Salesforce 发布 CRM 推理模型 Koa：基于英伟达 Nemotron，操作准确率提升 11%

企业做 AI 智能体最怕两件事：一是把自家客户数据直接送进闭源大模型的黑盒里，二是让通晓天文地理的通用模型去干催账、转派工单这种细致活，算力花得心疼，动作还总容易叫错。

Salesforce 在 Dreamforce 大会上给出了自己的解法：正式发布首个专为 CRM 场景打造的推理模型 Koa。这个模型基于 NVIDIA 的开源 Nemotron 模型（Nemotron 3 Super）后训练而来，主打让企业在自己的信任边界内，跑专门处理多步骤业务流程的数字员工。

拿合成数据教 AI 做业务，坚决不碰客户隐私

Salesforce 做 AI 很多年，之前给 Agentforce 塞了大量处理简单杂务的小模型，但只要遇到需要长程规划、多步推理的复杂任务，网关还是得把请求转给 Claude 或 ChatGPT 这类前沿大模型。

Salesforce AI 执行副总裁 Jayesh Govindarajan 透露，他们一直想做自己的企业级前沿推理模型，但之前苦于没有合适底座。阿里开源的 Qwen 虽强，但他们摸不清训练数据来源；直到主权属于美国、数据来源清晰的开源 Nemotron 出现，双方才一拍即合。

Koa 并没有使用任何真实客户的数据进行预训练或微调。Salesforce 把自己过去 27 年积累的业务流程、合规政策拆成合成场景，模拟了涵盖金融、医疗、制造、差旅等 14 个以上行业的真实交互，比如暴躁客户打进热线客服，或者销售员敲定订单的各种分支。

模型推理时固定在零温度（temperature 0）运行，并且外挂了一套专用的服务治理套件，确保模型不会凭空发挥，所有客户数据都严格留在 Salesforce 自己的信任边界内部。

从官方公布的测试指标来看，在模拟实际 CRM 任务的 CRM Bench 上，Koa 拿下了 0.86 分，已经逼近 Claude Opus 4.8 的 0.87 分和 GPT-5.5 的 0.90 分。与通用大模型相比，它调用正确操作的精准度提高了 11%，上下文记忆提升了 15%，找回客户背景信息的可靠性高出 2.1 倍，整体报错率降为原来的三分之一。

目前 Koa 已经在 Salesforce 内部的 Slack 员工助手上线，并在芝加哥大学医学中心、F1、Xero、Baxter Credit Union、Engine 以及 1-800Accountant 等机构展开试点。企业可以在 Agentforce 的组织全局设置里将它设为基础模型，也能在具体智能体或子智能体粒度上选用它。美区正式商用时间定在 2026 年冬季，随后会启动公开测试。

在发布 Koa 的同时，Salesforce 也没有彻底关上闭源生态的大门，他们同步上线了与 Anthropic 深度绑定的 Claudeforce，内置 37 项预设销售技能，允许客户通过 Claude 界面直接调用背后的 Salesforce 业务逻辑。

为什么重要

对企业 IT 和业务负责人来说，Koa 的出现提供了一个非常切实的替代方案。过去大家被两头夹击：要么自研小模型能力不足，要么调用闭源前沿模型，每次推理烧掉大量 token，成本高昂还不透明。Koa 针对 CRM 动作做了 token 优化，如果你的团队正在构建处理大量多步骤跟进、工单流转的客服或销售智能体，它很值得在上线美区后第一时间建一个沙盒测试。你可以直接拿它对比处理一条退款或修改商机状态的响应延迟与成功率，看看能否真正压下 API 账单。

从行业竞争来看，我们认为这是企业级 SaaS 巨头向 OpenAI、Anthropic 这类大模型实验室打响的防御战。通用模型厂商一直试图通过工作区应用接管终端入口，把软件服务商降级为纯粹的底层数据库；而 Salesforce 借力 NVIDIA 开源底座自研垂直推理模型，就是要把最关键的「业务大脑」牢牢捏在自己手里。不仅能降低对外部算力的采购依赖，未来坐在谈判桌前也有了底牌。

不过，这种做法并非没有隐患。Salesforce 既要当 Anthropic 的分销渠道和战略客户，又要用 Koa 在核心业务推理上分流流量，这种又合作又竞争的平衡很难拿捏。另外，模型完全靠合成数据调优，在标准化工作流上可能表现出众，但面对企业内部各种没有成文规范的非标准流程时，能否保持宣传中的低错误率，仍有待更广泛的生产环境检验。