StepFun Step 3.7 Flash verbindet 198B Gesamtparameter mit etwa 11B aktiven Parametern pro Token. Das Kontextfenster fasst 256K Tokens. Bild- und Videoeingaben werden nativ verarbeitet. Tool-Calling und drei Reasoning-Stufen richten das Modell auf Agenten- und Coding-Workflows aus. Seine Speicheranforderungen machen den lokalen Betrieb auf normalen Macs unpraktisch.
Für normale Macs ist das Modell kein realistischer lokaler Kandidat. Konfigurationen mit 8 bis 32 GB Unified Memory reichen dafür nicht sinnvoll aus. Die aktuelle Model Card nennt 120 GB Unified Memory/VRAM als Mindestgröße und 128 GB als Empfehlung. Die meisten Mac-Nutzer werden StepFun Step 3.7 Flash deshalb per API oder Cloud verwenden; lokale Inferenz gehört in die Workstation-Klasse.
Was ist StepFun Step 3.7 Flash?
Step 3.7 Flash ist StepFuns multimodales Flash-Modell für produktive Agenten-Workflows. Ein Vision-Encoder ergänzt den großen MoE-Sprachkern. Das Modell soll über viele Schritte planen und Tools einsetzen. Es kann Dateien oder Code bearbeiten und dabei visuelle Informationen verarbeiten.
Das Modell richtet sich damit weniger an klassische Chatbot-Nutzung und mehr an Workflows wie:
- Coding-Agenten
- Terminal- und Browser-Agenten
- mehrstufige Tool-Ketten
- Analyse langer Dokumente
- UI-, Screenshot- und Diagrammverständnis
- Recherche mit Zwischenprüfungen
- strukturierte Extraktion aus großen Dateien
- Agenten, die über längere Aufgabenketten stabil bleiben müssen
Der praktische Punkt: Step 3.7 Flash ist offen verfügbar, aber nicht klein. Mit einem einfachen ollama run auf einem normalen MacBook lässt sich das Modell nicht sinnvoll lokal nutzen.
Die wichtigsten Fakten zu Step 3.7 Flash
| Eigenschaft | StepFun Step 3.7 Flash |
|---|---|
| Modellname | Step 3.7 Flash |
| API-Modellname | step-3.7-flash |
| Architektur | Sparse Mixture-of-Experts |
| Gesamtparameter | 198B |
| Aktive Parameter | ca. 11B pro Token |
| Kontextfenster | 256K Tokens |
| Eingabe | Text, Bild, Video |
| Ausgabe | Text |
| Reasoning-Stufen | low, medium, high |
| Tool-Calling | ja |
| API-Format | OpenAI-kompatible Chat Completions |
| Lizenz | Apache 2.0 |
| Normale Mac-Eignung | nein |
| Offizielle lokale Speicherangabe | mindestens 120 GB Unified Memory/VRAM; 128 GB empfohlen |
Warum 198B MoE nicht wie ein normales 11B-Modell ist
MoE steht für Mixture of Experts. Vereinfacht gesagt besitzt das Modell viele Expertenblöcke, von denen pro Token nur ein Teil aktiv wird. Deshalb kann Step 3.7 Flash insgesamt 198B Parameter haben, aber pro Token nur ungefähr 11B Parameter aktivieren.
Das macht das Modell effizienter als ein dichtes 198B-Modell. Ein echtes 11B-Modell ist es trotzdem nicht. Die vollständigen Gewichte müssen gespeichert und von der Runtime geladen werden. Zusätzlichen Speicher brauchen KV-Cache und Kontextfenster. Bei multimodaler Nutzung kommt der Vision-Teil hinzu; Betriebssystem und Quantisierung erzeugen weiteren Overhead.
Für Mac-Nutzer ist diese Unterscheidung wichtig:
- 11B aktiv heißt nicht: läuft wie ein normales 11B-Modell.
- 198B Gesamtparameter heißt: Speicherbedarf bleibt riesig.
- 256K Kontext heißt: KV-Cache und Speicherbedarf können stark wachsen.
- MoE effizient heißt nicht: automatisch MacBook-tauglich.
Läuft Step 3.7 Flash lokal auf einem Mac?
Ja, aber nicht auf einem üblichen MacBook. Die offiziellen GGUF-Dateien zeigen den Engpass: 198 Milliarden Gesamtparameter bleiben speicherintensiv, auch wenn pro Token nur etwa 11 Milliarden aktiv sind. Die Quantisierung beeinflusst die Qualität und die Größe, nicht den Grundsatz.
| GGUF-Datei / Komponente | Größe laut Modellkarte |
|---|---|
| BF16-Gewichte | ca. 394 GB |
| Q8_0 | ca. 209 GB |
| Q4_K_S | ca. 112 GB |
| IQ4_XS | ca. 105 GB |
| Q3_K_M | ca. 94 GB |
| IQ3_XXS | ca. 76 GB |
Vision-Projektor mmproj (zusätzlich bei Bildaufgaben) | ca. 4 GB |
Das sind Dateigrößen, nicht gemessene Peak-RAM-Werte. Laufzeitpuffer, Quantisierungsmetadaten, Kontextlänge, KV-Cache und macOS belegen zusätzlichen Speicher. StepFun dokumentiert grob 7 GB Laufzeit-Overhead sowie 120 GB als Mindestklasse und 128 GB als empfohlene Unified-Memory-Konfiguration für den beschriebenen lokalen Betrieb. Es ist keine Garantie für 256K Kontext, parallele Tools oder Vision-Eingaben bei jeder Quantisierung. Offizielles README.
Mac-Einordnung: 8–64 GB: für vollständig im RAM gehaltene offizielle GGUF-Varianten nicht ausreichend; Disk-Offload ist hier kein praxistauglicher Ersatz. 96 GB: nur aggressiv quantisierte Experimente mit begrenztem Kontext und knapper Reserve. 128 GB oder mehr: sinnvoller Ausgangspunkt für Q4-nahe Varianten, dennoch mit Tests für die gewählte Kontextlänge. Das Beispiel mit llama.cpp erfordert laut StepFun einen speziellen Step-3.7-Branch; ein beliebiger Ollama-Befehl auf einer älteren Runtime beweist keine Unterstützung. llama.cpp-Anleitung des Herstellers.
API-Zugang, Preise und deutsches Billing
Mit der Primärquelle am 10. Oktober 2026 überprüft. StepFun unterscheidet die globale API unter https://api.stepfun.ai/v1 von der China-Plattform unter https://api.stepfun.com/v1. Ein API-Key gilt nicht automatisch für beide Umgebungen. Die offizielle Modellkarte nennt weiterhin folgende USD-Listenpreise pro Million Tokens für die globale StepFun-API:
| Token-Abrechnung | Preis |
|---|---|
| Ungecachter Input (Cache Miss) | 0,20 USD |
| Gecachter Input (Cache Hit) | 0,04 USD |
| Generierter Output | 1,15 USD |
Rechenbeispiel für einen Agenten: 2 Mio. ungecachte Input-Tokens, 10 Mio. erfolgreiche Cache-Reads und 1 Mio. Output-Tokens kosten 2 × 0,20 + 10 × 0,04 + 1 × 1,15 = 1,95 USD. Ohne wiederverwendbaren Cache würden dieselben 12 Mio. Input-Tokens zusammen mit dem Output 3,55 USD kosten. Das ist ein Vergleich von Tokengebühren, keine garantierte Cache-Trefferquote. Fehlversuche, Re-tries, Reasoning-Tokens, Tools und Providergebühren können die tatsächliche Rechnung erhöhen.
OpenRouter ist nicht dieselbe Rechnung: stepfun/step-3.7-flash ist ein Router-Slug. Der OpenRouter-Providervergleich zeigt unterschiedliche Upstreams und teils 0,16/0,92 USD statt 0,20/1,15 USD für Input/Output. Maßgeblich sind das tatsächlich gewählte Routing, Cache-Raten und Checkout. Die Preise sind zeitabhängig und kein Anspruch auf einen bestimmten günstigen Provider.
Für Deutschland: USD-API-Listenpreise sind keine deutschen Euro-Bruttoendpreise. Je nach Rechnungspartner, Umsatzsteuer und Zahlungsabwicklung ist der Endbetrag anders. Weder ein deutscher Prompt noch ein deutscher Rechnungssitz bedeutet automatisch EU-only-Inferenz. Vor Upload von Kundencode oder personenbezogenen Daten: Endpunkt, Unterauftragsverarbeiter, Logging, Aufbewahrung und Drittlandtransfers prüfen. StepFun Global.
API-Beispiel auf dem Mac
StepFun nutzt ein OpenAI-kompatibles Chat-Completions-Format. Auf dem Mac kannst du deshalb mit dem OpenAI-Python-Client arbeiten, aber mit StepFuns Base URL und Modellnamen.
from openai import OpenAI
import os
client = OpenAI(
api_key=os.environ["STEP_API_KEY"],
base_url=os.environ.get("STEP_BASE_URL", "https://api.stepfun.ai/v1"),
)
completion = client.chat.completions.create(
model="step-3.7-flash",
messages=[
{
"role": "system",
"content": "You are a precise assistant for Mac AI workflows."
},
{
"role": "user",
"content": "Explain why Step 3.7 Flash is difficult to run locally on a normal Mac."
}
],
reasoning_effort="medium",
)
print(completion.choices[0].message.content)API-Keys gehören weder in Frontend-Code noch in öffentliche Repositories oder statische Astro-Seiten. Bewahre sie in einer Umgebungsvariable oder im Secret-Store deines Backends auf.
Reasoning-Level und Auswahl
Step 3.7 Flash unterstützt drei Reasoning-Stufen:
| Stufe | Sinnvoll für |
|---|---|
low | einfache Fragen, Zusammenfassungen, Umschreiben, Extraktion |
medium | Standard für normale mehrstufige Aufgaben |
high | schwieriges Coding, Planung, Mathematik, tiefere Analyse |
Für Alltagsfragen ist high meist unnötig. Starte mit medium. Wechsle nur bei schwierigen Agentenläufen oder komplexer Codeanalyse auf high; für einfache Extraktionen reicht low.
Coding, Agenten und Tool-Calling
Step 3.7 Flash ist für mehr als Chat ausgelegt. StepFun positioniert es für Agenten-Frameworks und Tool-Nutzung in produktiven Workflows. Dazu gehören:
- Terminal-Aufgaben
- Browser-Workflows
- Dateioperationen
- Office-ähnliche Workflows
- Search- und Verification-Schleifen
- Code-Änderungen über mehrere Dateien
- Tool-Calling mit
toolsundtool_choice
Das Modell ersetzt keine lokalen Tools wie Ollama oder LM Studio. Als Cloud-Ergänzung wird es interessant, wenn ein lokales Modell am Kontextfenster scheitert oder Tools unzuverlässig aufruft. Auch komplexe Planungsaufgaben können den API-Einsatz rechtfertigen.
Multimodalität mit Bild und Video
Step 3.7 Flash unterstützt native Bild- und Videoverarbeitung. Das ist wichtig für Aufgaben wie:
- Screenshots analysieren
- UI-Wireframes in Code übersetzen
- Diagramme beschreiben
- Tabellen aus Bildern strukturieren
- visuelle Fehler in Apps erkennen
- Video- oder Frame-Kontext in Agenten-Workflows nutzen
Multimodalität garantiert nicht, dass jede komplexe PDF-Seite oder jedes kleine UI-Detail korrekt erkannt wird. Schneide Bilder auf den relevanten Bereich zu und liefere gut lesbare Screenshots. Der Prompt muss die Aufgabe trotzdem präzise beschreiben.
Benchmarks richtig lesen
StepFun veröffentlicht starke Benchmark-Signale für agentisches Coding und multimodale Aufgaben. Dazu gehören unter anderem:
| Bereich | Benchmark | Step 3.7 Flash |
|---|---|---|
| Agentic Coding | SWE-Bench Pro | 56.3 |
| Terminal/Agent | Terminal-Bench 2.1 | 59.5 |
| Tool-Use | Toolathlon | 49.5 |
| Agentenrobustheit | ClawEval-1.1 | 67.1 |
| Multimodal | SimpleVQA with Tool | 79.2 |
| Multimodal | V* with Python | 95.3 |
Diese Werte garantieren nichts für deine Website oder dein Repository. Harness und Tooling beeinflussen das Ergebnis ebenso wie der Prompt. Weitere Unterschiede entstehen durch Modellversion oder Reasoning-Level; auch Kontextlänge und Temperatur sowie die Auswertung spielen eine Rolle.
Für die Mac-Einordnung zählt deshalb die Grenze zwischen Herstellerwerten und eigener Nutzung:
Step 3.7 Flash ist für agentische Coding-Workflows mit multimodalen Tools ausgelegt; eigene Praxistests bleiben nötig.
Step 3.7 Flash vs lokale Mac-Modelle
Step 3.7 Flash und lokale Mac-Modelle lösen unterschiedliche Probleme.
| Kriterium | Step 3.7 Flash | Lokale Mac-Modelle |
|---|---|---|
| Datenschutz | Daten gehen bei API-Nutzung in die Cloud | kann vollständig lokal bleiben |
| Kontext | 256K Tokens | abhängig von Modell, RAM und Runtime |
| Modellgröße | 198B MoE | meist 3B bis 32B auf normalen Macs |
| Kosten | API-Kosten oder teure Hardware | keine Tokenkosten, aber Hardware/Zeit |
| Offline-Nutzung | nur bei lokalem High-Memory-Setup | ja |
| Agentenleistung | starkes Zielgebiet | je nach Modell begrenzt |
| Setup-Aufwand | API einfach, lokal schwer | kleine Modelle einfach |
| Normale Mac-Eignung | API ja, lokal nein | ja |
Vertrauliche Dateien und private Notizen bleiben besser in einem lokalen Modell; dasselbe gilt für Offline-Arbeit. Step 3.7 Flash ergänzt diesen Workflow bei großen Agentenläufen oder langen Kontexten. Komplexe Tool-Ketten und multimodale Aufgaben sind weitere sinnvolle API-Fälle.
Praxistest: Modellqualität mit 10 überprüfbaren Aufgaben vergleichen
Mehr Parameter beweisen keine bessere Coding-Leistung. Step 3.7 Flash gegen das bereits vorhandene lokale Mac-Modell testen, mit denselben Aufgaben und Tool-Definitionen. Niemals private Repository-Secrets in den Cloud-Prompt kopieren.
- Drei Bugfixes mit automatisierten Tests, drei strukturierte Extraktionen, zwei UI-Screenshot-Aufgaben und zwei mehrstufige Tool-Workflows auswählen.
- Prompts, Tool-Schemata und Eingabedateien konstant halten.
reasoning_effort, Modell-/Provider-ID, Kontextfenster und Temperatur protokollieren. Unterschiedliche OpenRouter-Upstreams verfälschen Vergleiche. - An bestandenen Tests, korrektem JSON, prüfbaren Diffs und verifizierten Quellen bewerten, nicht an selbstbewusstem Schreibstil. Fehlgeschlagene Tool-Aufrufe und Re-tries zählen.
- Gesamtdauer, abgerechnete Input-/Cache-/Output-Tokens, Re-tries und Kosten je erfolgreicher Aufgabe festhalten. Ein niedriger Tokenpreis bedeutet nicht automatisch geringe Gesamtkosten.
Dies ist ein redaktioneller Testplan, kein auf ai-on-mac.com durchgeführter Benchmark. StepFuns SWE-Bench Pro (56,3) und ClawEval-1.1 (67,1) sind Herstellerangaben und keine Mac-Leistungsmessungen. Offizielles Release.
| Hardware und Aufgabe | Zunächst sinnvoll |
|---|---|
| 8–64 GB, normale Coding-/Chat-Aufgaben | Kleineres lokales Modell über Ollama, LM Studio oder MLX |
| Große Cloud-Coding-Aufgabe mit vielen Tools | Globale StepFun-API gegen lokalen Vergleichskandidaten testen |
| Privat und offline | Lokales Modell passend zum Unified Memory |
| Mindestens 128 GB, experimenteller Betrieb | Offizieller StepFun-Metal-llama.cpp-Branch mit eigener RAM-Messung |
Der Speicherbedarf folgt den Gesamtgewichten, nicht „11B aktiv“. Das kleinste veröffentlichte GGUF hat 76 GB, Q4_K_S 112 GB. Der Hersteller empfiehlt 128 GB Unified Memory mit ungefähr 7 GB Runtime-Overhead. Mit 96 GB sind allenfalls stark quantisierte Kurzkontext-Experimente denkbar, keine garantierte brauchbare Konfiguration. GGUF-Repository. Die offizielle llama.cpp-Anleitung nutzt einen StepFun-spezifischen step3.7-Branch: Generische Ollama-Snippets bei Hugging Face beweisen keine Kompatibilität jeder installierten Version.
Für Kundendaten Logging, Aufbewahrung und Verarbeitungsregion beim tatsächlich gewählten Anbieter prüfen. Deutsches Billing beweist keine EU-only-Inferenz.
Wann ein anderes Modell besser passt
Wenn das vorhandene lokale Modell die Tests besteht, Offline-Betrieb oder strenge Vertraulichkeit erforderlich sind oder der Speicher für ein 198B-MoE fehlt, ist ein kleineres Modell sinnvoller. Ein beworbenes 256K-Fenster belegt nicht, dass jede Agent-Runtime so lange Eingaben zuverlässig übermittelt und verarbeitet.
FAQ
Läuft Step 3.7 Flash auf einem MacBook Air?
Nicht sinnvoll lokal. Für normale MacBook-Air-Konfigurationen ist das Modell viel zu groß. Nutze stattdessen kleinere lokale Modelle oder die API.
Reichen 32 GB Unified Memory?
Für lokale Nutzung praktisch nein. 32 GB reichen für viele Modelle zwischen 7B und 14B sowie teilweise für 27B-Varianten, aber nicht für ein 198B-MoE-Modell dieser Klasse.
Warum sind 11B aktive Parameter nicht genug für normale Macs?
Weil die Gesamtgewichte trotzdem riesig sind. MoE aktiviert nur einen Teil pro Token. Dennoch müssen die Gewichte samt Quantisierungsdaten in den Speicher passen; KV-Cache und Runtime brauchen zusätzlich Platz.
Ist Step 3.7 Flash Open Source?
Präziser: Step 3.7 Flash ist ein Open-Weight-Modell unter Apache 2.0. Die Gewichte sind offen verfügbar, aber das Modell ist wegen seiner Größe trotzdem kein einfaches lokales Mac-Modell.
Was kostet die API?
Offiziell nennt StepFun $0.04 pro 1M Input Tokens bei Cache Hit, $0.20 pro 1M Input Tokens bei Cache Miss und $1.15 pro 1M Output Tokens.
Ist Step 3.7 Flash besser als lokale Qwen-, Gemma- oder Llama-Modelle?
Nicht pauschal. Step 3.7 Flash ist größer und stärker auf agentische Tool-Nutzung sowie Multimodalität ausgerichtet. Lokale Modelle halten Daten dagegen auf dem Gerät. Sie verursachen keine Tokenkosten und passen deutlich besser zu normalen Macs.
Fazit: Großes MoE für Agenten via API statt lokal
StepFun Step 3.7 Flash ist ein großes offenes MoE-Modell für agentische Coding-Workflows und multimodale Tools. Normale Macs sind dafür lokal nicht die Zielhardware.
Entscheidend sind 198B Gesamtparameter bei etwa 11B aktiven Parametern pro Token. Das Modell verbindet 256K Kontext mit wählbarem Reasoning und Tool-Calling; per API ist es direkt verfügbar. Lokale Experimente setzen dagegen sehr viel Unified Memory voraus.
Für den Mac gilt: Private Offline-Arbeit bleibt lokal. Step 3.7 Flash übernimmt große Agenten- und Cloud-Workflows; lokale Experimente lohnen erst mit sehr viel Unified Memory.
Wie sich 198B MoE und API-Kosten einordnen, zeigen der Unified-Memory-Guide und der DeepSeek-V4.1-Flash-Guide.
Quellen und Stand
Am 10. Oktober 2026 mit StepFuns Modell-Dokumentation, GGUF-Dateien und Referenz-Implementierung abgeglichen. Für diese Revision wurden keine Mac-Leistungsbenchmarks oder kostenpflichtigen API-Aufrufe durchgeführt.
Häufig gestellte Fragen
Läuft Step 3.7 Flash auf einem MacBook Air?
Nicht sinnvoll lokal. Für normale MacBook-Air-Konfigurationen ist das Modell viel zu groß. Nutze stattdessen kleinere lokale Modelle oder die API.
Reichen 32 GB Unified Memory?
Für lokale Nutzung praktisch nein. 32 GB reichen für viele Modelle zwischen 7B und 14B sowie teilweise für 27B-Varianten, aber nicht für ein 198B-MoE-Modell dieser Klasse.
Warum sind 11B aktive Parameter nicht genug für normale Macs?
Weil die Gesamtgewichte trotzdem riesig sind. MoE aktiviert nur einen Teil pro Token. Dennoch müssen die Gewichte samt Quantisierungsdaten in den Speicher passen; KV-Cache und Runtime brauchen zusätzlich Platz.
Ist Step 3.7 Flash Open Source?
Präziser: Step 3.7 Flash ist ein Open-Weight-Modell unter Apache 2.0. Die Gewichte sind offen verfügbar, aber das Modell ist wegen seiner Größe trotzdem kein einfaches lokales Mac-Modell.
Was kostet die API?
Am 10. Oktober 2026 nennt die globale StepFun-API 0,20 USD je Million ungecachter Input-Tokens, 0,04 USD je Million Cache-Reads und 1,15 USD je Million Output-Tokens. OpenRouter hat gesonderte Providerpreise.
Ist Step 3.7 Flash besser als lokale Qwen-, Gemma- oder Llama-Modelle?
Nicht pauschal. Step 3.7 Flash ist größer und stärker auf agentische Tool-Nutzung sowie Multimodalität ausgerichtet. Lokale Modelle halten Daten dagegen auf dem Gerät. Sie verursachen keine Tokenkosten und passen deutlich besser zu normalen Macs.