科技媒体在面对发布会时，很容易陷入一种亢奋的惯性：只要企业软件巨头掏出自研模型，就要冠上“前沿实验室感到恐惧”的惊悚标题。
Salesforce 在 Dreamforce 2026 大会上端出的 Koa，正是这种叙事的最新标靶。按官方宣发口径，这是他们与 Nvidia 联合打造的首个企业级推理模型，专攻销售、营销与客服，号称既能让多步复杂推理更廉价，又能把数据安全锁在自家后院。
但热闹属于舞台，真相藏在论文和价目表里。
跑分里的代差：比旧作从容，逢顶尖露怯
先看这套系统的真实成色。2026 年 9 月 14 日提交至 arXiv 的 16 页技术论文（编号 2609.15066）显示，Koa 基于开源权重的 Nvidia Nemotron 3 Super 120B MoE 底座（约 12B 激活参数）打造。研发团队借助 NeMo RL、NeMo Gym 与 NeMo AutoModel 框架，采用 Group Relative Policy Optimization（GRPO）强化学习算法，在覆盖超过 14 个行业的合成企业场景中完成任务后训练。
官方在宣传中极力强调对通用闭源模型的压制，但论文透露的基准落点十分微妙：
在 CRM Bench 上，Koa 拿到 0.86，高过 Nemotron 基座的 0.84 和上一代基准 GPT-4.1 的 0.81；然而一旦对上当期的顶尖选手，它立刻落后于 Claude Opus 4.8（0.87）与 GPT-5.5（0.90）。
再看衡量 Agent 实操能力的工具调用与复杂客服指标：
在多轮工具调用测试（BFCL）中，Koa 的多轮调用准确率从基座的 54.12% 提升至 59.50%，总分为 66.63，但在同场竞技下，Claude Opus 4.8 拿到了 78.18 的总分。
衡量复杂客服流程的 Tau2Bench 加权得分同样明显：Koa 取得 69.41，Claude Opus 4.8 是 74.00，而 GPT-5.5 更是跑到了 83.99。
细分行业的数据反差更大。在零售场景下，Koa 凭借 81.6% 追平了 GPT-5.5；但在航空业务上，Koa 的 62.0% 低于 Claude Opus 4.8 的 69.0%；到了电信行业，Koa 仅录得 60.5%，距离 GPT-5.5 的 95.8% 有着难以忽视的鸿沟。
Salesforce 产品宣传页罗列了一串诱人指标：CRM 操作错误减少 3 倍、行动选择精确度提升 11%、上下文召回可靠性高 2.1 倍、长对话留存率提升 15%。遗憾的是，论文中并未给出这套商业表述的对比基准样本与完整推导。
它确实胜过了早期的 GPT-4.1，但在通用逻辑和复杂调度上，仍未迈过顶级前沿模型的门槛。
隐匿的Token账本与未开源的“开源替代”
外围报道普遍在重复一个观点：Koa 帮企业省了巨额 Token 费用，而且是个开源替代品。
这两个判断都经不起推敲。
先说开源属性。Nvidia 贡献的底座 Nemotron 3 Super 120B 确实开放了权重，但后训练完成的 Koa 本身完全是另一回事。截至 2026 年 9 月 15 日发布，Salesforce 既没有提供 Koa 的权重下载仓库，也没有附带任何开源协议，甚至没有公开合规 Model Card。它目前仅面向选定客户内测，计划要到 2026 年冬季才向美国市场开放一般可用（GA）。换言之，Koa 是一个闭源衍生品。
再说推理成本。整篇学术论文与现有产品文档中，没有披露单任务推理消耗的 Token 数、端到端延迟、吞吐量，也没有写出自研推理的能耗指标。所谓“推理架构更高效”，现阶段依然停留在算法设计层面的预期，没有公开可复核的账面凭证。
企业真实支付界面：
无论底层调度何种模型，Agentforce 标准计费为 500 美元 / 10 万 Flex Credits。
折算下来，系统触发一次标准 Action 的固定资费是 0.10 美元。技术层面的 Token 节约，目前并未直接转化为企业采购账单上的折扣。
企业客户若是冲着降低 IT 支出的目的去用，很可能会扑空。在现行计费框架下，模型跑一次是耗费 800 Token 还是 400 Token，最终买单依据依然是统一动作费；而一旦模型推理失误触发重试，反倒会带来更高的有效调用成本。
既当选手又当裁判的合成闭环
除了商业包装，Koa 在工程方法论上留存了一个待解的疑问：数据真实性与安全评测。
Salesforce 强调为了确保客户数据主权，Koa 的训练没有摄入一条真实客户数据，全盘依靠构建企业沙盒来生成合成语料。但在具体实现上，技术团队由同系列的 Nemotron Nano 30B 模型同时充当用户模拟器、系统工具仿真器与最终的奖励裁判。
这种让同源模型“左右手互搏”的训练方式，在实验室环境中能刷出漂亮的特定任务收敛曲线，却不可避免带来自反性偏差风险。现实中的企业 CRM 充满了破碎的表格、拼写错误的跟进记录与混乱的权限层级；一旦脱离工整的仿真环境，完全浸泡在人工合成数据里的模型能否适应非标业务，需要打上一个问号。
更值得注意的是安全防护。整整 16 页的学术论文里，未见关于 Prompt 注入拦截、数据越权调用或恶意渗透的防御基准测试。在真实生产环境里，工具调用的准确率只决定了它能不能把事做成，而安全边界才决定了它会不会越权把客户隐私发给第三方。
- 风险.纯合成环境屏蔽了脏数据，也掩盖了 Prompt 注入与越权调用的防御短板，盲目替换生产环境模型可能放大治理隐患。
明争暗合的商业防守
如果产品力并未反超，Salesforce 为何大费周章？
答案不在技术突破，而在地缘与账本。此前在 Agentforce 架构中，凡是遇到复杂长链条任务，流量全都要经由网关分流至 OpenAI 或 Anthropic。这意味着，Salesforce 辛苦打下的企业客户关系，最后变成了给通用大模型厂商打工的管道。
借道 Nvidia 的 Nemotron 搞出 Koa，真正的价值是为自己竖起一道议价杠杆。有了能够应付常规企业流程的自有底座，面对通用大模型厂商的 API 报价时，Salesforce 才有谈判的筹码。
但他们显然没有破釜沉舟的打算。就在发布 Koa 的同一时间，Salesforce 还联合 Anthropic 推出了 ClaudeForce，让企业可以直接调用 Claude 作为核心 AI 交互界面。一手抓合规防守的自研替代，一手拉拢前沿实验室稳住大客户，两者并行不悖。
春秋时期郑国攻打滑国，齐国出面调停，各方虚实试探，皆在边境存亡之间。Salesforce 并非要掀翻模型实验室的饭碗，而是借开源之名，行闭环控盘之实。对于坐拥丰富业务资产的传统软件巨头来说，只要能守住自己的工作流入口与结算账单，技术领先与否，反倒退居其次了。
- 结论.Koa 的价值是一根用来平衡上游采购成本的杠杆；企业选型时应当紧盯端到端任务成功率，而非停留在开源叙事表面。