SenseTime · 已发布,本站供应商暂无

SenseNova Loop 9B(2026):是什么、对 Qwen3.8 27B 的跑分、怎么运行

SenseNova Loop 9B 是商汤的开放权重多模态模型,2026 年 11 月 17 日发布,它把 32 层中的 24 层跑两遍,用约 90 亿存储参数模拟 56 层模型,SenseNova 自己的图表显示它在部分测试上追平 Qwen3.8 27B,但不是全部。

已发布,本站供应商暂无最后更新:

现在就用

聊天

这个聊天默认使用 Qwen3.8 Flash,不是 SenseNova Loop 9B。

每次回复约 1 积分 · 查看全部模型

新账号一次性获得 5 个免费积分,7 天内有效,可用于本站价格较低的模型,最贵的模型需要用你购买的积分。

开始聊天,送 5 个免费积分
厂商
SenseTime
类型
文字
发布
2026-11-17
OpenRouter id
无

已核对

SenseNova Loop 9B:事实与来源

  • SenseNova-Loop 的 GitHub 页面说 SenseNova-Loop-9B 于 2026 年 11 月 17 日发布,此前 10 月底有 SenseNova-Loop-9B-Preview(Preview 的 Hugging Face 模型卡日期为 10 月 30 日)。AWQ 和 GGUF 下载在 11 月 18 日补上。来源: github.com · 核对于 2026-11-18
  • 代码发布在 OpenSenseNova GitHub 组织下,该组织自述为“SenseTime Foundation Model Sets”(商汤基础模型集);Hugging Face 上的组织名为 sensenova。来源: github.com · 核对于 2026-11-18
  • 它有约 90 亿参数(把重复使用的层算进去约 146 亿)。解码器存 32 层;第 4 到 27 层(共 24 层)以共享权重运行两遍,所以一次前向要做 56 次层计算。它还加入双流流形约束超连接(mHC),并按三层线性注意力加一层全注意力交替。输入文字和图片,输出文字。来源: github.com · 核对于 2026-11-18
  • 正式版支持最长 512K token 的上下文(Preview 训练到 262,144)。SenseNova 说,用 4 位权重(约 4.9 GB)和 8 位 KV 缓存,256K 上下文的推理大约需要 15 GiB 显存;64K 约 10 GiB。来源: github.com · 核对于 2026-11-18
  • 权重在 Hugging Face(BF16,另有带 MTP 草稿模型的 AWQ 4 位版,以及 BF16、Q8_0、Q5_K_M、Q4_K_M 的 GGUF)和 ModelScope 上,采用 Apache 2.0 许可。Hugging Face 把主仓库标为需要申请(自动批准)。README 通过 Transformers 加载,需要 trust_remote_code;vLLM 和 SGLang 用户被指向拉取请求(vLLM #64832、SGLang #47281),而不是已发布的版本;LightLLM 有 Docker 示例。来源: huggingface.co · 核对于 2026-11-18
  • SenseNova 自己列出了已知局限:面对大量复杂的工具定义或多重约束时,模型可能漏掉要求;编程和通用智能体任务上表现可能不稳定;带 3D 场景和丰富动画的复杂网站可能需要两到三轮修改。来源: github.com · 核对于 2026-11-18
  • 权重可以免费下载。在我们读到的页面里没有找到 SenseNova-Loop-9B 的托管 API 价格,OpenRouter 也没有价格,因为它没有上架这个模型。来源: github.com · 核对于 2026-11-18
  • SenseNova Loop 9B 不在 OpenRouter 的模型列表里(2026 年 11 月 18 日核对),所以本站无法运行它。本站是与其他模型(如 Qwen3.8 Flash、Inkling 2 Small)的文字聊天。来源: openrouter.ai · 核对于 2026-11-18 · 二手

本站表格

SenseNova Loop 9B 与它的 Preview、Qwen3.8 27B 对照

  • SenseNova 自己的图表(本站未测试)显示:SenseNova-Loop-9B 在 AIDABench 上 65.31,Qwen3.8 27B 为 65.01;BIRD 上 72.34 对 69.82;GAIA 上 69.90 对 66.99;AutomationBench 上两者都是 36.67;落后的有 NL2Repo(41.36 对 44.60)和 τ³-Banking(30.93 对 36.08)。来源: github.com · 核对于 2026-11-18

厂商跑分

SenseNova Loop 9B 的跑分,对照 Preview 和 Qwen3.8 27B

搜 SenseNova Loop 9B 的人,多半想知道 90 亿参数的模型能不能和 Qwen3.8 27B 放在一起比,而 Qwen3.8 27B 正是 SenseNova 自己选的参照。按 SenseNova 的数字,有的测试能比,有的不能:图里六项有 Qwen3.8 27B 数据的测试中,四项持平或领先,两项落后,Terminal-Bench 2.1 里没有 Qwen3.8 27B 的柱子。这些都是厂商自己在智能体、编程和数据任务上的测试,不是独立结果。本站不能和这个模型聊天,但 Qwen3.8 27B 有自己的并排表;想找本站能聊天的小型开放权重模型,见 Inkling 2 Small 和 Hy4 Flash。

本站自制表格:分数取自 SenseNova-Loop GitHub 页面上 SenseNova 自己的图表(2026 年 11 月 18 日读取);它们是 SenseNova 自己的数字,我们没有复现 · 核对于 2026-11-18
基准SenseNova-Loop-9BPreviewQwen3.8 27B
AutomationBench36.6714.3336.67
Terminal-Bench 2.159.5540.45图中没有(Qwen3.6 27B:63.40)
NL2Repo41.3619.9144.60
AIDABench65.3158.6265.01
BIRD72.3471.3869.82
τ³-Banking30.9318.5636.08
GAIA69.9037.8666.99

来源: github.com

上线时通知我

登录后点按钮:只保存你的账号和这个模型,不存其他资料。目前还不会发送邮件。

最接近的可用模型

现在可用的 SenseNova Loop 9B 替代选择

Qwen3.8 Flash

Alibaba

$0.15 / $0.47 (每百万 token)

  • Alibaba 对 qwen3.8-flash 的定价为每百万输入/输出 token 0.15/0.47 美元(新加坡、欧盟、香港和美国区)。来源: docs.qwencloud.com · 核对于 2026-11-13
  • 在 OpenRouter 上的 id 为 qwen/qwen3.8-flash,每百万 token 0.15/0.47 美元。来源: openrouter.ai · 核对于 2026-11-13

Inkling 2 Small

Thinking Machines Lab

$0.30 / $1 (每百万 token)

  • Thinking Machines Lab 于 2026 年 11 月 5 日发布 Inkling 2 Small,并在其 Tinker 平台上提供。来源: thinkingmachines.ai · 核对于 2026-11-14
  • 混合专家(MoE)模型,总参数 594B、激活 17B,支持图片输入和可调推理强度。来源: thinkingmachines.ai · 核对于 2026-11-14
  • 输入文字和图片、输出文字;上下文最多 100 万 token;每个 token 路由到 384 个专家中的 8 个。来源: huggingface.co · 核对于 2026-11-14

FAQ

SenseNova Loop 9B 常见问题

SenseNova Loop 9B 是什么?

它是商汤 SenseNova 团队的多模态模型,读文字和图片、写文字,面向推理、编程、工具使用和长文档。它存储约 90 亿参数,并把其中一段层重复用两遍,所以一次前向相当于更深的模型。权重于 2026 年 11 月 17 日发布。

什么是循环 Transformer?

普通 Transformer 让数据依次经过每一层一次。SenseNova Loop 9B 让数据把第 4 到 27 层走两遍,两遍用同一套权重,所以 32 层存储权重做出 56 次层计算。SenseNova 说这样不增加存储参数就增加了深度;它还加了两条残差流(mHC)来在循环里分配信息。

SenseNova Loop 9B 能追平 Qwen3.8 27B 吗?

按 SenseNova 自己的数字,部分测试可以。AIDABench 上 65.31 对 65.01,BIRD 上 72.34 对 69.82,GAIA 上 69.90 对 66.99,AutomationBench 上两者都是 36.67;NL2Repo 和 τ³-Banking 上落后。这些数字来自厂商的图表,我们没有复现。另一边见 Qwen3.8 27B。

怎么运行 SenseNova Loop 9B?

从 Hugging Face(sensenova/SenseNova-Loop-9B)下载权重,用 Transformers 加载并开启 trust_remote_code。另有 AWQ 4 位版本和 GGUF 文件(Q4_K_M、Q5_K_M、Q8_0、BF16)。SenseNova 估计用 4 位权重和 8 位 KV 缓存跑 256K 上下文大约需要 15 GiB 显存。vLLM 和 SGLang 的支持仍在拉取请求中。

SenseNova Loop 9B 开源吗?

权重采用 Apache 2.0 开放,SenseNova 也发布了代码,训练脚本在另外的仓库里。Hugging Face 把主仓库标为需要申请(自动批准),下载前要同意访问条件。Preview 的技术报告尚未发布,正式版我们也没有找到。

正式版和 Preview 有什么不同?

SenseNova 说正式版在它展示的七项基准上全部超过 Preview:AutomationBench 从 14.33 升到 36.67,Terminal-Bench 2.1 从 40.45 升到 59.55,GAIA 从 37.86 升到 69.90。上下文长度也从 262,144 增加到 512K token。两者都保留循环设计。

能在这里和 SenseNova Loop 9B 聊天吗?

不能。OpenRouter 的模型列表里没有它,所以本站无法运行。你可以改和 Alibaba 的 Qwen3.8 Flash 聊天:在本站,与 Qwen3.8 Flash 的一次典型回复约 1 个积分(一个积分约 $0.01,按 $5 档计算),按真实 token 成本计费,最低 1 个积分。

这是 SenseNova 的官方网站吗?

不是。本页为非官方页面,与商汤或 SenseNova 无关,也未获其认可。事实链接到我们读过的页面。