商務旅行軟體公司 Navan 在取得早期使用權後，於三週內完成模型微調與部署，其 AI 代理現已在正式環境中使用 NVIDIA 的 Nemotron 3.5 Super VL。Navan 在 2026 年 10 月 16 日的公告中表示，該模型正以較低成本處理客戶互動。
重點摘要
- 部署已經完成，並非 NVIDIA 模型的計畫性試用。
- Navan 表示，該模型在公司內部評估中的旅遊任務效能有所提升，但未量化正式環境中的成本節省幅度。
- 自行託管讓 Navan 能夠自訂及替換模型，同時掌控部署作業。
目錄
Navan AI 代理不再只回答問題
Navan 的技術公告描述了一套旨在執行旅遊任務的系統，而不只是生成對話式回覆。航班取消時，可能需要搜尋即時可訂庫存、說明替代方案、查核公司政策，並協調更改飯店或租車預訂。
在其Nemotron 正式部署說明中，Navan 表示，公司運用五個代理的綜合經驗調整單一模型：一個協調代理，以及分別負責飯店、航班、租車和火車的專業代理。各代理保留對自身工具和決策的負責權，同時在整趟旅程中共享資訊。
這種設計使任務完成成為整合成效的實際檢驗標準。如果系統無法正確使用訂票工具，或無法遵循旅客的限制條件，僅有快速回應並不足夠。
| 項目 | 詳情 |
|---|---|
| 模型容量 | 約 1,200 億個參數，每個步驟約啟用 120 億個參數。 |
| 微調方法 | 使用 NVIDIA NeMo AutoModel 開源程式庫進行 LoRA 微調。 |
| 最終訓練資訊 | 約 1,000 萬個 token。 |
| 驗證 | 最終訓練集中包含近 2,000 項驗證測試。 |
內部測試比較品質與回應效率
Navan 以 Qwen 3.8-27B 作為主要比較基準；該模型是公司現有的自行託管正式環境基準模型。公司使用相同的提示、工具、旅遊情境和評分系統測試各模型。
在 Navan 的評估中，經微調的 Nemotron 模型在七項指標中的六項勝過或持平於其他模型。公司指出，工具使用、任務完成度、以真實資訊為依據，以及對話品質都是其優勢。
這些是公司公布的測試結果，並非經獨立驗證的效能發現。評估聚焦於文字型旅遊任務，儘管該模型也支援其他輸入類型。Navan 表示，部署後的模型降低了成本，但未披露節省比例或金額。
自行託管保留模型選擇彈性
Navan 表示，自行託管讓公司能更有效掌控速度、成本和可靠性，因為模型的自訂、測試、部署與更新方式均由公司管理。此做法也讓公司能替換模型，而無須圍繞新模型重新建構整套系統。
因此，這項整合擴大了 Navan 的模型組合，而非為每種工作流程確立一個永久適用的模型。公司表示，其做法是依據旅遊領域的特定要求評估模型，並使用真實工具測試完整助理，包括檢驗系統出錯時的復原能力。
結論
已確認的里程碑是，該模型已在正式環境中部署並處理客戶互動。Navan 的公告提供了內部證據，顯示任務效能有所提升，但未披露正式環境中的成本節省幅度。
閱讀更多新聞
免責聲明
本文由 FinanceVelix 提供一般資訊，不構成個人化的財務、投資、法律或稅務建議。市場價格、利率和經濟狀況可能變動；投資具有損失風險。本文所述事實反映發布時可取得的資料，且可能有所變更。請自行查證重要資訊，並在有需要時諮詢合格專業人士。提及任何資產、公司或服務，不代表對其背書。
