商汤科技开源日日新 SenseNova Loop-9B-Preview,采用 Looped Transformer 架构,通过循环计算扩展有效计算深度,在仅 9B 参数下宣称媲美 27B 参数模型。
商汤开源 SenseNova Loop-9B-Preview:9B 参数媲美 27B 模型 这条更新来自 ithome.com,发布时间为 2026-11-01,Aioga 保留原文入口以便核验。
摘要:商汤科技开源日日新 SenseNova Loop-9B-Preview,采用 Looped Transformer 架构,通过循环计算扩展有效计算深度,在仅 9B 参数下宣称媲美 27B 参数模型。
背景:该模型保留首尾各4层原始解码器模块,将中间层改为参数共享的循环计算模块,并探索引入 mHC。来源称,在当前评测设置下,其在代码生成、办公场景和智能体任务等方向表现突出。

Aioga 观察:Aioga 判断:SenseNova Loop-9B-Preview 的核心看点不只是参数规模,而是以循环计算和信息传递机制探索小参数模型的有效计算深度。现有结论仍应结合具体评测设置理解。

影响与后续:可能影响:该路线可能为复杂任务中的小参数模型设计提供新的观察样本,但评测结果不代表所有场景都能复现同等表现,实际使用仍需要关注任务适配、推理效率和稳定性。 后续观察:应关注商汤后续公布的完整评测条件、模型实际使用反馈,以及 DSA、自适应迭代次数等机制是否继续公开并带来可验证的表现变化。

IT之家:https://www.ithome.com/ 11 月 1 日消息,商汤科技 10 月 30 日宣布开源商汤日日新 SenseNova Loop-9B-Preview。
官方表示,该模型采用 Looped Transformer 架构,引入循环计算、扩展模型的有效计算深度,并探索更充分的信息交互机制,提升模型在复杂任务上的处理能力,在仅 9B 的有限参数规模下, 媲美 27B 参数大小模型 。
SenseNova Loop-9B-Preview 以 9B 尺度模型为基座,保留首尾各 4 层原始解码器模块,将中间层改造为参数共享的循环计算模块,通过多轮迭代扩展有效计算深度。在此基础上,模型进一步探索循环计算中的信息传递机制,尝试引入 mHC(Manifold-Constrained Hyper-Connections),利用多路残差连接与受约束的信息混合,增强特征交互并维持信号传播的稳定性。

据介绍,在当前评测设置下,模型在代码生成、办公场景和智能体任务等多个方向上均优于其他模型,并在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 等评测中进一步超过 Qwen3.5-27B。这些结果初步展现了通过扩展有效计算深度,提升小参数模型复杂任务处理能力的潜力。

商汤进一步通过消融实验评估了 mHC 的实际收益。采用该机制后,模型取得明显的性能提升,其中 GPQA Diamond 和 TeamBench 分别提高了 4.42 分和 13.34 分,展现出在复杂推理任务以及多步骤 Agent 任务中的应用潜力。后续还将继续探索 DSA、自适应迭代次数等机制,以提升模型的推理效率与任务表现。

Github: https://github.com/OpenSenseNova/SenseNova-Loop :https://github.com/OpenSenseNova/SenseNova-Loop
Hugging Face: https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview :https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview