2026 年 4 月 22 日：端侧智能体的新纪元，由商汤绝影开启

就在今天，商汤绝影正式发布了其端侧多模态智能体基座大模型——Sage。这款模型采用了高效的MoE架构，总参数量达到320亿，但激活参数仅为30亿。它的意义何在？简单说，这是行业内首款能在车端实现复杂智能体能力的基座大模型。更令人瞩目的是，在权威的PinchBench评测中，其性能甚至领跑全球一线的云端大模型。目前，Sage已在英伟达Orin X端侧平台上成功部署，标志着技术从云端到车端的实质性跨越。

当前，AI已全面进入智能体时代。然而，汽车的复杂智能体能力长期依赖云端，端侧模型则受限于算力和参数规模，往往只能完成简单的指令响应。这导致智能座舱陷入一个两难境地：依赖云端，就要忍受延迟和高昂的Token成本；坚守端侧，却又缺失了真正的智能体能力。Sage的发布，恰恰打破了这一僵局，首次将云端级别的智能体能力，实实在在地落地到了端侧。

作为端侧智能体的基座，Sage可以无缝接入OpenClaw、Hermes等主流Agent框架，为更多端侧智能体的落地提供了核心支撑，其应用潜力足以覆盖出行、家庭等全场景。

实力印证：PinchBench上的领跑者

口说无凭，实力需要验证。Sage的能力，已经在国际公开评测中得到了有力印证。在公开的Agent评测基准PinchBench中，Sage端侧大模型的最佳任务完成率达到了惊人的94%。这个数字意味着什么？它超越了包括Claude-Opus-4.6（93.3%）、Claude-Sonnet-4.6（88.0%）、GPT-5.4（90.5%）、Google-Gemini-3（87.0%）、Google-Gemma-4（83.9%）、Qwen3.5-27B（90.0%）、MiniMax-M2.7（89.8%）、MiMo-v2-Pro（87.4%）在内的众多国际主流云侧和端侧大模型。

这里有一个关键点值得玩味：Sage仅以30亿激活参数的小体量，就超越了众多参数庞大的云侧旗舰模型。这无疑打破了“只有大模型才能做好智能体任务”的惯性认知，彰显了端侧原生技术路线的高效优势。举个例子，小米MiMo-v2-Pro的激活参数高达420亿，总参数规模超过1万亿。相比之下，Sage的激活参数仅为30亿，所需激活算力仅为前者的1/14；若按模型权重规模近似估算，显存占用更是只有其1/31。然而，在PinchBench上的最佳任务完成率，Sage反而高出6.6个百分点。效率与性能的平衡，由此可见一斑。

或许你会问，PinchBench究竟有何特别之处？这个由“龙虾之父”Peter Steinberger推荐的公开Agent评测基准，其核心在于面向真实的工作流。它不依赖静态题库，而是随着公开任务库的扩充和版本迭代不断演进。其任务库覆盖写作、研究、编码、分析、邮件处理、文件处理、日程管理、记忆与技能调用等典型场景，重点考察模型在工具调用、多步推理和任务闭环执行中的综合能力。

与此同时，PinchBench要求模型完成真实的任务执行，并综合衡量成功率、速度与成本。因此，其测试周期更长、资源消耗也更高，单任务的token消耗可达数十万量级。也正因如此，模型在PinchBench上取得的精度表现，更能真实反映其在复杂现实场景中的综合能力与稳定性。

据悉，在北京车展期间，商汤绝影将正式推出搭载Sage端侧多模态智能体基座大模型的Sage Box，这无疑是为汽车迈入超级智能体时代，筑牢了核心根基。

凭借两大黑科技，Sage 让座舱从“听懂指令”到“说到做到”

Sage能在PinchBench上跑赢一众国际对手，背后的功臣是商汤绝影在模型后训练阶段自研的两项关键技术：SCOUT和ERL。

以SCOUT和ERL为核心的后训练技术体系，堪称“黄金搭档”：一项让模型“学得又快又省”，另一项让模型“做事不出错”。它们重点突破了智能体在学习效率、训练成本和复杂任务稳定执行上的行业挑战，解决了让车载大模型从“能听懂指令”进化到“能独立办成一件复杂的事”这一公认难题。

SCOUT：让大模型学复杂任务，省 60% 算力

SCOUT（分级协同学习框架）技术，主要解决大模型学习复杂出行场景任务时成本高、试错慢的痛点。在复杂任务能力注入过程中，它可节省约60%的GPU小时消耗。

道理很简单：很多任务涉及空间规划、设备联动、多步决策，如果直接让大模型自己试错学习，过程既缓慢又极其消耗算力。SCOUT的思路很巧妙，叫做“探路与吸收解耦”——先派遣一个轻量级的小模型在任务环境中快速探索一遍，把那些走得通的路径筛选出来，然后再将这些高价值的“经验包”喂给大模型学习。这就形成了“小模型先探路，大模型再吸收”的高效学习机制，在显著降低训练成本的同时，也能让大模型更快地掌握更多真实用车场景技能。

（上述技术成果论文已上传arXiv：https://arxiv.org/abs/2601.21754）

ERL：让模型自己擦掉错误步骤，任务成功率提升 20%

另一项已被机器学习顶级会议ICLR 2026收录的技术，是ERL（可擦除强化学习）。它聚焦于复杂任务链路中的错误识别与纠偏。用户在真实场景中提出的需求，往往需要模型进行多步骤的推理和执行，中间任何一步出现偏差，都可能导致整个任务失败。

ERL的妙处在于，它让模型能够自动识别推理过程中的错误步骤，并对错误内容进行“擦除”并重新生成，从而从源头阻断偏差的扩散。这就像是给模型装上了“边思考边纠错”的能力。这项技术让Sage在多跳复杂推理基准上较此前的最佳水平取得了显著提升。装车实测数据显示，Sage在复杂任务上的完成率提升了20%。

（上述技术成果论文已上传arXiv：https://arxiv.org/abs/2510.00861）

SCOUT和ERL两项技术前后协同，共同推动Sage从语言大模型演进为能够独立完成复杂任务的智能体。再叠加一体化多模态架构与原生训练数据的优势，Sage在能力、成本与量产可行性之间找到了绝佳的平衡点，为打造真正的智能体中枢提供了核心的AI支撑。

端侧跑出全球领先能力，Sage 定义智能上限

如果说PinchBench上94%的任务完成率证明了Sage“能办成复杂的事”，那么，真正决定座舱体验好坏的，是模型在各个专业维度上是否都“够用、够稳、够聪明”。在多项不同能力维度的公开基准测试中，Sage全面领先于本月最新发布的同量级端侧旗舰模型Google-Gemma4，将端侧模型的能力天花板提升到了一个新的高度。

具体来看：在MMLU Pro（跨学科专业知识）测试中，Sage获得76分，领先同级端侧模型约10%，这证明了端侧模型同样具备云端级别的通用知识密度；在GPQA Diamond（研究生级专业推理）测试中，Sage获得77分，提升幅度达33%，凸显了其在复杂推理上的深度；在Human Semantic Understanding（座舱语义与视觉理解）测试中，Sage获得91分，提升32%，这得益于其原生数据建立的独特优势。

尤其在重点考察任务执行能力的τ2-bench（工具调用与任务闭环）基准上，Sage以80分的成绩，相较Gemma 4实现了38%的提升，接近翻倍领先。这项基准专门评估模型调用工具、走完多步任务的实战能力，可以说是区分“会聊天的模型”与“会办事的智能体”的关键分水岭。τ2-bench上近一倍的领先优势，直接印证了Sage作为端侧智能体基座，在真实任务执行环节上的绝对实力。

从专业基准到场景体验：Sage 真正“懂场景、会思考、能服务”

这些冷冰冰的基准分数，最终要转化为真实的用户体验。落到真实车舱场景中，Sage的表现如何？数据显示，其场景推理精度超过90%，长链路工具调用、逻辑规划、环境感知任务成功率分别达到92%、89%、94%，复杂指令遵循率提升了40%。

在Orin X平台部署下，Sage可实现首字响应时间约0.5秒、单Token推理延迟低至0.03秒、生成吞吐达到80 tk/S，平均任务时长优于主流API模型。这些指标为座舱智能体提供了稳定、实时、可持续在线的运行能力。

这意味着什么？意味着模型可以一次性解析用户“打开空调、播放音乐、导航到公司，顺便提醒我下午三点开会”这样的复合指令，并自动联动空调、影音、导航等车载系统，一气呵成地完成任务闭环。结合传感器对乘员状态与路况的感知，它还能主动提供儿童模式、智能路线调整等贴心服务。

至此，Sage已经不再是那个“被动唤醒、单次响应”的语音助手，而是一个真正懂场景、会思考、能服务的出行伙伴。

总而言之，商汤绝影Sage端侧多模态智能体基座大模型，为舱驾一体方案打通了一条量产可行的模型路径，打破了技术与落地之间的最后壁垒，正在推动智能座舱从基础交互，向高阶的舱驾融合智能体服务时代跨越。