AI 资讯速递 (2026/11/2)： 商汤开源多模态模型 SenseNova Loop-9B-Preview

资讯详情

商汤科技近期推出的 SenseNova Loop-9B-Preview 通过架构创新实现了多模态处理效率突破。该模型基于自研循环计算框架，在保持 9.8B 参数规模的前提下实现了更优的任务处理能力。

---

【Looped Transformer 架构】
采用参数共享的循环计算模块设计，在序列处理中动态扩展有效计算深度
通过减少冗余参数量（4.8×10⁸ vs 2.7×10⁹）实现更高计算密度与推理速度

【mHC 机制】
混合注意力与跨模态通道交互模块提升特征融合效率
消融实验显示 GPQA Diamond 测试集得分提升 4.42 分（绝对值）

【性能基准突破】
在 TeamBench 多模态任务基准测试中超越 27B 级别模型 13.34 分
支持本地化部署方案（CPU/GPU），推理速度较传统架构提升 30%

---

AI-ALL 深度点评

SenseNova Loop-9B-Preview 的技术路径为多模态大模型发展提供了新范式参考：

1. 架构创新价值：Looped Transformer 的参数共享设计打破了"参数量决定性能"的传统认知，在代码生成等结构化任务中验证了循环计算的有效性
2. 开源生态影响：完整权重与训练代码的开放将加速 mHC 机制在视觉语言领域的技术扩散
3. 智能体适配性：该模型在 Agentic Workflow 中展现的推理稳定性或成为具身智能开发的关键支撑

此发布标志着商汤在高效能大模型方向的技术积累已形成可复用方案体系。其通过架构优化实现"小参数大性能"的技术路线，或将引发行业对传统线性扩展范式的重新评估。