商汤科技正式推出 SenseNova Loop-9B 多模态大模型,这是一款 9B 参数规模的轻量多模态基座模型,依托商汤 SenseNova 日日新大模型体系打造,支持图像、短视频、文本联合理解,兼顾推理速度与多模态能力,既可以在云端部署调用,也适合向边缘算力设备移植;大模型采用统一架构融合视觉编码器与语言主干,不用拆分多个独立模块串联,在图文问答、视频内容解析、OCR 图文识别、图表理解、视觉定位任务上做了专项优化,9B 参数体量相比更大尺寸模型,推理成本更低、延迟更小,能够满足智能座舱、机器人视觉、工业质检、安防抓拍解析这类需要实时多模态推理的场景,补齐 SenseNova 系列轻量化多模态模型产品线。
一、SenseNova Loop-9B 基础信息表
| 项目 | 详情 |
|---|---|
| 模型名称 | SenseNova Loop-9B |
| 开发主体 | 商汤科技 |
| 归属体系 | SenseNova 日日新大模型家族 |
| 参数量 | 90 亿参数 |
| 模态支持 | 文本、静态图片、短视频帧序列 |
| 核心能力 | 图文问答、视频理解、OCR 识别、图表解析、视觉目标定位 |
| 部署方式 | 公有云 MaaS 调用、私有化部署、边缘端适配 |
| 主打优势 | 轻量、低延迟、多模态原生融合 |
| 对标定位 | 兼顾效果和成本,面向规模化落地场景 |
二、SenseNova Loop-9B 核心技术特点
- 统一多模态循环架构
- 轻量化视觉编码器
- 原生支持长图文、多轮视觉对话
- 兼容商汤 SenseNova 工具链
Loop 代表循环式多模态融合机制,视觉特征和文本特征持续交互对齐,不是简单把图片特征一次性喂给语言模型,长视频分段理解时上下文信息保留更好。
针对高清图、视频帧做计算裁剪优化,降低视觉分支算力开销,在 9B 参数约束下平衡识别精度和推理速度。
可以连续接收多张图片,跟着对话指令反复对比图片差异、读取表格数据、识别画面内文字。
支持微调、SFT、评测、模型蒸馏,企业可以基于 Loop-9B 做行业定制版本。
三、适合落地的场景清单
✅ 工业质检:读取产品实拍图,识别缺陷、标注位置,输出检测结论
✅ 人形机器人 / 移动机器人:视觉感知 + 语言指令联动,理解环境画面
✅ 智能座舱:识别车内画面、路牌、仪表盘信息,做座舱交互
✅ 安防与抓拍解析:对抓拍图片、短视频片段做语义摘要、目标描述
✅ 文档图文处理:识别截图、扫描表格、图纸,提取信息生成文本
✅ 企业 MaaS 应用:低并发、实时性要求高的多模态业务
四、SenseNova Loop-9B 和商汤大模型家族其他版本对比
| 模型 | 定位 | 参数量 | 侧重 |
|---|---|---|---|
| SenseNova Loop-9B | 轻量化多模态 | 9B | 低延迟、图文视频理解,边缘友好 |
| SenseNova 超大规模基座 | 通用旗舰 | 千亿级 | 复杂推理、深度创作,云端主力 |
| SenseNova 专用视觉模型 | 单模态视觉 | 不定 | 检测、分割,传统 CV 任务 |
五、落地优势与局限
优势:
✅ 9B 体量算力门槛低,普通智算卡就能跑,大规模调用成本可控
✅ 原生视频帧理解,不用额外外挂独立视频模型
✅ 接入 SenseNova 平台,开箱可用,配套权限、计费、接口体系成熟
局限:
❌ 复杂数学推理、超长逻辑任务能力弱于商汤千亿基座
❌ 超高精度科研级图文评测成绩不如大参数量多模态模型
❌ 视频时长有限,不支持几小时长视频一次性完整理解
【常见问题】
问题 1:商汤科技推出 SenseNova Loop-9B 多模态大模型,Loop 是什么含义?
回答 1:商汤科技推出 SenseNova Loop-9B 多模态大模型,Loop 指循环多模态融合架构,图片、视频的视觉特征和文本特征循环交互对齐,相比一次性融合方案,视频和多图连续理解表现更好。
问题 2:商汤 SenseNova Loop-9B 多模态大模型只能在云端使用吗?
回答 2:商汤 SenseNova Loop-9B 多模态大模型除了 SenseNova 公有云 MaaS 调用,还支持私有化部署,模型体量 9B,也具备向边缘设备移植适配的潜力。
问题 3:商汤 SenseNova Loop-9B 多模态大模型主要适合哪些行业?
回答 3:商汤 SenseNova Loop-9B 多模态大模型适合工业质检、机器人视觉、智能座舱、安防抓拍解析、图文文档处理场景,主打需要实时看图、看短视频做理解的业务。
问题 4:商汤 SenseNova Loop-9B 多模态大模型和纯文本大模型区别在哪?
回答 4:商汤 SenseNova Loop-9B 多模态大模型自带视觉编码分支,可以看懂图片和短视频内容;纯文本大模型只能处理文字,没办法直接读取画面里的图像、表格、物体信息。
【数据来源】
[2026-11-18](商汤科技推出 SenseNova Loop-9B 多模态大模型)36 氪
[2026-11-18](商汤 SenseNova Loop-9B 发布:轻量多模态,支持视频理解)商汤科技公众号
[2026-11-16](SenseNova 日日新新增 9B 多模态模型,面向边缘场景)机器之心
[2026-10-29](商汤 SenseNova MaaS 平台多模态模型迭代路线)新浪科技
[2026-10-10](轻量多模态大模型架构发展趋势)AI 前线
【免责声明】
本文围绕商汤科技推出 SenseNova Loop-9B 多模态大模型资讯整理;模型实际效果受输入图片分辨率、视频长度、算力环境、提示词影响;性能指标、开放接口以商汤官方文档为准;内容仅为产业科普,不构成模型采购、接入开发建议。
