面对“何时何地”这种复杂的时空规划难题，高德地图发布了全新的智能体模型STAgent。它通过创新的训练策略，在专业领域超越大模型，同时保持通用能力，为解决真实世界的复杂任务提供了新的技术范式。
智能速览
高德发布专为复杂时空推理任务设计的智能体STAgent。
提出SFT-Guided RL级联式训练策略，精选高质量数据进行强化学习。
模型基于通义千问30B版本打造，在垂直领域超越众多更大规模的模型。
STAgent成功兼顾了专家级领域能力与强大的通用泛化水平。
该实践为专用智能体开发提供了“垂直深耕+强化进化”的新范式。
精华内容
一个30B参数的模型，如何在特定领域比肩甚至超越百亿千亿级的大模型？高德的STAgent给出了答案，其核心在于一套独特的训练体系。
时空规划难题
时空规划是典型的复杂场景，需要在地理空间与时间窗口的双重约束下，解决“什么时候去哪儿最合适”的复杂意图。这对AI的推理能力提出了极高要求，远超简单的路径规划，是智能体在真实世界落地的关键挑战之一。
级联式训练策略
STAgent的成功关键在于其创新的SFT-Guided RL训练策略。首先，团队从海量历史日志中“大海捞针”，以极低比例精选出高质量Query。
然后，通过监督微调（SFT）引导强化学习（RL），让模型在持续进化的过程中不断突破性能天花板，并构建了稳健的工具生态和强化学习训练环境。
以小搏大成效
基于通义千问（Qwen3-30B-A3B-Thinking-2507）打造的STAgent，在TravelBench等垂直领域榜单上表现惊人。
实验证明，它不仅显著超越了其基座模型，更以30B的参数规模比肩甚至超越了众多参数量远大于它的超大规模模型，展现了极高的参数效率。
新的开发范式
STAgent的实践价值，是提供了一个可扩展、高效的专用智能体开发范式。这种“垂直深耕+强化进化”的思路，证明模型不一定要追求无限增大，而是可以通过高质量数据和精巧的训练策略，在特定领域达到专家级水平，同时不失通用性。
高德STAgent的探索，为AI在复杂真实场景的应用开辟了新路径。未来，这种垂直领域的智能体是否会成为主流？它们又将如何改变我们与世界的交互方式？
