Sage – 商湯絕影推出的端側多模態智能體基座大模型

Sage是什麼

Sage是商湯絕影推出的端側多模態智能體基座大模型，採用MoE架構，總參數32B、激活參數僅3B，模型已在英偉達Orin X平台部署。在PinchBench評測中任務完成率達94%，超越Claude-Opus-4.6、GPT-5.4等雲端旗艦。Sage搭載SCOUT與ERL兩項後訓練技術，支持複合指令解析、多系統聯動與主動感知，爲智能座艙提供雲端級Agent能力。

Sage的主要功能

• 複合指令解析：支持一次性解析用戶多意圖複合指令，自動聯動空調、導航、影音等車載系統完成任務閉環。
• 主動感知服務：結合傳感器實時感知乘員狀態與路況，主動觸發兒童模式、路線調整等場景化服務。
• 多模態座艙理解：依託原生車載數據，實現座艙語義與視覺理解，精準識別車內環境與用戶需求。
• 工具調用與任務閉環：支持長鏈路工具調用與多步推理，在τ2-bench基準上實現80分，具備真正的智能體執行能力。
• 端側實時響應：Orin X平台首字響應約0.5秒，單Token延遲0.03秒，生成吞吐80 tk/s，無需依賴雲端。

Sage的技術原理

• MoE稀疏激活架構：總參數32B，激活參數僅3B，通過稀疏激活機制在端側有限算力下實現高效推理。
• SCOUT分級協同學習：採用”小模型探路、大模型吸收”的分級協同機制，在複雜任務訓練中節省約60% GPU小時消耗。
• ERL可擦除強化學習：模型自動識別推理鏈中的錯誤步驟並擦除重生成，阻斷偏差擴散，複雜任務完成率提升20%。
• 一體化多模態架構：融合視覺、語言與傳感器數據的原生訓練體系，針對車載場景構建差異化理解能力。

如何使用Sage

模型現已在英偉達 Orin X 端側平台實現部署。

Sage的關鍵信息和使用要求

• 模型架構： MoE架構，總參數32B，激活參數3B。
• 部署平台： 已在英偉達Orin X端側平台實現部署。
• 評測成績： PinchBench最佳任務完成率94%，超越Claude-Opus-4.6、GPT-5.4等主流模型。
• 硬件產品： 北京車展期間推出搭載Sage的SageBox。
• 適用對象： 主要面向車企、Tier 1供應商及端側智能體開發者。
• 網絡要求： 端側部署，無需依賴雲端網絡連接即可運行。
• 框架兼容： 支持接入OpenClaw、Hermes等主流Agent框架。

Sage的核心優勢

• 端側性能領先：用3B激活參數在PinchBench上達到94%任務完成率，超越衆多大參數雲端旗艦模型。
• 極致效率比：相比MiMo-v2-Pro（激活42B），Sage激活算力僅爲其1/14，顯存佔用約1/31，性能高出6.6個百分點。
• 訓練成本優化：SCOUT技術節省約60%複雜任務訓練GPU小時，降低模型後訓練成本。
• 推理糾錯能力：ERL技術實現推理過程中錯誤步驟的自動識別與擦除，從源頭阻斷任務失敗。
• 原生車載數據優勢：Human Semantic Understanding測試獲91.5分，領先同級端側模型32%，深度理解座艙場景。
• 量產可行性：已在Orin X平台驗證部署，具備車規級量產條件。

Sage的同類競品對比

Sage的應用場景

• 智能座艙交互： 用戶通過自然語言發出複合指令，Sage一次性解析並聯動空調、導航、音樂等多個車載系統完成服務閉環。
• 兒童安全守護： 後排傳感器檢測到兒童乘坐時，Sage主動觸發兒童模式，自動鎖定車窗、切換適齡內容並限制音量。
• 智能出行規劃： 結合實時路況與用戶需求，Sage主動推薦最優路線並在擁堵時提供備選方案，實現從被動響應到主動服務的轉變。
• 艙駕一體服務： 作爲艙駕融合方案的核心AI支撐，Sage打通座艙交互與駕駛感知，提供全場景智能體服務。