封神！商湯絕影Sage實(shí)測(cè)94%，讓座艙從“聽(tīng)懂”到“說(shuō)到做到”

隨著AI智能體上車(chē)越來(lái)越普遍，智能座艙也陷入新的困境：想要實(shí)現(xiàn)復(fù)雜的智能體能力，比如多步規(guī)劃、設(shè)備聯(lián)動(dòng)，就必須依賴(lài)云端大模型，但云端調(diào)用不僅有明顯的延遲（高速行駛時(shí)可能錯(cuò)過(guò)關(guān)鍵指令響應(yīng)），還會(huì)產(chǎn)生高昂的Token成本，長(zhǎng)期使用下來(lái)對(duì)車(chē)企和用戶都是一筆不小的負(fù)擔(dān)。

而如果堅(jiān)守端側(cè)，受限于車(chē)載設(shè)備的算力和存儲(chǔ)，模型只能做簡(jiǎn)單的指令響應(yīng)，比如“打開(kāi)空調(diào)”“播放音樂(lè)”，無(wú)法處理復(fù)雜的復(fù)合指令，更談不上主動(dòng)服務(wù)。

這種兩難，讓智能座艙陷入了“看似智能，實(shí)則笨拙”的尷尬。商湯絕影最新發(fā)布的端側(cè)多模態(tài)智能體基座大模型Sage，有望打破這一困局。

據(jù)介紹，Sage 采用 MoE 架構(gòu)，總參數(shù)量為 32B，激活參數(shù)僅 3B ，是行業(yè)內(nèi)首款在車(chē)端實(shí)現(xiàn)復(fù)雜智能體能力的基座大模型，目前已在英偉達(dá) Orin X 端側(cè)平臺(tái)實(shí)現(xiàn)部署。

在國(guó)際權(quán)威Agent評(píng)測(cè)基準(zhǔn)PinchBench上，Sage以94%的最佳任務(wù)完成率，力壓Claude-Opus-4.6、GPT-5.4、Google-Gemini-3等一眾國(guó)際主流云側(cè)、端側(cè)大模型。

在北京車(chē)展期間，商湯絕影將正式推出搭載Sage端側(cè)多模態(tài)智能體基座大模型的Sage Box，為汽車(chē)邁入超級(jí)智能體時(shí)代筑牢核心根基。在AI全面進(jìn)入智能體時(shí)代的今天，Sage的發(fā)布不僅是商湯絕影的一次技術(shù)突破，更可能改寫(xiě)整個(gè)端側(cè)大模型與智能座艙的發(fā)展格局。端側(cè)智能的未來(lái)，不是參數(shù)的堆砌，而是效率與能力的極致平衡。

01

實(shí)測(cè)封神，小參數(shù)干贏大模型

評(píng)判一個(gè)智能體模型的實(shí)力，不能只看宣傳，要看實(shí)打?qū)嵉脑u(píng)測(cè)。而PinchBench，正是當(dāng)前最能檢驗(yàn)智能體真實(shí)能力的“試金石”。

可能有人對(duì)PinchBench不太熟悉，它并非某家大廠推出的“自賣(mài)自夸”型榜單，而是由Kilo AI團(tuán)隊(duì)打造的開(kāi)源評(píng)測(cè)基準(zhǔn)，還得到了“龍蝦之父”P(pán)eter Steinberger的推薦。

與傳統(tǒng)評(píng)測(cè)不同，PinchBench不依賴(lài)固定的靜態(tài)題庫(kù)，而是隨著真實(shí)任務(wù)庫(kù)的擴(kuò)充不斷迭代，覆蓋寫(xiě)作、研究、編碼、日程管理、工具調(diào)用等23個(gè)真實(shí)工作場(chǎng)景，核心考察模型的多步推理、工具調(diào)用和任務(wù)閉環(huán)能力。

更關(guān)鍵的是，PinchBench的評(píng)測(cè)極其嚴(yán)格，不僅看任務(wù)成功率，還會(huì)綜合衡量速度和成本，單任務(wù)的Token消耗就可達(dá)數(shù)十萬(wàn)量級(jí)，測(cè)試周期長(zhǎng)、資源消耗高，因此能在這個(gè)榜單上拿到高分，足以證明模型在真實(shí)復(fù)雜場(chǎng)景中的穩(wěn)定性和實(shí)用性。

Sage在這個(gè)榜單上的表現(xiàn)，堪稱(chēng)“碾壓級(jí)”：94%的最佳任務(wù)完成率，超過(guò)了Claude-Opus-4.6（93.3%）、GPT-5.4（90.5%）、Google-Gemini-3（87.0%）等一眾云側(cè)旗艦。

甚至比小米MiMo-v2-Pro高出6.6個(gè)百分點(diǎn)——要知道，小米MiMo-v2-Pro的激活參數(shù)高達(dá)42B，總參數(shù)超1T，而Sage的激活參數(shù)僅3B，所需激活算力僅為前者的1/14，顯存占用約為1/31。

這組數(shù)據(jù)背后，是Sage對(duì)行業(yè)慣性認(rèn)知的顛覆。長(zhǎng)期以來(lái)，行業(yè)內(nèi)普遍認(rèn)為“只有大參數(shù)量模型才能做好智能體任務(wù)”，但Sage用實(shí)際表現(xiàn)證明：端側(cè)智能的核心，不是參數(shù)大小，而是技術(shù)路線的合理性。

它采用MoE架構(gòu)，總參數(shù)量32B，卻只激活3B參數(shù)，相當(dāng)于“養(yǎng)了一支32人的團(tuán)隊(duì)，每次只派3個(gè)核心成員干活”，既保證了能力，又極大降低了算力消耗，完美解決了端側(cè)算力不足的痛點(diǎn)。

更值得關(guān)注的是，Sage并非“偏科生”。在其他專(zhuān)業(yè)基準(zhǔn)測(cè)試中，它同樣全面領(lǐng)先。在MMLU Pro（跨學(xué)科專(zhuān)業(yè)知識(shí)）測(cè)試中，Sage獲得76分，領(lǐng)先同級(jí)端側(cè)模型約10%，證明端側(cè)模型也能具備云端級(jí)的通用知識(shí)密度。

在GPQA Diamond（研究生級(jí)專(zhuān)業(yè)推理）測(cè)試中，77分的成績(jī)實(shí)現(xiàn)了33%的提升，凸顯了其復(fù)雜推理能力；而在針對(duì)座艙場(chǎng)景的Human Semantic Understanding測(cè)試中，91分的高分（提升32%），則體現(xiàn)了其對(duì)車(chē)載場(chǎng)景的深度適配。

最能體現(xiàn)其智能體能力的，是τ2-bench基準(zhǔn)測(cè)試——這個(gè)榜單專(zhuān)門(mén)評(píng)估模型的工具調(diào)用和任務(wù)閉環(huán)能力，是區(qū)分“會(huì)聊天的模型”與“會(huì)辦事的智能體”的關(guān)鍵。Sage以80分的成績(jī)，比谷歌本月剛發(fā)布的Gemma 4（同量級(jí)端側(cè)旗艦）提升38%，接近翻倍領(lǐng)先，直接印證了它作為端側(cè)智能體基座的絕對(duì)優(yōu)勢(shì)。

02

讓模型“學(xué)得省、做得對(duì)”，才是端側(cè)智能的核心

Sage能在小參數(shù)下實(shí)現(xiàn)高性能，背后離不開(kāi)商湯絕影自研的兩大核心技術(shù)——SCOUT和ERL。這兩項(xiàng)技術(shù)一“攻”一“守”，一個(gè)讓模型“學(xué)得又快又省”，一個(gè)讓模型“做事不出錯(cuò)”，共同構(gòu)成了Sage的技術(shù)護(hù)城河。

先說(shuō)說(shuō)SCOUT（分級(jí)協(xié)同學(xué)習(xí)框架）。對(duì)于車(chē)載場(chǎng)景來(lái)說(shuō)，很多任務(wù)都涉及空間規(guī)劃、設(shè)備聯(lián)動(dòng)和多步?jīng)Q策，比如“導(dǎo)航到公司，避開(kāi)早高峰，途中提醒我加油，到公司后自動(dòng)發(fā)送‘已到崗’郵件”。如果讓大模型直接試錯(cuò)學(xué)習(xí)這些復(fù)雜任務(wù)，不僅速度慢，還會(huì)消耗大量算力，成本高到難以承受。

SCOUT的思路很巧妙，相當(dāng)于給大模型配了一組“偵察兵”——先派輕量小模型（比如小型MLPs）快速在任務(wù)中試錯(cuò)，把所有走得通的路徑篩選出來(lái)，再把這些高價(jià)值的經(jīng)驗(yàn)喂給大模型學(xué)習(xí)，形成“小模型探路，大模型吸收”的學(xué)習(xí)機(jī)制。

這種方式不僅讓大模型能快速掌握真實(shí)用車(chē)場(chǎng)景的技能，還能節(jié)省約60%的GPU小時(shí)消耗，這項(xiàng)技術(shù)成果已上傳至arXiv（論文鏈接：https://arxiv.org/abs/2601.21754），得到了學(xué)術(shù)界的認(rèn)可。

如果說(shuō)SCOUT解決的是“學(xué)習(xí)效率”問(wèn)題，那么ERL（可擦除強(qiáng)化學(xué)習(xí)）解決的就是“執(zhí)行精度”問(wèn)題。在真實(shí)用車(chē)場(chǎng)景中，用戶的復(fù)合指令往往需要多步推理和執(zhí)行，只要其中一步出現(xiàn)錯(cuò)誤，整個(gè)任務(wù)就會(huì)失敗——比如規(guī)劃路線時(shí)漏掉了“買(mǎi)早餐”，或者調(diào)節(jié)空調(diào)時(shí)誤觸了其他功能。

ERL技術(shù)就像給模型裝上了“自我糾錯(cuò)”的能力，它能自動(dòng)識(shí)別推理過(guò)程中的錯(cuò)誤步驟，將錯(cuò)誤內(nèi)容擦除并重新生成，從源頭阻斷錯(cuò)誤邏輯的擴(kuò)散。這項(xiàng)已被機(jī)器學(xué)習(xí)頂級(jí)會(huì)議ICLR 2026收錄的技術(shù)（論文鏈接：https://arxiv.org/abs/2510.00861），讓Sage在復(fù)雜任務(wù)上的完成率提升了20%，徹底解決了車(chē)載模型“容易出錯(cuò)”的痛點(diǎn)。

這兩項(xiàng)技術(shù)的核心價(jià)值，在于它們抓住了端側(cè)大模型的本質(zhì)需求——不是追求“參數(shù)最大”，而是追求“效率最優(yōu)”。

對(duì)于車(chē)企來(lái)說(shuō)，算力成本和量產(chǎn)可行性是首要考慮的因素，SCOUT和ERL的組合，既降低了訓(xùn)練和部署成本，又保證了任務(wù)執(zhí)行的穩(wěn)定性，這也是Sage能快速實(shí)現(xiàn)量產(chǎn)落地的關(guān)鍵。

03

Sage讓智能“落地生根”

對(duì)于普通用戶來(lái)說(shuō)，再多的評(píng)測(cè)數(shù)據(jù)和技術(shù)名詞，都不如真實(shí)的用車(chē)體驗(yàn)有說(shuō)服力。Sage的真正厲害之處，在于它已經(jīng)實(shí)現(xiàn)了量產(chǎn)部署，能把實(shí)驗(yàn)室里的性能，轉(zhuǎn)化為用戶能實(shí)實(shí)在在感受到的便利。

目前，Sage已經(jīng)在英偉達(dá)Orin X端側(cè)平臺(tái)實(shí)現(xiàn)部署，這意味著它能快速上車(chē)，適配絕大多數(shù)主流車(chē)載硬件。

在實(shí)際測(cè)試中，Sage的首字響應(yīng)時(shí)間（TTFT）僅約0.5秒，單Token推理延遲（TPOT）低至0.03秒，生成吞吐達(dá)到80 tk/S，平均任務(wù)時(shí)長(zhǎng)優(yōu)于主流API模型——也就是說(shuō)，你喊出指令后，幾乎沒(méi)有延遲，模型就能快速響應(yīng)并執(zhí)行。

具體到用車(chē)場(chǎng)景，Sage的表現(xiàn)堪稱(chēng)“貼心伙伴”。它能一次性解析你的復(fù)合指令，自動(dòng)聯(lián)動(dòng)導(dǎo)航、空調(diào)、影音等車(chē)載系統(tǒng)，完成全流程任務(wù)閉環(huán)，不用你反復(fù)喚醒、反復(fù)指令。

更智能的是，它能結(jié)合傳感器對(duì)乘員狀態(tài)與路況的感知，還能主動(dòng)提供兒童模式、智能路線調(diào)整等服務(wù)。

這背后，離不開(kāi)商湯絕影在車(chē)載場(chǎng)景的深厚積累。作為中國(guó)智能座艙AI軟件的領(lǐng)頭羊，商湯絕影的座艙AI軟件市場(chǎng)份額已連續(xù)5年位列行業(yè)第一，截至2024年底，已與超30家國(guó)內(nèi)外車(chē)企達(dá)成合作，覆蓋130余款車(chē)型，量產(chǎn)交付累計(jì)突破360萬(wàn)輛。

而Sage的發(fā)布，更是將這種優(yōu)勢(shì)進(jìn)一步放大——它可接入OpenClaw、Hermes等主流Agent框架，為更多車(chē)企提供核心支撐，覆蓋出行、家庭等全場(chǎng)景。

在北京車(chē)展期間，商湯絕影還將推出搭載Sage的Sage Box，這意味著很快，我們就能在更多新車(chē)上體驗(yàn)到這款“端側(cè)智能大腦”的實(shí)力，智能座艙也將正式從“基礎(chǔ)交互”向“高階艙駕融合智能體服務(wù)”跨越。

Sage的發(fā)布，給整個(gè)端側(cè)大模型行業(yè)帶來(lái)了一個(gè)重要啟示：端側(cè)智能的競(jìng)爭(zhēng)，正在從“參數(shù)競(jìng)賽”轉(zhuǎn)向“實(shí)用競(jìng)賽”。

過(guò)去幾年，大模型行業(yè)陷入了“參數(shù)越大越好”的怪圈，動(dòng)輒千億、萬(wàn)億參數(shù)的模型層出不窮，但很多模型只能停留在實(shí)驗(yàn)室里，無(wú)法實(shí)現(xiàn)量產(chǎn)落地，最終淪為“紙面實(shí)力”。

而Sage的成功，恰恰證明了“務(wù)實(shí)”才是端側(cè)大模型的核心競(jìng)爭(zhēng)力——它不追求參數(shù)規(guī)模，而是聚焦用戶真實(shí)需求和車(chē)企量產(chǎn)痛點(diǎn)，用合理的技術(shù)路線，實(shí)現(xiàn)了能力、成本與可行性的平衡。