商汤开源日日新Loop 9B 循环计算媲美27B

时间：2026年10月30日。 地点：商汤科技发布，模型权重与代码同步上线 Hugging Face 与 GitHub 公开仓库。 人物：商汤日日新（SenseNova）团队。 事件详情：10月30日，商汤科技宣布开源日日新（SenseNova）系列新模型 SenseNova Loop-9B-Preview，代码与权重以 Apache 2.0 许可同步上架 GitHub 与 Hugging Face。官方给出的定位是：采用 Looped Transformer 架构，通过引入循环计算扩展模型的有效计算深度，在仅 9B 的参数规模下媲美 27B 参数级别的模型。具体做法是保留首尾各 4 层原始解码器模块，把中间第 4 至第 28 层改造为参数共享的循环计算模块并循环执行 2 轮，32 层解码器在一次前向里实际执行 56 次层计算，但只需存储 32 组层权重。官方仓库列出的规格为：训练参数约 9B，循环展开后推理参数约 14.6B，独立解码器层 32 层，循环层区间为第 4 至 28 层、共享权重执行 2 遍，mHC 双残差流，输入为文本与图像、输出为文本，训练上下文最长 262144 tokens；注意力为混合模式，每 4 层里有 3 层线性注意力加 1 层全注意力。模型还引入了 mHC（Manifold-Constrained Hyper-Connections）多路残差连接与受约束的信息混合，官方用消融实验说明其收益：GPQA Diamond 提高 4.42 分，TeamBench 提高 13.34 分。官方称在当前评测设置下，该模型在代码生成、办公场景和智能体任务方向上均优于其他模型，并在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 等评测中超过 Qwen3.5-27B，并表示后续将继续探索 DSA、自适应迭代次数等机制。工程侧，官方仓库给出基于 torchtitan 的单机 8 卡微调脚本，以及 DSpark、DFlash2 两种草稿模型的训练示例；推理侧给出了 SGLang 的支持分支和 LightLLM 的四卡张量并行部署示例。 背景：商汤的日日新系列长期走自研基座加开放权重的路线，本次开源的 Loop-9B-Preview 是该系列里首个把循环计算（Looped Transformer）作为主干结构的公开模型。循环计算的思路并不新鲜：把同一组解码器权重重复执行多遍，用共享权重换取更深的有效计算深度，从而在不增加参数量的前提下扩展模型在复杂任务上的表现。官方给出的对比口径需要一并看清：这些结论是在当前评测设置下得到的，评测项包括 BIRD-Dev、WorkBuddy Bench、AIDABench、TeamBench、Terminal Bench 2.1、T3-Banking、AutomationBench 与 RaccoonPPT Bench，属于厂商自评，目前没有第三方复现。 影响：对小参数模型的部署方，这给出了一条不靠堆显存换效果的路子，推理时 14.6B 参数、56 次层计算换来的是更深的有效计算深度，而权重只需存 32 组，对显存和带宽的压力与同规模常规模型相当。在智能体方向上，官方给出的消融数据指向多步骤任务，而智能体恰恰是当下算力开销最敏感的场景。生态侧也已经跟上，SGLang 主线为该模型开了支持分支，LightLLM 提供了四卡部署镜像，官方还提供 DSpark、DFlash2 两种草稿模型，用于配合投机解码降低推理延迟。可以预期的是，9B 这个量级如果能在智能体与办公任务上稳住表现，会进一步压低本地部署与端侧推理的门槛，这一天真正稀缺的已经不是参数量，而是把同样的算力花得更有效率。 总结：这次开源给行业提供了一个具体样本：不加参数，加计算深度。SenseNova Loop-9B-Preview 用共享权重的循环模块把 9B 模型的推理参数摊到 14.6B，用 56 次层计算换更深的有效计算深度，官方称在代码生成、办公场景和智能体任务上媲美 27B 模型，并在 WorkBuddy Bench、RaccoonPPT Bench、AutomationBench 等评测中超过 Qwen3.5-27B。对开发者，接下来更值得关注的不是参数榜单，而是三件事：第三方复现能否在同样评测口径下复现这套结论，循环计算在真实长上下文与工具调用场景下的延迟表现，以及官方后续要接上的 DSA 与自适应迭代次数能否继续压低单次任务的推理成本。 常见问题： 问：日日新 Loop 9B 模型有多大？ 答：训练参数约 9B，循环展开后推理参数约 14.6B，一次前向执行 56 次层计算。 问：日日新 Loop 9B 在哪下载？ 答：权重在 Hugging Face，代码在 GitHub 的 OpenSenseNova/SenseNova-Loop，Apache 2.0 许可，可用 SGLang 或 LightLLM 部署。 参考来源： IT之家：商汤开源 SenseNova Loop-9B-Preview，宣称媲美 27B 参数大小模型 https://www.ithome.com/1/020/654.htm GitHub：SenseNova-Loop-9B-Preview 官方仓库（2026.10.30 发布记录、架构与模型规格） https://github.com/OpenSenseNova/SenseNova-Loop Hugging Face：sensenova/SenseNova-Loop-9B-Preview 官方模型卡（许可证与部署说明） https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview GitHub：OpenSenseNova/SenseSpec（DSpark、DFlash2 训练脚本） https://github.com/OpenSenseNova/SenseSpec GitHub：sgl-project/sglang PR 47281（推理框架支持分支） https://github.com/sgl-project/sglang/pull/47281 GitHub：OpenSenseNova/torchtitan（单机 8 卡微调脚本） https://github.com/OpenSenseNova/torchtitan