工具、环境和推理循环之间的重新分配。
02
效率极致的含义，
是让 Agent 多做一步
Step 3.7 Flash 的多模态、Search、Tool Use、Code 四种能力，围绕同一件事展开：让 Agent 的循环跑得更快、更稳、更省。
柱状图中左一为 Step 3.7 Flash、左二为 Step 3.5 Flash（Multimodal 除外）
2.1 多模态不是单次看图，而是反复感知世界
传统多模态模型处理图片，常常是输入一张图，输出一段描述，然后结束。但真实世界的视觉任务远比这复杂。一张专业界面、一份复杂文档、一个需要逐步操作的软件环境，都很难靠一次判断解决。
Step 3.7 Flash 的做法是引入 Visual Python Tool：模型可以在推理中途自主对图像进行 crop、zoom 和 re-read，把视觉理解从单次判断变成多轮观察循环。按照阶跃给出的测试口径，在高难度视觉感知任务上，11B 激活的 Flash 模型已经达到接近甚至超过部分大参数旗舰模型的水平。
为什么这和「效率」直接相关？因为多轮观察意味着多次视觉推理调用。只有模型足够快、足够便宜，这种循环才在工程上可行。否则模型只能猜一次，很难反复确认、反复修正。
一个典型 demo 是驾驶舱场景：用户只需输入指令「如何起飞」，模型就会自动框选驾驶舱界面，识别大量专业仪表与状态信息后，输出一份完整的起飞操作说明。它完成的不是「描述画面」，而是「环境感知 → 状态理解 → 任务推理 → 操作指导」的闭环——输出的不是 caption，而是面向目标的 step-by-step 行动方案。 这本质上是 Agent 的核心能力：理解环境状态，并持续帮助用户在复杂系统中行动。 多模态的终点，不是看懂世界，而是帮助人类在复杂系统里行动。
另一个更接近企业场景的例子是发票批量识别：上传 12 张不同场景、不同格式、不同拍摄角度的手机发票，模型要识别金额、税额、商户、时间和消费场景，再整理成统一表格，导出 Excel 或 CSV。这类任务过去需要 OCR、规则工程和人工校对拼在一起，现在可以被压缩进一个端到端的 Agent workflow。
2.2 Search 从外挂工具变成思考的一部分
过去 AI 用搜索，常见方式是先生成一个答案，发现知识不够，再调用搜索补一下。到了 Agent 场景，搜索开始进入推理链路：一边想，一边查，一边验证，再继续想。
一个常见的场景是街景图片识别。模型看到画面中不认识的建筑 logo，传统做法只能依赖权重里的记忆去猜，猜不出就容易输出未知或幻觉。Step 3.7 Flash 的官方展示里，当模型判断自己的知识不足时，可以自主发起视觉搜索，用图片线索检索外部信息，确认公司和业务，再把验证后的信息带回推理链路。
这类能力的价值在于，模型减少对「脑子里的知识」的单独依赖，开始结合实时信息、外部数据和可验证来源，进行多轮循环。在阶跃的 Search-augmented VQA 口径下，Step 3.7 Flash 已经达到 Frontier 水平。更直白的理解是：搜索能力让 Flash 模型释放了一部分参数记忆压力，也让 Agent 在真实世界信息中获得校正。
Anthropic 在 Agent 工程文章中也强调过类似观点：Agent 需要不断从工具调用结果和环境反馈中获得 ground truth，评估当前进展。搜索在这里不只是找答案，更像是给判断增加真实世界锚点。
2.3 一段 prompt，一个可运行的应用
Code 是 Agent 执行复杂任务的通用方式。会写代码、运行代码、根据报错修复的模型，可以把许多复杂任务从「回答」推进到「自动化执行」。
开发者 yetone 有一段自然语言 prompt*，让模型生成一个功能完整的 macOS 语音输入法应用。Swift 实现，包含实时语音转录、LLM 纠错、浮窗波形动画、全局快捷键监听、多语言切换。实测下来，20min，Step 3.7 Flash 完成了端到端的交付。
地址：https://github.com/yetone/voice-input-src
03
Agent 进入生产，
真正难的是把模型组织起来
模型进入 Agent 场景后，面对的情况和 Chatbot 完全不同。
大多数现有模型是为 Chatbot 场景训练的，它们在结构上就不适配 Agent 的循环。
Chatbot 的工作方式是「接受问题，在有限 context 里推理，给出答案」。这种模式鼓励模型在单次回答里尽可能完整，模型的后训练目标，就是把一个问题回答好。但 Agent 需要的是另一种模式：接收来自环境的 observation，做一段短暂推理，选择下一步 action，执行，再从结果中获得新的 observation。这是持续的交错过程，而不是一次性的大推理。
第一个变化是 time horizon。OpenAI 在介绍 Codex agent loop 时强调，agentic coding 的进展越来越关乎更长时间跨度里的连贯性、端到端任务完成和失败恢复。长程能力不能只靠更大的上下文窗口解决，还需要按需获取上下文、压缩历史、管理任务状态。
长程 Agent 能力，不是靠更大的上下文窗口，而是靠更好的上下文管理，以及更适配 Agent 工况的训练目标。
第二个变化是推理要和环境反馈交错。Agent 不能只在脑内完成所有判断，它要在工具结果、文件系统、搜索结果、代码运行反馈中持续评估和调整。
这也引出好模型之外的另一个特质。LangChain CEO Harrison Chase 说，long-horizon agents 的出现，需要有两个条件：更好的模型，和更成熟的 harness/context engineering。好的 Harness 要处理工具调用、搜索集成、代码执行、上下文压缩、任务状态、结果验证和错误恢复。模型能力要进入这套系统，才能变成可交付的工作结果。
正因为 Harness 需要大量中间调用，Flash 才有独立价值。每次都依赖最强、最贵、最慢的模型，系统很难规模化。效率极致的 Flash 模型，正适合成为在 Agent loop 中被反复调用、低成本持续推进任务的执行型基座，这个位置，旗舰模型因为成本和延迟无法填补。
04
Flash 模型的新生态位，
是在循环中把任务做完
回到最初的问题：模型竞争到底在比什么？
Step 3.7 Flash 给出的答案是：从单次回答的聪明程度，转向 Agent loop 中的任务完成效率。
当能力从静态权重竞争转向推理时循环竞争，速度和成本就会从工程指标变成能力实现路径。效率极致的意义，也从把一次回答变快，转向让 Agent 在真实任务里多观察一次、多搜索一次、多验证一次、多恢复一次。
对创业者和应用团队来说，选择 Agent 基座模型不能只看榜单峰值，还要看三件事：一条任务链路能跑多少轮，失败后能不能恢复，成本能不能支撑长期调用。
这也是「多快好省」真正该落到的地方：多模态让模型进入复杂场景，快速让循环发生，好用意味着能完成任务，省成本决定它能不能被持续调用。
Agent 时代不会只奖励最大、最强的模型，也会奖励最适合被循环调用、反复验证、持续执行的模型。到这个意义上，效率不再只是智能的成本问题，它正在成为智能本身的一部分。
