您的位置首页 >人工智能 >

商汤 SenseNova-Loop-9B 正式版开源,32 层权重循环实现 56 次层计算,同步上线 AWQ 量化版

商汤 SenseNova-Loop-9B 正式版已经开源,采用循环 Transformer 架构,只用 32 组物理解码器权重,循环执行之后完成 56 次层计算,总参数量 9B,不用堆超大参数就能提升复杂推理、代码、Agent 工具调用能力,发布当天直接配套放出 AWQ 4bit 量化版本,量化后权重仅 4.9GB,最低 10GB 显存就能跑,最高支持 512K 上下文,支持图文多模态输入,适合本地部署、私有化项目和开发者二次开发,相比传统同参数模型在长文档理解、数据分析、代码任务上优势明显。

采用循环权重设计的原因

  1. 传统大模型提升能力大多靠直接增加参数和层数,显存、硬件成本上涨很快;SenseNova-Loop-9B 走复用权重思路,共享中间循环模块,用更少参数拿到更深的计算深度,硬件门槛更低。
  2. 搭配双流 mHC 流形约束超连接机制,循环多次计算时保证信息稳定传递,避免反复循环带来信号衰减、效果下滑的问题。
  3. 混合注意力方案,四层一组搭配三层线性注意力加一层全注意力,兼顾长上下文推理速度和复杂任务精度。
  4. 同步放出 AWQ 量化版,省去开发者自行量化调参的步骤,开箱就能在消费级显卡、国产芯片上部署,降低落地成本。

机型核心参数清单

项目详情
模型名称SenseNova-Loop-9B 正式版
存储参数规模9B 参数
解码器结构32 层物理权重,循环执行得到 56 次层计算
上下文窗口最高 512K tokens
模态文本 + 图像输入,文本输出
配套量化AWQ 4bit 官方量化版同步开源
量化权重体积4.9GB
最低部署显存10GB 以内
适配场景Agent 智能体、代码生成、数据分析、长文档 RAG
协议Apache-2.0 开源协议

部署使用核对步骤

  1. 确认版本:区分 Preview 预览版和本次正式版,正式版在评测分数、上下文上限、稳定性上都有升级;
  2. 选择权重包:硬件显存充裕可以选原版 FP16 权重,显卡显存有限直接选用 AWQ 4bit 量化包;
  3. 推理框架适配:优先 vLLM、SGLang、LightLLM,部分框架需要静态展开循环层适配;
  4. 任务选型:长文档、Agent、代码场景优先测试,纯简单闲聊任务不一定比普通 9B 模型优势明显;
  5. 合规校验:遵循 Apache2.0 协议,商用场景留意模型权重使用约束。

整体来看,SenseNova-Loop-9B 正式版是一条新路线的开源模型,靠循环计算实现小参数强能力,AWQ 量化版本降低本地部署门槛,适合 AI 开发者、企业私有化 RAG、Agent 项目测试;但循环结构推理算力开销会更高,需要在速度和能力之间做权衡。

【常见问题】

问题 1:商汤 SenseNova-Loop-9B 正式版 32 层权重循环执行 56 次层计算,是什么意思?

回答 1:商汤 SenseNova-Loop-9B 正式版只保存 32 组解码器权重,中间部分模块重复跑两轮,一次推理完成 56 次层计算,不是内置 56 层独立权重,依靠权重复用提升计算深度。

问题 2:商汤 SenseNova-Loop-9B 正式版同步上线的 AWQ 量化版,部署门槛怎么样?

回答 2:商汤 SenseNova-Loop-9B 正式版的 AWQ 量化版为 4bit 量化,权重约 4.9GB,最低 10GB 显存显卡就可以运行,方便消费级显卡和国产推理芯片部署。

问题 3:商汤 SenseNova-Loop-9B 正式版适合用来做什么类型的 AI 任务?

回答 3:商汤 SenseNova-Loop-9B 正式版主打 Agent 工具调用、代码生成、数据分析、512K 长文档理解这类复杂推理任务,支持图文多模态输入。

问题 4:商汤 SenseNova-Loop-9B 正式版和之前 Preview 预览版相比,升级点在哪?

回答 4:商汤 SenseNova-Loop-9B 正式版拉高上下文上限到 512K,Agent、代码、数据分析评测成绩提升,同时首日直接配套 AWQ 量化版本,开箱部署更方便。

【参考资料】

[2026-11-17](商汤发布 SenseNova Loop-9B 正式版,同步上线 AWQ 量化版)IT 之家

[2026-11-17](SenseNova Loop-9B 正式版:9B 参数、512K 上下文)新浪财经

[2026-11-17](商汤 SenseNova-Loop-9B 循环架构技术解读)凤凰网科技

【免责声明】

商汤 SenseNova-Loop-9B 正式版的推理速度、显存占用、任务效果受推理框架、显卡硬件、量化策略、输入内容影响;模型评测结果为官方基准测试结果,实际落地效果存在差异;开源协议、商用授权、技术更新以商汤官方模型仓库说明为准,本文仅为技术资讯参考,不构成项目落地承诺。

今日大家都在搜的词: