3B激活參數！商湯絕影Sage登頂PinchBench，端側第一

新智元報道

編輯：YHluck

【新智元導讀】一個3B激活參數的端側模型，在全球Agent權威評測中，以94%任務完成率，超越了Claude、GPT-5.4、Gemini等國際主流云側和端側大模型。商湯絕影Sage來了，它不是「更聰明的語音助手「，而是第一個真正能在車里「辦成復雜事「的智能體基座。

有人可能不信。

一個部署在車端的小模型，憑什么在Agent評測上贏過Claude、GPT-5.4？

數字擺在這里——在公開Agent評測基準PinchBench上，商湯絕影Sage端側大模型最佳任務完成率：94%。

同場較量的對手？Claude-Opus-4.6（93.3%）、GPT-5.4（90.5%）、Google-Gemini-3（87.0%）、Qwen3.5-27B（90.0%）……全部落后。

這不是一場「以大打大」的勝利。

Sage的激活參數只有3B，總參數量32B（MoE架構）。而小米MiMo-v2-Pro的激活參數是42B、總參數規模超1T——Sage所需激活算力僅為其1/14，顯存占用約為其1/31，但在PinchBench上的任務完成率仍高出6.6個百分點。

1/14的算力，多出6.6個百分點。

這是什么概念？

這意味著一件事被徹底證明了：「只有大模型才能做好Agent任務」，這個判斷，錯了。

從「聽懂指令「到「說到做到」

座艙缺的從來不是語音

先說說這個問題的背景。

今天的智能座艙，卡在哪兒？

不是沒有AI，是AI「太淺了」。

用戶說「幫我訂今晚回北京的高鐵，順便把車內溫度調低兩度」——現有的語音助手，大概率會拆解成兩件事分開問你確認，甚至直接說「我不太明白您的意思」。

這叫「能聽懂指令」，但不叫「能辦成一件復雜的事」。

真正的Agent能力，需要模型跨越多個步驟、多個工具、多輪推理，最終完成任務閉環。這種能力，過去只存在于云端大模型里。

原因很直接：車端芯片算力有限，大參數模型跑不動；小模型又沒有足夠的推理深度。

智能座艙因此陷入兩難：

依賴云端：有延遲、有成本、有斷網風險； 堅守端側：有響應速度，但沒有真正的智能體能力。

Sage的發布，第一次打破了這個僵局。

效果先看

Sage在車里能「干」什么

空談技術路線，不如先看能力。

場景一：復合指令一次解析，多系統自動聯動

用戶說：「今晚出門晚，車內預熱一下，幫我把導航設回家，音樂切換到輕松一點的。」

Sage不需要用戶一句一句確認。

它一次性解析復合指令，自動聯動空調、導航、音樂三個系統，完成任務閉環——整個流程，首字響應約0.5秒，用戶幾乎感覺不到「等待」。

場景二：主動感知，不等喚醒

后排坐著孩子，傳感器檢測到，Sage主動觸發兒童模式：鎖定車窗控制權、切換適齡內容、調整音量上限。

沒有人喚醒它，它已經做了。

場景三：實時路況判斷，主動提出方案

進入擁堵路段，結合實時路況感知，Sage主動問：「當前路段預計延誤23分鐘，是否切換到備選路線？」

不只是回答，而是主動發起。

這三個場景，指向同一個能力轉變：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、會主動思考的出行伙伴。

在OrinX平臺部署下，Sage可實現首字響應（TTFT）約0.5秒、單Token推理延遲（TPOT）低至0.03秒、生成吞吐達到80tk/s，平均任務時長優于主流API模型，保證座艙體驗的穩定性和實時感。

兩項黑科技

一個讓它「學得快」

一個讓它「做事不出錯」

Sage在PinchBench跑贏一眾大模型的背后，真正的功臣是商湯絕影自研的兩項后訓練技術：SCOUT和ERL。

SCOUT：省60%算力，讓車載AI快速「學會」復雜出行任務

全稱：Sub-Scale Collaboration on Unseen Tasks（分級協同學習框架）。

它解決的是一個工程現實問題——讓大模型學習復雜任務，太貴了。

出行場景涉及空間規劃、多設備聯動、多步決策，直接讓大模型在真實任務中自己反復試錯，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跑一遍，把走得通的路徑篩出來，再把這些高價值經驗喂給大模型學習。

用類比來說，就是「小模型先探路、踩雷、找通道，大模型再吸收精華、直接上手」。

結果是：在復雜任務能力注入過程中，GPU小時消耗節省約60%，同時快速掌握更多真實用車場景技能。

技術論文已上傳arXiv：https://arxiv.org/abs/2601.21754

ERL：讓模型「邊想邊糾錯」，任務完成率提升20%

全稱：Erasable Reinforcement Learning（可擦除強化學習）。

這項技術已被機器學習頂級會議ICLR 2026收錄。

它解決的核心問題是：復雜任務鏈路里，一步出錯，全盤崩。

用戶說一句話，模型可能需要10步推理和執行。哪怕第7步偏了一點，前面6步的努力就白費，整個任務流程失效。

ERL讓模型能夠自動識別推理過程中的錯誤步驟，對錯誤內容進行擦除并重新生成，從源頭阻斷偏差擴散——就像給推理過程裝上了「實時橡皮擦」。

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，裝車后復雜任務完成率提升20%。

技術論文已上傳arXiv：https://arxiv.org/abs/2510.00861

SCOUT負責學習效率，ERL負責執行穩定性，兩項技術前后協同，共同推動Sage從語言大模型演進為能獨立完成復雜任務的智能體。

能力天花板

Sage和同級端側旗艦的差距有多大

PinchBench上的94%是綜合結果，具體能力維度上，Sage和行業參照點的差距更直觀。

對比對象：Google-Gemma4——本月最新發布的同量級端側旗艦。

跨學科專業知識（MMLUPro）：Sage 76分，領先同級端側模型約10%。端側模型，已具備云端級通用知識密度。

研究生級專業推理（GPQA Diamond）：Sage 77分，提升33%。這是考察深度推理的維度，也是Agent能否應對復雜決策的關鍵。

座艙語義與視覺理解（Human Semantic Understanding）：Sage 91分，提升32%。依托原生車載數據建立的差異化優勢，直接影響真實座艙體驗。

工具調用與任務閉環（τ2-bench）：Sage 80分，較Gemma4提升38%，接近翻倍領先。

最后這個數字值得單獨說一下。

τ2-bench，專門評估模型調用工具、走完多步任務的實戰能力——也就是「會聊天」和「會辦事」之間的分水嶺。

接近翻倍的領先，直接印證了Sage作為端側智能體基座在真實任務執行上的核心優勢。

市場轉折點

汽車AI的上半場，靠指令

下半場，靠Agent

為什么「端側Agent基座」這件事，現在重要？

先看一組行業現實。

當前搭載了「智能語音」的汽車，普遍存在同一個用戶體驗瓶頸：語音助手能聽，但不能想；能應答，但不能執行；能單步，但不能多步。

這不是某一家車企的問題，是整個行業在AI算力、模型能力和車端部署之間的結構性矛盾。

依賴云端方案的代價在放大：每次對話都要消耗Token，單任務token消耗就可達數十萬量級；網絡抖動就會影響體驗；數據隱私也是潛在風險。

端側部署才是量產落地的唯一可行路徑——但端側模型的能力天花板，一直是整個行業的卡脖子問題。

Sage的出現，正好踩在這個時間窗口。

Sage可接入OpenClaw、Hermes等主流Agent框架，不只是一個座艙大模型，而是一個為更多端側智能體落地提供核心支撐的基座——可覆蓋出行、家庭等全場景智能體部署。

北京車展期間，商湯絕影將正式推出搭載Sage端側多模態智能體基座大模型的SageBox，為汽車邁入超級智能體時代打下技術底座。

這意味著，車企在引入端側Agent能力時，有了一套經過全球評測驗證的量產方案。

商湯絕影

從「懂AI」到「懂車AI」的技術積累

Sage不是一款從零起步的產品。

它背后是商湯絕影多年在汽車AI領域的技術沉淀——從智能駕駛感知到座艙語義理解，再到今天的端側智能體基座，每一步都在向「真正懂車、懂人、懂場景」靠近。

Sage之所以能在Human Semantic Understanding（座艙語義與視覺理解）上拿到91分、提升32%，正是原生車載數據訓練的結果。

通用大模型的訓練數據里，沒有「車內乘員狀態感知」，沒有「駕駛場景多步決策」，沒有「空調+導航+影音聯動」這種出行場景特有的任務鏈路。

Sage有。

這種原生優勢，不是靠刷榜刷出來的，是靠在真實出行場景里長期訓練出來的。

智能座艙

正在迎來它真正的「奇點時刻」

回頭看汽車AI的發展歷程。

第一階段：語音識別，能聽懂人話。

第二階段：語音助手，能應答簡單指令。

第三階段：大模型接入，能對話、能聊天。

現在，第四階段來了——

能獨立規劃、能多步執行、能主動感知、能在車端實時完成復雜任務的端側智能體。

Sage代表的技術方向，不只是「更聰明的語音助手」，而是從根本上改變人與汽車的協作方式。

用戶不再需要把一件事拆成十個指令說給汽車聽，汽車開始真正理解「你想要什么」，然后想辦法幫你做到。

3B激活參數贏過了一眾云端旗艦，這個結果告訴行業：智能座艙的上限，不在云端，在端側原生技術路線上還有更多可能。

SageBox即將亮相北京車展。

下一代汽車AI的樣子，已經在那里了。