11月17日晚间,商汤科技正式发布SenseNova Loop-9B模型。该模型延续Preview版本对参数效率的探索路径,通过Loop结构复用模型层参数,并结合流形约束超连接(mHC),在约9B参数规模下扩展计算深度,面向复杂推理、代码生成、工具调用和多模态任务。官方数据显示,模型经4bit量化后权重仅约4.9GB,部署显存需求低至10GB以内。
在架构设计上,SenseNova Loop-9B总参数量约为9B,核心思路是以参数复用换取计算深度。模型将第4至第27层组成共享权重的循环模块,并执行两次,使32个物理解码层在一次前向传播中扩展为56次层计算。配合双流mHC机制,模型通过可学习映射对循环模块中的两条残差流进行信息路由与融合,以缓解循环结构带来的信息衰减问题。注意力层面,解码器以四层为一组,采用三层线性注意力与一层全注意力相结合的混合配置,在长序列场景下兼顾效率与召回能力。
多模态与长上下文是该模型的另一项重点能力。SenseNova Loop-9B支持文本、图像输入与文本输出,训练方案覆盖文本、图像、代码和工具调用轨迹,上下文长度最高可扩展至512K tokens。在低资源部署场景中,采用4bit权重量化与8bit KV缓存时,256K长上下文推理的显存需求约为15GiB,官方称这一配置有助于降低本地与私有化部署门槛。
评测数据方面,商汤公布的结果显示,SenseNova Loop-9B正式版在多个榜单上较Preview版本有明显提升。在Agent与数据分析相关评测中,模型表现出与Qwen3.8-27B相当的竞争力:NL2Repo得分为41.36,接近后者的44.60;AIDABench得分为65.31,略高于后者的65.01。官方据此认为,约9B参数规模已能对标27B级别模型的部分前沿性能。
工程落地方面,商汤在模型发布首日同步提供官方AWQ 4bit量化版本,便于开发者快速部署。目前SenseNova Loop-9B已开放模型权重与相关代码,供开发者和研究者下载、部署与探索,模型仓库已在Hugging Face上线。
从行业视角看,SenseNova Loop-9B延续了2025年以来大模型领域对参数效率的集中投入。在算力供给仍受约束、企业私有化部署需求持续释放的背景下,以循环结构、混合注意力和量化压缩降低显存门槛,正成为中小参数模型争夺企业端落地的关键路径。9B级别模型能否在真实业务负载中稳定复现27B级别的表现,仍有待开发者社区与产业客户的进一步验证。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。