商汤于2026年11月17日发布sensenova loop-9b正式版。该模型拥有约90亿个不同参数,通过重复执行共享的中间层,把32个独立解码层展开为每次前向传播56次层计算;模型接收文本和图像,输出文本。正式版延续preview的循环架构与双流mhc,并更新了智能体、代码和数据分析训练。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
SenseNova Loop-9B官方发布图。
重复计算增加的是深度,不是独立权重
模型中的24个共享解码层顺序执行两次,外围层与循环块共同构成56次层计算。约146亿“推理等效参数”是说明计算展开方式的口径,实际不同参数仍约90亿,不能把它理解为另装了一份146亿权重。混合注意力按四层一组交替安排线性注意力和全注意力,模型卡标注的上下文长度为512K。
正式版提升有明确的测试范围
官方展示的七项基准中,正式版均高于Preview:AutomationBench由14.33升至36.67,Terminal-Bench 2.1由40.45升至59.55,GAIA由37.86升至69.90。与Qwen3.8-27B相比,AIDABench为65.31对65.01,AutomationBench均为36.67;NL2Repo则为41.36对44.60,正式版在该项仍较低。

官方公布的基准成绩;不同任务结果需分别看待。
循环次数与效率仍需权衡
官方循环扩展实验固定其他训练条件,在一至四次循环之间比较;部分任务在三次循环达到峰值,另一些在四次循环更好,成绩并非随循环数无条件递增。Preview和正式版默认采用两次循环以平衡推理效率。上述基准与实验说明特定测试表现,不构成真实业务任务的通用成功保证。











