商湯絕影發(fā)布端側多模態(tài)智能體基座大模型Sage ，PinchBench實測94%最佳任務完成率領跑主流大模型

【TechWeb】2026 年 4 月 22 日——商湯絕影正式發(fā)布端側多模態(tài)智能體基座大模型 Sage。Sage 采用 MoE 架構，總參數(shù)量為 32B，激活參數(shù)僅 3B ，是行業(yè)內(nèi)首款在車端實現(xiàn)復雜智能體能力的基座大模型，在 PinchBench 上性能領跑全球一線云端大模型，已在英偉達 Orin X 端側平臺實現(xiàn)部署。

AI 全面進入智能體時代，而汽車的復雜智能體能力依賴云端，端側模型受算力與參數(shù)限制，僅能實現(xiàn)簡單指令響應。智能座艙因此陷入兩難，依賴云端則有延遲與高 Token 成本，堅守端側則缺失真正智能體能力。Sage 的發(fā)布打破這一格局，首次將云端級智能體能力落地端側。

作為端側智能體基座，Sage 可接入 OpenClaw、Hermes 等主流 Agent 框架，為更多端側智能體落地提供核心支撐，可覆蓋出行、家庭等全場景。

Sage 的實力，已在國際公開評測中得到印證。在公開 Agent 評測基準 PinchBench 中，Sage 端側大模型最佳任務完成率達到 94%，超越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%）等國際主流云側和端側大模型。

Sage 以僅3B激活的小參數(shù)量，超越眾多大參數(shù)量云側旗艦，打破 “只有大模型才能做好智能體任務” 的慣性認知，彰顯端側原生技術路線的高效優(yōu)勢。以 小米MiMo-v2-Pro 為例，其激活參數(shù)為 42B、總參數(shù)規(guī)模超 1T，而 Sage 激活參數(shù)僅 3B，所需激活算力僅為其 1/14；若按模型權重規(guī)模近似估算，顯存占用約為其 1/31，但在 PinchBench 上的最佳任務完成率仍高出 6.6 個百分點。

PinchBench 是龍蝦之父Peter Steinberger推薦的公開 Agent 評測基準。作為面向真實 Agent工作流的評測榜單，PinchBench 不依賴固定不變的靜態(tài)題庫，而是隨著公開任務庫持續(xù)擴充和版本迭代不斷演進。其公開任務庫覆蓋寫作、研究、編碼、分析、郵件、文件處理、日程管理、記憶與技能調(diào)用等典型場景，重點考察模型在工具調(diào)用、多步推理和任務閉環(huán)執(zhí)行中的綜合能力。

與此同時，PinchBench 評測要求模型完成真實任務執(zhí)行，并綜合衡量成功率、速度與成本，因此測試周期更長、資源消耗更高，單任務token消耗就可達數(shù)十萬量級。正因如此，模型在 PinchBench 上取得的精度表現(xiàn)，更能體現(xiàn)其在復雜真實場景中的綜合能力與穩(wěn)定性。

在北京車展期間，商湯絕影將正式推出搭載 Sage 端側多模態(tài)智能體基座大模型的Sage Box，為汽車邁入超級智能體時代筑牢核心根基。

憑借兩大黑科技，Sage 讓座艙從“聽懂指令”到“說到做到”

Sage 端側大模型在 PinchBench跑贏一眾國際主流云/端大模型背后真正的功臣，是商湯絕影圍繞 Sage 后訓練階段自研的兩項關鍵技術：SCOUT 和 ERL。

以 SCOUT 和 ERL 為核心的后訓練技術體系，一項讓模型"學得又快又省"，一項讓模型"做事不出錯"，重點突破智能體在學習效率、訓練成本和復雜任務穩(wěn)定執(zhí)行上的行業(yè)挑戰(zhàn)，解決了讓車載大模型從"能聽懂指令"進化到"能獨立辦成一件復雜的事"的行業(yè)公認難題。

SCOUT：讓大模型學復雜任務，省 60% 算力

SCOUT（Sub-Scale Collaboration On Unseen Tasks，分級協(xié)同學習框架） 技術重點解決大模型學習復雜出行場景任務時成本高、試錯慢的問題，在復雜任務能力注入過程中可節(jié)省約 60% 的 GPU 小時消耗。

很多任務涉及空間規(guī)劃、設備聯(lián)動、多步?jīng)Q策，直接讓大模型自己試錯學習，既慢又燒算力。SCOUT 的思路是"探路與吸收解耦"——先派一個輕量小模型快速在任務里跑一遍，把走得通的路徑篩出來，再把這些高價值經(jīng)驗喂給大模型學習，形成"小模型先探路，大模型再吸收"的學習機制，在降低訓練成本的同時，也能夠快速掌握更多真實用車場景技能。

ERL：讓模型自己擦掉錯誤步驟，任務成功率提升 20%

已被機器學習頂級會議 ICLR 2026 收錄的ERL（Erasable Reinforcement Learning，可擦除強化學習） 技術，聚焦復雜任務鏈路中的錯誤識別與糾偏。用戶在真實使用中提出的需求，往往需要模型跨多個步驟完成推理和執(zhí)行，中間一旦某一步出現(xiàn)偏差，整個任務流程就可能失效。

ERL 讓模型能夠自動識別推理過程中的錯誤步驟，對錯誤內(nèi)容進行擦除并重新生成，從源頭阻斷偏差擴散，就像給模型裝上了"邊想邊糾錯"的能力。這項技術讓 Sage 在多跳復雜推理基準上較此前 SOTA 取得顯著提升，裝車后 Sage 在復雜任務上的完成率提升了 20%。

SCOUT 和 ERL 兩項技術前后協(xié)同共同推動 Sage 從語言大模型演進為能夠獨立完成復雜任務的智能體。疊加一體化多模態(tài)架構與原生訓練數(shù)據(jù)的優(yōu)勢，Sage 在能力、成本與量產(chǎn)可行性之間取得了平衡，為打造智能體中樞提供了核心 AI 支撐。

端側跑出全球領先能力，Sage 定義智能上限

如果說 PinchBench 94% 的任務完成率證明了 Sage 能"辦成復雜的事"，那么真正決定座艙體驗的，是模型在各個專業(yè)維度上是不是都"夠用、夠穩(wěn)、夠聰明"。不同能力維度的公開基準上，Sage 全面領先本月最新發(fā)布的同量級端側旗艦模型 Google-Gemma4，把端側模型的能力天花板抬到了一個新的水位。

MMLU Pro（跨學科專業(yè)知識）測試中，Sage 獲 76 分，領先同級端側模型約 10%，證明端側模型具備云端級通用知識密度；GPQA Diamond（研究生級專業(yè)推理）測試中，Sage 獲得 77 分，提升 33%，凸顯復雜推理深度；Human Semantic Understanding（座艙語義與視覺理解）測試中獲 91 分，提升 32%，依托原生數(shù)據(jù)建立獨特優(yōu)勢。

在重點考察任務執(zhí)行能力的 τ2-bench（工具調(diào)用與任務閉環(huán)）基準上，Sage 以 80 分的成績相較 Gemma 4 實現(xiàn) 38% 的提升，接近翻倍領先。這項基準專門評估模型調(diào)用工具、走完多步任務的實戰(zhàn)能力，也是區(qū)分"會聊天的模型"與"會辦事的智能體"的關鍵分水嶺。τ2-bench 上近一倍的領先，直接印證了 Sage 作為端側智能體基座在真實任務執(zhí)行環(huán)節(jié)上的絕對優(yōu)勢。

從專業(yè)基準到場景體驗：Sage 真正"懂場景、會思考、能服務"

這些專業(yè)能力落到真實車艙，轉化為一組直接影響用戶體驗的指標：Sage 場景推理精度超過 90%，長鏈路工具調(diào)用、邏輯規(guī)劃、環(huán)境感知任務成功率分別達 92%、89%、94%，復雜指令遵循率提升 40%。

在 Orin X 平臺部署下，Sage 可實現(xiàn)首字響應（TTFT）約0.5秒、單 Token 推理延遲（TPOT）低至0.03秒、生成吞吐達到80 tk/S，平均任務時長優(yōu)于主流API 模型，為座艙智能體提供穩(wěn)定、實時、可持續(xù)在線的運行能力。

模型可以一次性解析用戶的復合指令，自動聯(lián)動空調(diào)、影音、導航等車載系統(tǒng)完成任務閉環(huán)；結合傳感器對乘員狀態(tài)與路況的感知，還能主動提供兒童模式、智能路線調(diào)整等服務。Sage 不再是"被動喚醒、單次響應"的語音助手，而是一個真正懂場景、會思考、能服務的出行伙伴。

商湯絕影 Sage 端側多模態(tài)智能體基座大模型為艙駕一體方案打通了量產(chǎn)可行的模型路徑，打破了技術與落地之間的壁壘，推動智能座艙從基礎交互向高階艙駕融合智能體服務跨越。