模型对比
ESMFold2 和 Step 3.7 Flash 都是 AI 领域的模型。以下是基于 traeai 收录的真实报道数据的全面对比。
模型
Biohub开发的蛋白质折叠预测模型。
3 篇相关报道
模型
也叫：step3.7flash
阶跃星辰发布的高效推理模型。
7 篇相关报道
3
ESMFold2 相关
0
共同提及
7
Step 3.7 Flash 相关
Biohub的Protein World Model通过ESMC-6B和ESMFold2处理68亿蛋白质和11亿结构，展示了生物建模可能像语言建模一样扩展，强调稀疏自编码器揭示模型内部生物学。
入选理由：Biohub的ESMC-6B和ESMFold2处理68亿蛋白质和11亿结构。
BioHub 发布 ESMFold2，展示通用语言模型在蛋白质折叠中的强大能力，挑战专有模型如 AlphaFold3。
入选理由：ESMFold2 在蛋白质相互作用预测中表现优异，尤其是抗体。
ESMFold2 提供了最先进的性能来预测、设计和发现蛋白质生物学，特别是在抗体领域的表现尤为突出。
入选理由：ESMFold2 在蛋白质交互预测方面表现出色。
StepFun 推出新一代高效率编码代理模型 Step 3.7 Flash，支持多模态理解与长程规划；其最大亮点是在 Hermes Agent 中完全免费无限制使用，大幅降低开发者试用门槛。
入选理由：Step 3.7 Flash 是 StepFun 新一代 agentic coding 模型，含196B总参数 + 1.8B 视觉模块 + ~11B 激活参数，支持256K上下文窗口。
阶跃星辰发布的 Step 3.7 Flash 是面向生产级 AI Agent 的新一代 Flash 模型，具备原生多模态理解、高吞吐低延迟和联网搜索增强能力，在编程任务中性能接近 Claude Opus 4.6 的 97%，但成本仅为后者约 1/9，适合高频、复杂、真实工作流场景。
入选理由：Step 3.7 Flash 采用稀疏 MoE 架构，激活参数仅 11B，最高生成速度达 400 Tokens/s，支持 40 个 Agent 并行运行。
Step 3.7 Flash 是一个专为推理优化设计的 196B MoE 模型，采用 MFA 和 AFD 技术，KV-cache 占用仅为 DeepSeek 的 22%，支持高效代理、编码和多模态任务，已开源并可在 Fireworks 平台使用。
入选理由：Step 3.7 Flash 是 196B MoE 模型，从设计之初就聚焦推理效率，而非事后优化。
NVIDIA introduces Step 3.7 Flash for large-scale MoE models.
入选理由：Step 3.7 Flash 支持 198B 参数 MoE 模型，其中 11B 参数为活跃状态。
文章仅提供了一个链接，介绍如何在 NVIDIA GPU 上运行 Step 3.7 Flash，缺乏深度和技术细节。
入选理由：文章链接指向 NVIDIA 开发者博客，介绍 Step 3.7 Flash 的运行方法。
Step 3.7 Flash通过MFA + AFD技术显著降低KV-cache成本，实现高效推理，支持一键部署。
入选理由：Step 3.7 Flash采用MFA + AFD技术，将KV-cache成本降至原模型的分数。
Step 3.7 Flash模型以400 tokens/秒的速度显著降低Agent任务成本，仅为Claude的零头。
入选理由：处理速度达400 tokens/秒
