商汤发布SenseNova Loop-9B:4bit量化后权重约4.9GB,10GB显存可部署
该模型延续了 Preview 版本对参数效率的探索:通过 Loop 结构复用模型层的参数,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、工具调用和多模态任务。
11月17日晚间,商汤科技正式推出SenseNova Loop-9B模型。
新模型延续Preview版本在参数效率上的思路:靠
Loop结构让模型层参数重复使用,再配合流形约束超连接(mHC),在约9B参数规模下把计算深度做大,面向复杂推理、代码、工具调用和多模态任务。得益于Loop的高效循环结构,官方4bit量化后权重只有约4.9GB,部署显存需求压到10GB以内,可部署的硬件范围因此明显拓宽,低显存芯片也有机会跑出前沿27B级别模型的性能。
SenseNova Loop-9B总参数量约9B。它把32个物理解码层通过两次执行共享中间层,扩展成56次层计算;输入支持文本和图像,输出为文本,上下文长度最高512K tokens。
官方称,在Agent与数据分析评测中,该模型展现出与Qwen3.8-27B相当的竞争力:NL2Repo得分41.36,接近后者的44.60;AIDABench得分65.31,高于后者的65.01。
共享循环模块:第4–27层组成共享权重的循环模块,执行两次,一次前向传播即可完成56次解码器层计算。
双流mHC:借助可学习映射,对循环模块中两条残差流做信息路由与融合。
混合注意力:解码器每四层一组,配置为三层线性注意力加一层全注意力。
长上下文多模态:训练方案覆盖文本、图像、代码和工具调用轨迹,上下文长度最高扩展到512K tokens。
低资源私有化部署友好:用4bit权重量化加8bit KV缓存时,256K长上下文推理显存需求约15 GiB,本地与私有化部署的门槛随之降低。
官方量化版Day 0提供:发布首日即同步给出官方AWQ 4bit量化版本,用户可快速部署。
SenseNova Loop-9B的模型权重与相关代码已经开放,开发者和研究者可以下载、部署和探索。

围绕通用Agent、代码和数据分析等任务,评测结果显示,SenseNova Loop-9B正式版在多个榜单上较Preview版本有明显提升;在约9B参数规模下,性能表现与Qwen3.8-27B比肩。