Step 3.7 Flash.
Step 3.7 Flash is StepFun's latest high-efficiency multimodal Mixture-of-Experts model. It pairs a 196B-parameter language backbone with a vision encoder for native image and video understanding, activating roughly 11B p
4× Nvidia Q RTX 8000 · $1.05/hr.
Most-aggressive quantisation we have a working recommendation for. Lower precision = less VRAM = cheaper hardware, at a small accuracy cost.
Cheapest hosted endpoints.
| Provider | Access | $/M in | $/M out | |
|---|---|---|---|---|
| OpenRouter | api aggregator | $0.2 | $1.15 | Launch ↗ |
Cheapest hardware per quantisation.
Each row is one quantisation tier (the same weights compressed differently). Lower precision → lower VRAM → cheaper hardware, at the cost of small accuracy loss. $/Std. ist der günstigste aktuelle Preis. Ein Setup mit mehreren Karten nutzt eine echte Instanz dieser Größe, wenn eine vermietet wird; sonst ist es der Einzelkartenpreis mal Anzahl.
| Quantisation | Cheapest GPU config | Total VRAM | Live $/hr | tokens/sec | |
|---|---|---|---|---|---|
|
FP16
FP16 — half precision (default)
|
640 GB |
$5.73/hr
geschätzt 8 × Einzelkartenpreis
Nosana · On-Demand
|
— | Compare → | |
|
FP8
FP8 — 8-bit float (Hopper / Blackwell)
|
384 GB |
$2.10/hr
geschätzt 8 × Einzelkartenpreis
Vast.ai · On-Demand
|
— | Compare → | |
|
INT4
INT4 — 4-bit integer (~4× VRAM saving)
|
192 GB |
$1.05/hr
geschätzt 4 × Einzelkartenpreis
Vast.ai · On-Demand
|
— | Compare → |
What it costs per month across providers.
Estimate your monthly bill for Step 3.7 Flash across every host that publishes per-token pricing. Slide your token volumes; the chart + table re-rank cheapest-first.
Günstigster Anbieter links.
Gesamte Monatskosten — Eingabe- und Ausgabe-Tokens zusammen.
Rechnung im Detail.
| Anbieter | Monatssumme | |
|---|---|---|
| $4.3 | Registrieren ↗ |
GPU mieten statt pro Token zahlen.
Bei einem Open-Weights-Modell wie Step 3.7 Flash kannst du eine GPU mieten und die Inferenz selbst betreiben. Die Rechnung: günstigste GPU-Miete × 730 Stunden/Monat. Strom ist im Stundenpreis der Miete enthalten.
Angenommen wird, dass die GPU rund um die Uhr mit ca. 85 % Auslastung läuft. Bei schwankendem Traffic zahlst du für die API weniger und für die GPU wahrscheinlich mehr (Leerlaufstunden kosten trotzdem Miete). Die Break-even-Analyse findest du im Break-even-Tool Selbsthosting vs. API.