StepFun Step 3.7 Flash API for Claude Code: アクセス購入と価格比較

StepFunはstep-3.7-flashを2026年5月29日に発表しました。検索ではStepFun step 3.7 flash、step 3.7 model、step 3.7 AIとも呼ばれます。実務上の問いは同じです。このrouteはAgent、Coding、tool use、長文脈、画像、動画workflowを、frontier-only stackより試しやすいコストで処理できるのか。

面白いのは、256K token context、sparse MoE、OpenAI Chat Completions互換、Anthropic Messages互換、open weights、vLLM/SGLang/Transformers/llama.cpp/NVIDIA NIMでのデプロイ経路がまとまっている点です。

The Short Version

step-3.7-flashはStepFunのopen-weightなマルチモーダルreasoning modelです。公式資料では、約198B total parameters、tokenあたり約11B active parametersのsparse MoEと説明されています。model cardでは196B language backboneと1.8B vision encoderに分かれています。

256K token context、low、medium、highのreasoning effort、ベンダー公称で最大400 tokens/sの生成速度を持ちます。Agent stackに入れる場合は、モデルrouteとしてbenchmarkし、retry、memory、tools、logging、evaluationは自社stackで持つ前提が安全です。

Key Specs

Item	Detail
Model ID	step-3.7-flash
Provider	StepFun
Official release date	2026-05-29
Positioning	Agent、Coding、マルチモーダルworkflow向けflagship reasoning model
Architecture	Sparse MoE
Parameters	約198B total、約11B active
Model card detail	196B language backbone + 1.8B vision encoder
Context window	256K tokens
Reasoning effort	low, medium, high
Claimed peak speed	ベンダー公称で最大400 tokens/s
Weights/license	Apache-2.0
API compatibility	OpenAI Chat Completions, Anthropic Messages

エンジニアリングチームにとって重要なのは公開表で強く見えるかではなく、Agentのstep数を減らし、コードテストを通し、長文脈の制約を守り、アプリが信頼できる構造化出力を返せるかです。

Why Agent Builders Should Pay Attention

Agent workflowは一発のpromptでは終わりません。指示を読み、計画し、toolを呼び、結果を観測し、計画を修正し、回答やpatchを出します。このloopでは、task stateを保持し、tool schemaに従い、部分失敗から回復し、必要なreasoning量を選べるモデルが必要です。

256K contextは、system policy、tool description、retrieved documents、過去のtool output、code snippet、screenshot、ユーザー提供資料を1 requestに入れやすくします。これにより、lossy summarizationを減らし、長いAgent taskを監査しやすくなります。

• low: 分類、routing、簡単な抽出、低リスクdraft
• medium: 通常の分析、Coding支援、文書統合
• high: 複数ファイルdebug、長文脈推論、構造変換、多段plan

Coding: Start With Tasks You Can Grade

AI Codingでは、文章の自然さよりpatchがテストを通るかが重要です。step-3.7-flashは、error logから原因を探す、既存関数のtestを書く、PR diffをreviewする、breaking change後のAPI callを移行する、screenshotからcomponent planを作る、といったタスクで試す価値があります。

広いcoding benchmarkだけに頼らず、自社のissue、PR、CI failure、frontend screenshot、style ruleから小さな評価セットを作るのが実用的です。

Multimodal Workflows: From Seeing to Doing

マルチモーダルで見るべきなのは、画像を説明できるかではなく、仕事に変換できるかです。

• screenshot to code: HTML/CSS、React component outline、UI section map
• invoice to table: receipt、invoice、order screenshot、formからfield抽出
• chart to data: label、trend、概算値の抽出
• video/screen recording analysis: 操作要約と異常状態の検出
• form understanding: field、validation rule、completion statusの抽出

評価には実データが必要です。きれいなscreenshot、ぼやけたscan、多言語invoice、密なtable、低品質録画では結果が大きく変わります。

API Access, Regions, and Pricing

StepFunは2つのAPI baseを公開しています。

• China region: https://api.stepfun.com/v1
• International region: https://api.stepfun.ai/v1
• Model ID: step-3.7-flash

公式価格は次の通りです。

Region	Input cache miss	Input cache hit	Output
China	CNY 1.35 / 1M tokens	CNY 0.27 / 1M tokens	CNY 8.1 / 1M tokens
International	$0.20 / 1M tokens	$0.04 / 1M tokens	$1.15 / 1M tokens

Agentや長文脈アプリではcache-hit pricingが重要です。system prompt、tool description、schema、policy、安定したcode contextを再利用できるなら、taskあたりのコストが大きく変わります。

Next step: test the API in a real agent stack

• Claude Code API access
• LLM Agent API Gateway setup
• Chinese LLM API access for overseas teams
• Check LLM API pricing
• Estimate route cost
• Read the API docs
• Buy API access

OpenAI-Compatible Example

from openai import OpenAI

client = OpenAI(
    api_key="your-stepfun-api-key",
    base_url="https://api.stepfun.ai/v1"
)

response = client.chat.completions.create(
    model="step-3.7-flash",
    messages=[
        {"role": "system", "content": "You are a careful code review assistant."},
        {"role": "user", "content": "Read this error log and suggest the most likely fix: ..."}
    ],
    temperature=0.2
)

print(response.choices[0].message.content)

China regionではbase URLをhttps://api.stepfun.com/v1に切り替えます。マルチモーダル入力、reasoning effort、streaming、tool callingは最新の公式documentに従ってください。

Anthropic Messages-Compatible Example

import anthropic

client = anthropic.Anthropic(
    api_key="your-stepfun-api-key",
    base_url="https://api.stepfun.ai/v1"
)

message = client.messages.create(
    model="step-3.7-flash",
    max_tokens=2048,
    system="You are a multimodal assistant for frontend engineering.",
    messages=[
        {
            "role": "user",
            "content": "Based on this product screenshot, list the main UI sections and a practical component breakdown."
        }
    ]
)

print(message.content[0].text)

Open Weights and Self-Hosting

model cardとweightsはApache-2.0で公開されています。data locality、private infrastructure、latency、steady workloadのコストが重要なチームには意味があります。

ただしself-hostingが自動的に安いとは限りません。GPU、serving engineering、concurrency、monitoring、cache、multimodal preprocessing、version upgrade、failoverまで含めて比較してください。

How to Evaluate It Safely

step-3.7-flashはunified LLM API gatewayやmodel-routing layerの1 routeとして導入するのが安全です。model、task type、input/output length、latency、costをlogし、Coding taskはtest resultやreview feedbackと紐づけ、multimodal taskはfield-level accuracyとreview timeで測ります。

FAQ

Is step-3.7-flash the same as the StepFun step 3.7 model?

はい。多くの検索や開発者文脈では、step-3.7-flash、StepFun step 3.7 flash、step 3.7 model、step 3.7 AIは同じmodel routeを指します。

Can I use StepFun step 3.7 flash with Claude Code?

Claude Code workflowがAnthropic-style Messages endpointを期待する場合は、Messages-compatible gatewayやclient configで小さなtaskから検証してください。

Is StepFun step 3.7 flash good for agent coding workflows?

試す価値はあります。長文脈、マルチモーダル入力、reasoning effort control、API互換性が揃っています。ただし単発chatではなく、test通過率、制約保持、review時間削減で判断してください。

How should I estimate StepFun API pricing for agents?

完了taskあたりで見ます。input tokens、output tokens、cache miss、cache hit、retry、failed attemptを含めて計算してください。

Ready to test Step-3.7-Flash in a live stack

実際のrouteとして試すなら、pricing、docs、gateway、buy flowを先に確認してください。モデル単体の強さより、ログ、fallback、コスト管理まで含めたstack全体で比較するほうが安全です。

Bottom Line

step-3.7-flashが面白いのは、256K context、マルチモーダル理解、sparse MoE、reasoning effort control、OpenAI/Anthropic互換API、open weightsが一つのpackageになっている点です。

本番投入できるかは、自社benchmarkでのtest pass rate、structured output reliability、latency、cost、人間の修正時間で決まります。

References

• StepFun official release page
• StepFun model documentation
• StepFun quickstart
• StepFun pricing details
• Step-3.7-Flash Hugging Face model card
• Step-3.7-Flash GitHub repository