9 月 15 日，Salesforce 没有为 Agentforce 再接入一个通用大模型，而是公布了自己控制权重的 CRM 推理模型 Koa。它基于 NVIDIA 的 Nemotron 3 Super，已在 Salesforce 内部使用，并交给 1-800Accountant、Formula 1、UChicago Medicine、Xero 等六家客户试点。更值得关注的不是“CRM 专用”这个标签，而是 Salesforce 选择把自己定义业务流程的方式直接变成训练环境：Agent 如何路由任务、能调用哪些工具、什么才算真正办完，都参与了模型后训练。
这条路线把企业 Agent 的竞争从提示词和模型采购，推进到一套更重的闭环：企业要维护流程规范、模拟用户和工具、设计奖励，再持续验证模型有没有把规则学对。作者公布的结果显示，这套闭环可以改善多轮工具调用；同一份结果也显示，它还没有全面超过所测最强通用模型，客户侧效果仍没有公开数据。
Agent 配置不再只是运行规则，也成为训练材料
Koa 论文把底座写得很清楚：Nemotron 3 Super 是一个约 1200 亿总参数、每次推理激活约 120 亿参数的开放权重模型。Salesforce 没有从头预训练，而是在这个已经做过强化学习后训练的底座上继续使用 Group Relative Policy Optimization（GRPO）。公司称训练只使用公开资源和合成交互，没有使用客户数据。
所谓“27 年 CRM 经验”因此不是 27 年客户记录被直接喂给模型。它指 Salesforce 用长期积累的流程知识来编写合成环境。每份 Agent Script 规范会定义路由器、子 Agent、带类型的动作、工具权限和流程指令；系统再把它编译成工作流图，扩成不同任务、用户画像和对话起点。模型不是背一份成功对话，而是在环境中反复与模拟客户、模拟工具交互。
奖励也围绕“任务是否真的完成”设计。一个冻结的 300 亿参数辅助模型同时扮演客户、工具返回器和覆盖率裁判，把需求拆成若干子问题；涉及客户或系统数据的子问题，只有成功调用相关工具才能算解决。连续重复同一个工具调用会让整条轨迹奖励归零。另一个确定性沙箱则直接比较工具执行后的状态是否与参考状态一致。
这比只奖励语言是否像正确答案更接近企业软件的约束：模型必须通过允许的动作改变正确的状态。不过，它也把新风险带进训练闭环。模拟客户、工具和部分评分都由同一个辅助模型承担，错误的流程规范或裁判偏好可能一起被模型学走。论文将离线评测与训练环境分开，并另用独立的 LLM 裁判判断工具参数是否等价，但没有披露合成任务总量、完整训练时长或成本；只报告训练集群用了 5 个 NVIDIA B200 节点，其中一个节点服务辅助模型。
提升最明显的是多轮工具调用，不是全面领先
论文把 Koa 与 Nemotron 3 Super 底座、GPT-4.1、GPT-5.5 和 Claude Opus 4.8 放在三组测试中比较。最能支持专用后训练价值的是 Berkeley Function-Calling Leaderboard（BFCL）：Koa 总准确率为 66.63%，高于底座的 64.73%；其中多轮工具调用从 54.12% 提升到 59.50%。只做监督微调的版本在这一项为 53.25%，说明这次强化学习的增量主要落在长流程决策，而不是对成功轨迹的模仿。
其余结果更像“小幅移动底座”，而非专用模型全面反超。Tau2Bench 的任务加权平均分从底座的 68.64 升到 69.41，监督微调版本反而达到 70.04。以单轮任务为主的 CRM Bench 上，Koa 从底座的 0.84 升到 0.86，监督微调版本达到 0.88；GPT-5.5 为 0.90，Claude Opus 4.8 为 0.87。BFCL 总分上，Koa 也低于 GPT-5.5 的 67.63% 和 Opus 4.8 的 78.18%。
这组表格支持一个更窄、也更有用的结论：当目标是连续调用工具时，针对流程设计的强化学习能让开放权重底座进步；任务变成单轮 CRM 操作时，监督微调可能已经更有效。论文作者也明确限制了这一比较——Nemotron 3 Super 本身已经经过强化学习，不能据此推导“强化学习通常比监督微调更好”。
Salesforce 的发布稿还宣称 Koa 在 CRM 动作上以“三倍更少的错误”达到或超过领先模型，并把链接指向论文。但论文主表只给出主题、函数调用和文本准确率，没有列出这句话对应的错误定义、比较对象与分母；直接把公开准确率换算成错误率，也复算不出统一的三倍差距。因此，这个数字目前只能作为公司的内部基准口径，而不能当成论文已公开验证的结果。
“缺少工具时停下来”被单独做成训练任务
Koa 最有企业软件意味的设计，发生在模型不能完成任务的时候。论文会在特定回合故意拿走一个必需工具，同时留下名字相近、但会错误修改数据的工具。正确行为不是猜参数或谎称操作成功，而是告诉用户当前限制、请求缺失信息或移交人工；当缺失工具重新出现后，模型还要接着完成原任务。
这把权限和能力边界从外部防护栏变成了可训练行为。对于会改写 CRM 数据的 Agent，知道何时不行动，与知道该调用哪个工具同样重要。论文描述了这套单回合奖励机制，却没有给出一项独立的公开分数来证明 Koa 在真实缺工具场景下少了多少误操作。企业买家仍需要在自己的权限、数据和异常流程中验证，不能用综合工具调用分数替代。
控制权是 Salesforce 选择这条路线的另一半。NVIDIA 3 月发布的 Nemotron 3 Super提供开放权重、训练数据和配方，Salesforce 因而能继续后训练，并把推理留在自己的基础设施内。公司称客户数据和运行轨迹不会用于训练 Koa。不过，开放的是底座，不等于 Koa 权重已经对外开放；截至 9 月 16 日，公司公布的是内部使用和少量客户试点。CIO 的现场报道称，Salesforce 预计 2026 年冬季先在美国区域正式提供。
Koa 因此还不是“专用模型已经替代通用模型”的案例。它更像一次组织能力测试：企业是否能把隐性的工作规则写成可执行规范，再把规范、模拟环境、奖励和线上验证连成闭环。接下来真正决定这条路线能否规模化的，不是又一张作者自测表，而是六家试点客户能否公开同口径的任务完成率、错误操作率、人工接管率、延迟和成本。只有这些指标在真实 CRM 数据与权限约束下成立，专用权重带来的控制力才会变成可验证的产品优势。
