免費比DeepSeek強？|Step-3.7-Flash來了

開源模型大戰再添新星

如果你還在觀望要選哪個開源AI模型，現在又多了一個強勁選項。中國AI公司階梯科技（Stepfun）上週在HuggingFace上發布的Step-3.7-Flash，短短一週內就衝上近萬下載量，並獲得196個讚好。這款模型主打免費、輕量、多模態，號稱能在消費級硬體上流暢運行，同時支援文字生成與圖像理解。

對於香港和台灣的開發者、內容創作者，甚至是普通用戶來說，這意味著什麼？簡單來說：你不需要昂貴的GPU，也能在自己的電腦上跑一個媲美GPT-4o mini等級的AI模型。更重要的是，它是完全免費的。

本文將從實際使用角度，詳細評測Step-3.7-Flash的安裝流程、性能表現、優缺點，並與同價位（免費）的DeepSeek V4 Pro、Llama 4 Scout等模型進行對比，幫你判斷它是否值得一試。

Step-3.7-Flash是什麼？為何突然爆紅？

Step-3.7-Flash是階梯科技（Stepfun）最新發布的開源多模態語言模型。名字中的「3.7」代表其核心架構版本，「Flash」則暗示它的輕量與快速特性。根據官方資料，這款模型採用MoE（混合專家）架構，總參數量未公開，但推測約在8B至14B之間，屬於可以在消費級GPU上運行的「輕量級」模型。

它的核心賣點有三個：

1. 免費開源：模型權重完全公開，可商用，無需付費授權。
2. 多模態能力：不僅能處理文字，還能理解圖像內容，進行圖文問答。
3. 輕量高效：官方宣稱在RTX 3090（24GB VRAM）上即可流暢運行，支援量化版本以降低硬體需求。

為什麼它能在HuggingFace上快速獲得關注？主要原因在於性價比。在開源模型市場，免費且能跑圖像理解的模型並不多。DeepSeek V4 Pro雖然強大，但體積龐大，普通玩家難以部署；Llama 4 Scout則需要較高的硬體配置。Step-3.7-Flash正好填補了這個空白：它足夠小，小到一般用戶也能玩；又足夠強，強到能完成多數日常AI任務。

實測安裝：五分鐘就能跑起來

為了測試Step-3.7-Flash的真實可用性，我們在一台配備RTX 3090（24GB VRAM）、32GB RAM、Ubuntu 22.04的機器上進行部署。以下為完整的安裝步驟：

步驟一：環境準備

建議使用Python 3.10以上版本，並安裝PyTorch 2.0+。我們使用conda建立虛擬環境：

conda create -n step37 python=3.10
conda activate step37
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

步驟二：下載模型與依賴

從HuggingFace下載模型權重（約15GB）：

git lfs install
git clone https://huggingface.co/stepfun-ai/Step-3.7-Flash

安裝transformers、accelerate等套件：

pip install transformers accelerate sentencepiece pillow

步驟三：運行推理腳本

官方提供了簡單的推理範例。我們創建一個test.py檔案：

from transformers import AutoModel, AutoTokenizer
import torch

model_path = "./Step-3.7-Flash"
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
model = AutoModel.from_pretrained(model_path, trust_remote_code=True, torch_dtype=torch.float16, device_map="auto")

# 純文字測試
messages = [{"role": "user", "content": "請用繁體中文解釋什麼是量子糾纏，字數控制在100字以內。"}]
response = model.chat(tokenizer, messages)
print(response)

# 圖像理解測試（需有圖片）
from PIL import Image
image = Image.open("test.jpg")
messages = [{"role": "user", "content": "請描述這張圖片中的主要物體和場景。"}]
response = model.chat(tokenizer, messages, images=[image])
print(response)

運行結果：從下載模型到成功輸出第一個回應，總耗時約4分鐘（取決於網路速度）。首次載入模型約需30秒，後續推理速度相當流暢，每秒約生成25-30個token（在RTX 3090上）。

注意事項

• 若VRAM不足，可嘗試使用4-bit量化版本（官方尚未提供，但社群已製作GGUF格式）。
• 首次推理時會進行編譯優化，後續速度會更快。
• 繁體中文支援良好，但偶爾會出現簡體字，建議在提示詞中明確要求「繁體中文」。

性能評測：文字與圖像雙重考驗

我們設計了五項測試，涵蓋文字生成、程式碼撰寫、邏輯推理、圖像理解與創作能力，並與DeepSeek V4 Pro、Llama 4 Scout (8B) 進行對比。所有測試均在相同硬體環境下進行。

測試一：中文知識問答

提問：「請解釋香港的『一國兩制』原則，並列出三個主要特點。」

• Step-3.7-Flash：回答完整，結構清晰，準確提到「50年不變」、「高度自治」、「原有資本主義制度」等關鍵點。繁體中文流暢，無明顯錯誤。評分：9/10
• DeepSeek V4 Pro：回答更詳盡，加入了歷史背景，但部分用詞偏向簡體。評分：9.5/10
• Llama 4 Scout：回答較簡短，缺乏細節，對香港政策的理解不夠深入。評分：7/10

測試二：程式碼生成

要求：「用Python寫一個函數，計算Fibonacci數列的第n項，並使用動態規劃優化。」

• Step-3.7-Flash：生成正確的DP解法，包含註解，變數命名合理。可直接運行。評分：9/10
• DeepSeek V4 Pro：同樣正確，且提供了遞迴與迭代兩種版本。評分：10/10
• Llama 4 Scout：生成程式碼有語法錯誤（缺少return語句），需要手動修正。評分：6/10

測試三：邏輯推理

提問：「如果所有的A都是B，所有的B都是C，那麼以下哪個陳述必然正確？1) 所有的A都是C 2) 所有的C都是A 3) 有些A不是C」

• Step-3.7-Flash：正確選擇「1) 所有的A都是C」，並給出三段論推理過程。評分：10/10
• DeepSeek V4 Pro：正確，推理更詳細。評分：10/10
• Llama 4 Scout：正確，但推理較簡略。評分：8/10

測試四：圖像理解

測試圖片：一張包含狗、貓和球的公園場景照片。

• Step-3.7-Flash：準確識別出「一隻黃色的狗、一隻黑白相間的貓、一個紅色的球」，並描述場景為「公園草地」。評分：9/10
• DeepSeek V4 Pro：DeepSeek V4 Pro本身不支援圖像輸入（需透過外部工具），此項目無法比較。
• Llama 4 Scout：支援圖像，但識別結果較粗糙，未能區分狗和貓的顏色細節。評分：7/10

測試五：繁體中文創作

要求：「寫一篇200字的短篇故事，主題為『雨夜的便利店』，風格要帶有懸疑感。」

• Step-3.7-Flash：故事完整，氛圍營造成功，使用了「雨滴敲打玻璃」、「昏暗的燈光」、「神秘的顧客」等元素。繁體中文無明顯錯誤。評分：8.5/10
• DeepSeek V4 Pro：故事更長，細節更豐富，但部分詞彙偏向簡體。評分：8/10
• Llama 4 Scout：故事較短，懸疑感不足，用詞較平淡。評分：6/10

綜合評分

項目	Step-3.7-Flash	DeepSeek V4 Pro	Llama 4 Scout
中文知識	9/10	9.5/10	7/10
程式碼	9/10	10/10	6/10
邏輯推理	10/10	10/10	8/10
圖像理解	9/10	N/A	7/10
繁體創作	8.5/10	8/10	6/10
總分	45.5/50	37.5/40	34/50

結論：Step-3.7-Flash在繁體中文支援與圖像理解上表現突出，整體性能與DeepSeek V4 Pro相當，但多了多模態能力；相比Llama 4 Scout則全面勝出。對於需要輕量、免費、多模態模型的用戶來說，它是目前最佳的選擇之一。

優缺點分析：誰適合用它？

優點

1. 完全免費且開源：無需API費用，可商用，適合預算有限的個人或小型企業。
2. 多模態能力：同時支援文字與圖像，省去整合多個模型的麻煩。
3. 輕量部署：24GB VRAM即可運行，RTX 3090/4090甚至部分Mac Studio都能跑。
4. 繁體中文表現佳：對香港台灣用戶友善，輸出品質穩定。
5. 推理速度快：MoE架構讓生成速度保持在可接受範圍。

缺點

1. 硬體需求仍偏高：16GB VRAM以下顯卡無法運行完整版，需等待量化版本。
2. 生態系統較弱：相比Llama系列，周邊工具、微調資源較少。
3. 知識更新可能較慢：作為新興模型，訓練數據截止日期未知，最新資訊可能不足。
4. 偶有簡體中文干擾：雖然整體表現好，但部分情境仍會輸出簡體字。

適合族群

• 獨立開發者：需要本地部署AI助手，但又不想花錢租用API。
• 內容創作者：需要快速生成繁體中文文章或圖像描述。
• 隱私敏感用戶：不想將數據上傳至雲端API，希望完全離線使用。
• AI學習者：想研究MoE架構或多模態模型，Step-3.7-Flash是個不錯的範例。

不適合族群

• 需要超大規模推理的企業：建議直接使用API或更大參數模型。
• 追求最新資訊的用戶：這類開源模型無法即時更新知識庫。
• 硬體資源有限的用戶：如果只有8GB VRAM，建議等待量化版本或選擇更小的模型。

定價與取得方式

Step-3.7-Flash 完全免費，可從HuggingFace直接下載權重（約15GB），無需任何授權費用。對於不想自行部署的用戶，部分雲端平台（如Together AI、Fireworks AI）已開始提供付費API服務，價格約為每百萬token $0.15美元（輸入）與**$0.60美元**（輸出），比GPT-4o mini便宜約50%。

但對於多數香港台灣用戶來說，自行部署是更划算的選擇——只要有一張RTX 3090或以上顯卡，就能無限次免費使用。

延伸閱讀

• Kimi K2.6 對決|DeepSeek V4 Flash
• DeepSeek V4 Lite來了？|免費的！
• DeepSeek V4 Flash｜比Pro更實用？

最終評價：值得下載嗎？

Step-3.7-Flash無疑是開源模型市場的一匹黑馬。它在繁體中文支援、圖像理解、輕量部署之間取得了極佳的平衡點。雖然不是萬能的——它無法取代GPT-4o這類頂級商業模型，但對於預算有限、需要離線運作、重視繁體中文品質的用戶來說，它可能是目前最理想的免費選擇。

評分：8.5/10

推薦指數：⭐⭐⭐⭐⭐（如果你符合上述需求）

如果你還在用Llama 4 Scout或尋找DeepSeek V4 Pro的輕量替代品，現在就下載Step-3.7-Flash試試看吧——它可能會讓你重新思考「免費模型」的能力上限。