step-3.7-flash实测：多模态Agent、代码生成和工具调用到底强不强

先看结论：step-3.7-flash强在“做完”

最近大模型评测越来越像真实业务测试，重点不再只是跑分高不高，而是能不能把任务从“看懂”推进到“做完”。step-3.7-flash 的实测表现，最明显的优势就是在多模态理解、代码生成、搜索验证和连续工具调用上，能把链路跑得更完整。

如果把模型能力拆开看，可以理解成四个核心方向：

• 多模态 Agent：能识图、能理解页面结构，还能输出可执行结果。
• Coding Agent：能把需求拆成模块，直接生成可运行的前端或应用代码。
• Search Agent：能查实时信息、交叉验证来源，并给出可行动结论。
• Tool-use Agent：能在多步任务里保持目标一致，不容易中途跑偏。

这类能力，对生产级 Agent 工作流非常关键。很多模型能讲得很好，但一到真实任务就卡在最后一步；step-3.7-flash 的表现，恰好是在“最后一公里”上更稳。

多模态测试：一张图能不能直接做出网页

在图片转网页这个场景里，模型拿到的是一张生产管理系统/工单管理系统的仪表盘截图，目标不是简单复刻外观，而是要把页面逻辑一起搭出来。

从实测结果看，它对图片信息提取得比较完整，能识别出这些关键内容：

• 页面标题：今日生产总览。
• 数据卡片：今日计划、今日完工、完成率、不良数量、风险工单。
• 操作按钮：模拟 Excel 导入工单、模拟 RFID 识别工单、重置 DEMO。
• 现场录入区域：工单选择、工序选择、完成数量、不良数量、提交录入。
• 工单进度列表：工单、产品、计划、完工、进度、当前工序、不良率、预计完工、状态。
• 手机端视图：今日生产、完成率、风险提醒、不同工单卡片。

更值得注意的是，它不仅复原了布局，还主动补上了交互逻辑，例如现场录入后同步更新今日完工、完成率和不良数据。这一点很重要，因为很多模型只能把页面“画出来”，却不能把页面“跑起来”。

如果把这一项单独比较，step-3.7-flash 的亮点不在于静态还原，而在于它能把视觉理解和执行动作连起来，这就是典型的 # step-3.7-flash # 多模态Agent # 工具调用 # 代码生成 # 搜索Agent # 视觉理解 # Agent工作流 # vibe coding # 实时信息验证 # 大模型测评 # 生产级Agent # tool-use agent