Sage - SenseTimeの大規模エッジサイドマルチモーダルインテリジェントエージェントベースモデル

Sageとは何ですか？

Sageは、SenseTimeのJueyingプラットフォームが開発した、大規模なエッジサイドマルチモーダルインテリジェントエージェントプラットフォームモデルです。MoEアーキテクチャを採用し、パラメータ総数は32バイト、アクティベーションパラメータはわずか3バイトです。NVIDIA Orin Xプラットフォームに展開されており、PinchBenchベンチマークでは、Claude-Opus-4.6やGPT-5.4といったクラウドベースのフラッグシップモデルを凌駕する94%のタスク完了率を達成しました。Sageは、SCOUTとERLのポストトレーニング技術を組み込んでおり、複合命令解析、マルチシステム連携、プロアクティブ認識をサポートし、インテリジェントコックピット向けにクラウドレベルのエージェント機能を提供します。

Sageの主な機能

• 複合命令の解析複数のユーザー意図コマンドを一度に解析し、エアコン、ナビゲーション、オーディオビジュアルシステムなどの車載システムを自動的に連携させてタスクループを完了させることをサポートします。
• プロアクティブセンシングサービスセンサーを組み合わせて乗客の状態や道路状況をリアルタイムで把握することで、チャイルドモードやルート調整といったシナリオに基づいたサービスを事前に起動できる。
• マルチモーダルなコックピット理解車載ネイティブデータを活用することで、車内空間の意味的・視覚的な理解を可能にし、車内環境とユーザーのニーズを正確に特定します。
• ツールの呼び出しとタスクの終了長リンクツール呼び出しとマルチステップ推論をサポートし、τ2-benchベンチマークで80のスコアを達成しており、真のエージェント実行機能を備えています。
• エッジでのリアルタイム応答Orin Xプラットフォームは、クラウドに依存せずに、ファーストワード応答時間が約0.5秒、シングルトークン遅延が0.03秒、生成スループットが80トークン/秒を実現しています。

Sageの技術原則

• MoEスパース活性化アーキテクチャパラメータの総数は32Bで、活性化パラメータはわずか3Bです。疎な活性化メカニズムにより、エッジにおける限られた計算能力の下で効率的な推論を実現します。
• SCOUTによる段階的な協働学習本システムは「小規模モデルの探索と大規模モデルの吸収」という階層的な協調メカニズムを採用しており、複雑なタスクのトレーニングにおいてGPU時間を約60%削減します。
• ERL（消去可能な強化学習）このモデルは、推論過程における誤ったステップを自動的に識別して削除することで、バイアスの拡散を防ぎ、複雑なタスクの完了率を20%向上させます。
• 統合型マルチモーダルアーキテクチャ車載シナリオにおける差別化された理解能力を構築するために、視覚データ、言語データ、センサーデータを統合するネイティブトレーニングシステム。

Sageの使い方

このモデルは現在、NVIDIA Orin Xエッジプラットフォームに展開されています。

Sageの主要情報と使用要件

• モデルアーキテクチャ： MoEアーキテクチャ、総パラメータ数32B、活性化パラメータ数3B。
• 展開プラットフォーム: これはNVIDIA Orin Xエッジプラットフォームに導入されています。
• 評価結果： PinchBenchは、タスク完了率94%という最高値を達成し、Claude-Opus-4.6やGPT-5.4といった主流モデルを凌駕した。
• ハードウェア製品： Sageを搭載したSageBoxは、北京モーターショーで発表された。
• 対象読者： 主な対象顧客は、自動車メーカー、ティア1サプライヤー、およびエッジインテリジェントエージェント開発者です。
• ネットワーク要件: デバイス側に展開でき、クラウドネットワーク接続に依存せずに実行できます。
• フレームワークの互換性: OpenClawやHermesといった主要なエージェントフレームワークとの統合をサポートしています。

Sageの主な利点

• エンドサイドでのトップパフォーマンス3B活性化パラメータを使用することで、PinchBenchにおいて94%のタスク完了率を達成し、多くの高パラメータクラウドフラッグシップモデルを凌駕した。
• 究極の効率比MiMo-v2-Pro（42Bアクティベーション）と比較すると、Sageのアクティベーション処理能力はわずか1/14、メモリ使用量は約1/31であり、パフォーマンスは6.6パーセントポイント向上しています。
• 研修コストの最適化SCOUTテクノロジーは、複雑なタスクのトレーニングにおいてGPUの使用時間を約60%削減し、トレーニング後のコストも削減します。
• 推論能力と誤り訂正能力ERL技術は、推論プロセス中の誤ったステップを自動的に識別して消去することで、タスクの失敗を根本から防止します。
• 車載ネイティブデータの利点人間による意味理解テストでは91.5点を獲得し、同クラスの他のエンドサイドモデルを32%上回り、コックピット環境に対する深い理解を示した。
• 量産化の実現可能性Orin Xプラットフォーム上で検証および展開が完了しており、車載グレードの量産体制が整っています。

Sageの類似製品の比較

比較対象寸法	Sage	Google Gemma 4	MiMo-v2-Pro
出版社	シャンタン・ジュイン	Google	キビ
パラメータの総数	32B	同程度の桁数の端面	1トン以上
活性化パラメータ量	3B	非公開	42B
PinchBench完了率	94%	83.9%	87.4%
MMLU Pro	75.8	69.2	–
GPQA Diamond	77.3	58.5	–
τ2-bench	80.7	42.1	–
Human Semantic Understanding	91.5	69.5	–
展開プラットフォーム	Nvidia Orin X	端側	端側
コアポジショニング	エンドサイドのインテリジェントエージェントベース	端面一般モデル	エンドサイド推論モデル

Sageアプリケーションのシナリオ

• インテリジェントなコックピット操作： ユーザーは自然言語で複合コマンドを発行し、Sageはそれらをすべて一度に解析して、エアコン、ナビゲーション、音楽などの複数の車載システムを連携させ、サービスループを完了させる。
• 子供の安全保護： 後部座席のセンサーが車内に子供を検知すると、Sageは自動的にチャイルドモードを起動し、窓をロックし、年齢に応じたコンテンツに切り替え、音量を制限します。
• インテリジェントなモビリティプランニング： Sageは、リアルタイムの交通状況とユーザーのニーズを組み合わせることで、最適なルートを積極的に推奨し、渋滞時には代替案を提供することで、受動的な対応から能動的なサービスへと進化します。
• 客室とドライバー向けの統合サービス： コックピットとドライバーの統合ソリューションの中核となるAIサポートとして、Sageはコックピットの操作と運転認識を結びつけ、あらゆるシナリオにおいてインテリジェントなエージェントサービスを提供します。