商湯絕影近日正式推出端側(cè)多模態(tài)智能體基座大模型Sage，這款采用MoE架構(gòu)的模型總參數(shù)量達(dá)32B，但激活參數(shù)僅3B，成為全球首款在車端實(shí)現(xiàn)復(fù)雜智能體能力的基座大模型。通過在英偉達(dá)Orin X端側(cè)平臺(tái)的部署，Sage成功突破了傳統(tǒng)端側(cè)模型僅能響應(yīng)簡(jiǎn)單指令的局限，將云端級(jí)智能體能力首次落地于車載場(chǎng)景。

在智能座艙領(lǐng)域，云端依賴與端側(cè)能力不足的矛盾長(zhǎng)期存在。云端模型雖具備復(fù)雜任務(wù)處理能力，但面臨延遲高、Token成本昂貴等問題；端側(cè)模型受限于算力與參數(shù)規(guī)模，僅能執(zhí)行基礎(chǔ)指令交互。Sage的發(fā)布打破了這一技術(shù)僵局，其核心優(yōu)勢(shì)在于通過3B激活參數(shù)實(shí)現(xiàn)了超越云端大模型的性能表現(xiàn)。在PinchBench公開評(píng)測(cè)中，Sage以94%的任務(wù)完成率領(lǐng)先Claude-Opus-4.6、GPT-5.4等國(guó)際主流模型，同時(shí)顯存占用僅為42B激活參數(shù)的MiMo-v2-Pro的1/31，算力消耗降低至其1/14。

這款模型的技術(shù)突破源于兩項(xiàng)自研后訓(xùn)練技術(shù)：SCOUT分級(jí)協(xié)同學(xué)習(xí)框架與ERL可擦除強(qiáng)化學(xué)習(xí)。SCOUT通過"小模型探路-大模型吸收"的機(jī)制，將復(fù)雜任務(wù)學(xué)習(xí)成本降低60%，有效解決了車載場(chǎng)景中空間規(guī)劃、設(shè)備聯(lián)動(dòng)等任務(wù)的訓(xùn)練難題。ERL技術(shù)則賦予模型自我糾錯(cuò)能力，可自動(dòng)識(shí)別并擦除推理過程中的錯(cuò)誤步驟，使復(fù)雜任務(wù)成功率提升20%。這兩項(xiàng)技術(shù)協(xié)同作用，推動(dòng)Sage從語言模型進(jìn)化為具備獨(dú)立任務(wù)閉環(huán)能力的智能體。

在專業(yè)能力維度上，Sage展現(xiàn)出全面領(lǐng)先優(yōu)勢(shì)。MMLU Pro跨學(xué)科測(cè)試中取得76分，較同級(jí)端側(cè)模型提升10%；GPQA Diamond研究生級(jí)推理測(cè)試得分77分，提升幅度達(dá)33%；座艙語義與視覺理解測(cè)試以91分領(lǐng)先，證明其在多模態(tài)感知方面的獨(dú)特優(yōu)勢(shì)。特別在τ2-bench工具調(diào)用基準(zhǔn)上，Sage以80分實(shí)現(xiàn)38%的顯著提升，展現(xiàn)出強(qiáng)大的任務(wù)執(zhí)行能力。

實(shí)際場(chǎng)景應(yīng)用中，Sage實(shí)現(xiàn)了90%以上的場(chǎng)景推理精度，長(zhǎng)鏈路工具調(diào)用成功率達(dá)92%，環(huán)境感知任務(wù)成功率94%。在Orin X平臺(tái)部署下，模型首字響應(yīng)時(shí)間約0.5秒，單Token推理延遲低至0.03秒，生成吞吐達(dá)80 tk/S。這些性能指標(biāo)使其能夠?qū)崟r(shí)解析用戶復(fù)合指令，自動(dòng)聯(lián)動(dòng)空調(diào)、導(dǎo)航等車載系統(tǒng)，甚至根據(jù)乘員狀態(tài)與路況主動(dòng)提供兒童模式、智能路線調(diào)整等服務(wù)。

作為智能座艙的技術(shù)基石，Sage已形成完整的生態(tài)支撐能力。該模型可無縫接入OpenClaw、Hermes等主流Agent框架，覆蓋出行、家庭等全場(chǎng)景應(yīng)用。在北京車展期間，商湯絕影將推出搭載Sage的Sage Box硬件方案，為艙駕一體化的量產(chǎn)落地提供核心AI支撐，推動(dòng)智能座艙從基礎(chǔ)交互向高階艙駕融合服務(wù)跨越。