我用30秒修好一個(gè)老項(xiàng)目 Bug，Step 3.7 Flash 是真出活呀！

大家好，我是微笑哥。

大家應(yīng)該感覺到了，最近這一兩年，大模型更新的速度實(shí)在太快了。

每天打開技術(shù)社區(qū)，幾乎都能看到各種新的排行榜、新的跑分。

但說(shuō)實(shí)話，作為技術(shù)人員，我其實(shí)反倒不太關(guān)注這些分?jǐn)?shù)了。

相反，我認(rèn)為思考如何讓AI真正落地到實(shí)際工作里，對(duì)技術(shù)人來(lái)說(shuō)更實(shí)在點(diǎn)。

就以程序開發(fā)最常見的場(chǎng)景來(lái)說(shuō)。

AI的作用，不該僅僅是完成一個(gè)固定函數(shù)或優(yōu)化某段代碼，而是能從零去理解項(xiàng)目，分析代碼結(jié)構(gòu)，定位Bug，給出方案，修改代碼，最后自我驗(yàn)證等這一整套任務(wù)。

面對(duì)這一整條任務(wù)鏈，誰(shuí)能又快、又穩(wěn)、又便宜地跑完整個(gè)流程，這才是關(guān)鍵。

不得不說(shuō)，在我最近的一些測(cè)試中，Step 3.7 Flash整體表現(xiàn)很值得推薦。

接下來(lái)，給大家看一些實(shí)際案例，這些案例都來(lái)自開發(fā)的真實(shí)工作場(chǎng)景。

案例1：老系統(tǒng)遇到新Bug

下圖展示的是我合伙人之前開發(fā)的一個(gè)軟件項(xiàng)目，用于管理我們團(tuán)隊(duì)社群會(huì)員積分的一個(gè)系統(tǒng)。

之前一直是合伙人在維護(hù)，但前陣子他離崗了，現(xiàn)在有用戶提出bug，我就得安排新同事去研究，這就挺耽誤時(shí)間。

老系統(tǒng)遇到新Bug，這種情況在開發(fā)日常工作場(chǎng)景中非常常見。

現(xiàn)在，我嘗試使用Step 3.7 Flash模型來(lái)解決這個(gè)問題。

Bug具體描述如下：

當(dāng)管理員登錄系統(tǒng)，創(chuàng)建新用戶，用戶列表的頭像默認(rèn)為會(huì)員名程的縮寫，但當(dāng)管理員修改某個(gè)用戶的名稱后，用戶列表中的頭像卻還是保持原樣。

這個(gè)Bug本身不算很復(fù)雜。

但要成功解決Bug，需要依次完成幾件事：

先快速梳理代碼框架結(jié)構(gòu)，了解項(xiàng)目各個(gè)模塊之間的關(guān)系 找到Bug描述問題對(duì)應(yīng)的代碼文件，搞清楚代碼邏輯 分析并定位問題原因 修改代碼 測(cè)試修改效果，如果仍存在問題，繼續(xù)修改，直到修好為止

這就是開發(fā)人員面對(duì)Bug的常規(guī)處理流程。

那現(xiàn)在，我們把這個(gè)問題交給AI，它完成的效果如何呢？

我使用的是工具是VsCode、ClaudeCode插件、配置了Step 3.7 Flash模型。

我上傳了對(duì)應(yīng)界面截圖，并給出提示詞如下：

如圖所示，當(dāng)管理員登錄系統(tǒng)后，用戶列表頭像默認(rèn)為會(huì)員名程的縮寫，但當(dāng)管理員修改某個(gè)用戶的名字后，頭像卻還是保持原樣，請(qǐng)分析這個(gè)問題出現(xiàn)的原因，并找出對(duì)應(yīng)代碼所在文件，給出解決方案，我確認(rèn)后你再修改。

PS：為了操作更可控，我并沒有讓AI直接去自動(dòng)修改，而是先讓AI分析代碼，找到問題原因后先給出具體方案。

如下圖所示，AI只用了11秒，就完成了問題的定位、分析、并給出了解決方案。

可以看出，這個(gè)分析過(guò)程非常清晰，具體修改方案也非常具體，讓人一目了然。

人工確認(rèn)方案無(wú)誤，開始修改：

提示詞：

沒問題，按照這個(gè)方案完成修改

如下圖所示，AI用時(shí)19秒，完成了前后端代碼修改和自我測(cè)試驗(yàn)證。

最終，經(jīng)我實(shí)際測(cè)試，Bug已經(jīng)修復(fù)完成。

總結(jié)一下，針對(duì)這個(gè)Bug，Step 3.7 Flash的端到端總耗時(shí)是30秒左右，完成了問題定位、給出方案、修復(fù)Bug、測(cè)試驗(yàn)證的全過(guò)程。

對(duì)于這種兩次會(huì)話，均是一次性完成，穩(wěn)定性在線。

我查看后臺(tái)的實(shí)際花費(fèi)，解決該問題，花費(fèi)了0.1362元。

當(dāng)然，為了對(duì)比效果，同樣的問題，我也用同級(jí)別的deepseek-v4-flash做了橫向?qū)Ρ取?/p>

按Deepseek官方介紹，作為DeepSeek最新一代Flash模型，deepseek-v4-flash 在常規(guī)任務(wù)上與其旗艦?zāi)Ｐ?deepseek-v4-pro 旗鼓相當(dāng)，但在高難度任務(wù)上存在差距。

以下是執(zhí)行過(guò)程。

下圖是DeepSeek api的成本花費(fèi)。

結(jié)果上來(lái)看，deepseek-v4-flash確實(shí)也沒讓人失望，與Step 3.7 Flash一樣，都只用了一次會(huì)話就精準(zhǔn)定位、給出方案并解決了問題。

但在多維度對(duì)比上存在一些差異，具體實(shí)測(cè)如下：

Step 3.7 Flash

deepseek-v4-flash

端到端任務(wù)耗時(shí)

30秒左右

45秒左右

Token成本

0.1362元

0.17元

多輪調(diào)用穩(wěn)定性

多模態(tài)鏈路

未涉及

未涉及

First-pass可用性

在案例1中，整體來(lái)說(shuō)差異不算明顯，但效率上Step 3.7 Flash表現(xiàn)得相對(duì)更經(jīng)濟(jì)一些。

案例2：草稿圖到Demo展示

這個(gè)案例，其實(shí)也是開發(fā)者經(jīng)常會(huì)面對(duì)的真實(shí)場(chǎng)景。

我給模型一張比較簡(jiǎn)單的產(chǎn)品草圖，希望它自己完成代碼輸出，還原產(chǎn)品草圖效果的Demo。

這類任務(wù)其實(shí)涉及多模態(tài)，先識(shí)別圖片，獲取完整圖片信息，然后進(jìn)入后面的開發(fā)流程。

我們舉例說(shuō)明，假設(shè)草圖效果如下：

和案例1同樣的操作環(huán)境，我上傳草圖圖片，配合如下提示詞：

這是一張網(wǎng)頁(yè)界面手繪稿。請(qǐng)用 React + Tailwind CSS 復(fù)刻這個(gè)頁(yè)面。 要求： 先描述頁(yè)面結(jié)構(gòu)、布局和主要視覺元素 再給出可運(yùn)行的 React 組件代碼 使用語(yǔ)義化命名，不要依賴截圖中的真實(shí)品牌資產(chǎn) 對(duì)無(wú)法確認(rèn)的圖片或圖標(biāo)，用占位元素表示 保持移動(dòng)端和桌面端都有合理布局

從執(zhí)行結(jié)果來(lái)看，Step 3.7 Flash完成的是比較準(zhǔn)確且高效的。

AI先完成了圖片的識(shí)別，精準(zhǔn)捕獲了草稿圖中的信息（包括頁(yè)面布局和文字信息），然后根據(jù)這些信息完成了代碼輸出。

下圖是實(shí)際生成代碼的展示效果，可以看出還原度非常高。

移動(dòng)端也完成了適配。

從草圖理解到demo完成，端到端時(shí)間共花費(fèi)40秒左右，相對(duì)于人工處理，效率不知道高了多少倍。

Token成本花費(fèi)0.3046元。

同樣案例2，我也用deepseek-v4-flash做了測(cè)試。

但測(cè)試剛開始，我就知道結(jié)果可能會(huì)波動(dòng)較大。

原因在于deepseek-v4-flash目前對(duì)多模態(tài)支持能力有限。

如下圖，如果直接上傳圖片附件，deepseek-v4-flash無(wú)法直接識(shí)別，需要用戶告知圖片的本地路徑。

雖說(shuō)不能直接識(shí)別圖片，但deepseek-v4-flash具備其較強(qiáng)推理能力，會(huì)不斷尋找替代方案。

通過(guò)多輪思考，最終使用Python代碼對(duì)圖片進(jìn)行了解析，也生成了頁(yè)面代碼。

下圖是deepseek-v4-flash生成的demo效果頁(yè)面。

可以看得出，雖然頁(yè)面能夠正常運(yùn)行，但顯然沒有按要求對(duì)設(shè)計(jì)草圖進(jìn)行還原。

本次任務(wù)具體成本如下，雖然花費(fèi)較少，但完成度很低。

我們這里算一下成本。

Step 3.7 Flash的官方定價(jià)為：

按照輸入Token每百萬(wàn)1.35元，緩存命中每百萬(wàn)0.27元，輸出每百萬(wàn)8.1元。

deepseek-v4-flash的官方定價(jià)為：

按照輸入Token每百萬(wàn)1元，緩存命中每百萬(wàn)0.02元，輸出每百萬(wàn)2元。

如果按這個(gè)綜合定價(jià)來(lái)看，Deepseek的Tokens單價(jià)更為便宜。

但從本案例我們看得出，決定成本這件事，單價(jià)并不是唯一因素，前提還是得把事情完成好。

如果單價(jià)低但卻需要多輪返工，最終成本依舊會(huì)上去，這個(gè)賬大家自己算算就明白了。

這一輪對(duì)比結(jié)果如下：

Step 3.7 Flash

deepseek-v4-flash

端到端任務(wù)耗時(shí)

40秒左右

100秒左右

Token成本

0.3046元

0.07元

多輪調(diào)用穩(wěn)定性

多模態(tài)鏈路

支持

局限性大

First-pass可用性

未成功

綜合從以上兩個(gè)案例，可以看得出Step 3.7 Flash在 Agent 任務(wù)中完成率還是比較高的。

我看到的不是單點(diǎn)能力的爆發(fā)，而是多維能力的高效整合。

多模態(tài)能力、需求整理能力、項(xiàng)目閱讀能力、代碼生成能力、自測(cè)檢查能力等。

這些單點(diǎn)能力高效的串起來(lái)，價(jià)值一下就體現(xiàn)出來(lái)了。

很多朋友可能會(huì)問，那旗艦?zāi)Ｐ褪遣皇蔷蜎]有優(yōu)勢(shì)了？

當(dāng)然也不是。

像Claude Opus、GPT5.5這類旗艦?zāi)Ｐ停趶?fù)雜規(guī)劃、深度推理、關(guān)鍵決策上依然是有優(yōu)勢(shì)的。

但如果回到工程實(shí)踐，大量重復(fù)、高頻執(zhí)行、持續(xù)調(diào)用工具的Agent任務(wù)，其實(shí)更需要的是效率。

所以，從工程實(shí)踐的角度來(lái)說(shuō)，作為面向生產(chǎn)級(jí) Agent 的高效率 Flash 模型，我認(rèn)為Step 3.7 Flash是更合適的選擇。

畢竟對(duì)于開發(fā)者來(lái)說(shuō)，這種穩(wěn)定、持續(xù)、可落地的能力，比一次驚艷的回答可重要多了。

測(cè)完之后，一個(gè)感受還是挺明顯的。

可以確信，Agent效率，正在為下一階段模型競(jìng)爭(zhēng)的關(guān)鍵。

Step 3.7 Flash，給我的印象就是，它真很適合干活啊！

在解決實(shí)際問題過(guò)程中，確實(shí)做到了更快、更穩(wěn)、更省。

就如上面的兩個(gè)案例，同樣的事情，如果是找個(gè)人類同事來(lái)接手，很可能一下午都不一定能把項(xiàng)目搞清楚，但對(duì)于AI工具來(lái)說(shuō)，只是幾十秒鐘的事情。

這當(dāng)然就大幅提升了我們的工作效率。

還是那句老話，眼過(guò)千遍，不如手過(guò)一遍。

看到這里，不妨帶著你的項(xiàng)目，去接入Step 3.7 Flash的API試試看，相信你會(huì)有驚喜！

API接入入口：

https://platform.stepfun.com/