StepFun, chiński lider w budowaniu zaawansowanych modeli AI, udostępnił Step 3.7 Flash - nowy model language'a z wizją przystosowany specjalnie do pracy z agentami kodującymi. Architektura MoE tego modelu pozwala na bardziej efektywne wykorzystanie jego 198 miliardów parametrów niż tradycyjne podejście dense'a, aktywując tylko niezbędne części sieci dla konkretnego zadania. Step 3.7 Flash łączy zdolność przetwarzania obrazów z zaawansowanymi umiejętnościami programistycznymi, co czyni go wartościowym narzędziem dla developerów pracujących nad automatyzacją złożonych przepływów pracy.
Model został zaprojektowany z myślą o scenariuszach, gdzie AI musi jednocześnie analizować wizualne elementy interfejsu użytkownika, dokumentacji czy schematów, a następnie na tej podstawie pisać czy debugować kod. Takie połączenie możliwości jest coraz bardziej poszukiwane przez zespoły tworzące autonomiczne agenty, które samodzielnie wykonują zadania programistyczne bez bezpośredniego udziału człowieka. Stosując architekturę Mixture of Experts, StepFun osiągnął lepszy stosunek mocy obliczeniowej do wydajności niż wcześniejsze wersje, co oznacza szybsze odpowiedzi i niższe koszty operacyjne.
Ruch ten sygnalizuje rosnącą konkurencję na rynku specjalistycznych modeli AI, gdzie zamiast ogólnych gigantów coraz bardziej liczą się rozwiązania dostrojone do konkretnych zadań. Udostępnienie Step 3.7 Flash zmienia dynamikę w segmencie narzędzi dla programistów, gdzie dotychczas dominowały rozwiązania z USA czy OpenAI, otwierając przestrzeń dla chińskich firm budujących alternatywy o porównywalne możliwości.