模型資訊
| 項目 | 值 |
|---|---|
| Model ID | sensenova/SenseNova-Loop-9B |
| 廠商 | SenseTime(商湯) |
| 參數量 | ~9B 儲存參數;~14.6B 等效推理運算量(32 個獨立解碼器層中,第 4–27 層權重被重複執行兩次,共 56 次層運算,只儲存 32 組權重) |
| Context Window | 512,000 tokens(官方 HuggingFace 模型卡標示的訓練/支援上限,較 Preview 的 262,144 tokens 翻倍) |
| Input 定價 (USD/1M tokens) | 未提供(僅開放權重,無官方託管 API) |
| Output 定價 (USD/1M tokens) | 未提供(同上) |
| 開源 | 是(Apache License 2.0) |
| 發布日 | 2026-11-17 |
| 官方公告 | SenseNova-Loop-9B 模型卡(Hugging Face) |
| HuggingFace | sensenova/SenseNova-Loop-9B |
| 家族 | SenseNova Loop(Preview 2026-10-30 開源後 18 天的正式版) |
能力亮點
- GAIA 從 37.86 衝到 69.90:官方 HuggingFace 模型卡「From Preview to Release」benchmark 圖顯示七項評測正式版全面超過 Preview,GAIA 漲幅最大(+32.04 分,接近翻倍)
- Terminal-Bench 2.1 從 40.45 升到 59.55、AutomationBench 從 14.33 升到 36.67:後者正好打平參數量約三倍的 Qwen3.8-27B(同為 36.67)
- Context window 從 262,144 翻倍到 512,000 tokens:同時維持循環架構(32 個獨立解碼器層執行 56 次、two-stream mHC)不變
- 官方同步放出 AWQ 4-bit 量化與 GGUF 權重:4-bit 量化後模型權重約 4.9GB,256K context 多模態推理估計只需約 15GiB GPU 記憶體(8-bit KV cache)
- 寒武紀(Cambricon)day-0 MLU 支援:用
vllm_mlu把循環架構靜態展開成 56 個序列執行槽位,重用 vLLM 既有排程與 KV cache 機制,但 Pandaily 報導指出這組產能數字未經第三方獨立驗證
Benchmark 表現
數字取自 SenseTime 官方 HuggingFace 模型卡。換算:基線 y=300,繪圖區頂 y=60,網域 0–80 分,k=(300−60)÷80=3(每分 3 單位),長條頂 y=300−分數×3。
| Benchmark | 分數(正式版) | 前代(Preview) | 競品最強(Qwen3.8-27B) |
|---|---|---|---|
| GAIA | 69.90 | 37.86 | 未提供 |
| Terminal-Bench 2.1 | 59.55 | 40.45 | 未提供 |
| AutomationBench | 36.67 | 14.33 | 36.67(打平) |
| AIDABench | 65.31 | 未提供 | 65.01 |
| NL2Repo | 41.36 | 未提供 | 44.60(落後) |
| BIRD | 72.34 | 71.38 | 未提供 |
以上均為 SenseTime 官方 HuggingFace 模型卡自測結果,尚無獨立第三方復現。Qwen3.8-27B 參數量約為 Loop-9B 正式版等效推理運算量(~14.6B)的近兩倍。
與前代/競品比較
跟 Preview 比,正式版進步最大的是 GAIA(+32.04 分,接近翻倍)與 Terminal-Bench 2.1(+19.1 分)——這兩項都是需要多步驟工具鏈與複雜任務規劃的評測,說明 18 天的迭代主要補強的是 agentic 能力,不是單純沖高分數的小修小補。AutomationBench 從落後 Qwen3.8-27B 的 10.2(Preview 版對 Qwen3.5-27B 的舊比較基準)進步到直接打平 36.67,是本次最具體的「以小勝大」證據。
跟競品 Qwen3.8-27B 比,AutomationBench 打平、AIDABench 小贏(65.31 vs 65.01,差距在誤差範圍內),但 NL2Repo 落後 3.24 分(41.36 vs 44.60)——程式碼生成相關任務仍是 Loop-9B 的弱項,跟 Preview 時期「Terminal Bench、金融業務場景落後大模型」的模式一致。
定價面沒有變化:正式版跟 Preview 一樣只開放權重、沒有官方 API,走的不是價格競爭路線。但這次新增的官方 AWQ 4-bit 量化與寒武紀 day-0 支援,降的是「自架部署」的門檻成本——4.9GB 的量化權重 + 約 15GiB GPU 記憶體(256K context)讓消費級硬體更容易跑起來,這是比「定價策略」更實際的成本訊號。
對 Agent 開發的意義
Context window 翻倍(262K→512K)加上 agentic 評測大幅進步,讓 Loop-9B 正式版比 Preview 更接近「可以真的拿來跑 agent」的門檻,而不只是架構效率的展示品。
- 如果你在消費級或邊緣 GPU 上跑 agent:官方 AWQ 4-bit 量化(~4.9GB)+ 256K context 約 15GiB GPU 記憶體的組合,比 Preview 時期多了「官方驗證過的量化路徑」,少走自己摸索量化精度的風險
- 如果你在做需要長上下文的多步驟任務(文件分析、長對話 agent):512K context 搭配 GAIA、Terminal-Bench 2.1 的大幅進步,值得納入評估——但官方自己的「已知限制」段落點名「複雜工具定義 + 多重限制的指令遵循」與「長程 coding/agent 任務一致性」仍不穩定,建議先用小範圍任務驗證
- 不適合:需要穩定公開 API、SLA 保證的場景——依然只有開放權重,沒有官方託管服務;也不建議直接信任寒武紀 MLU 的產能數字做容量規劃,Pandaily 報導明確指出這些是廠商自己的說法,未經獨立驗證
今日收穫
Preview 到正式版只隔 18 天,但 GAIA 幾乎翻倍、AutomationBench 從落後變成打平 27B 等級的競品——這代表「先開源 Preview 收集社群回饋,再快速迭代出正式版」正在變成中國開源模型圈的標準節奏,不是商湯特例(Tencent Hy4 flash、MiniMax 等近期案例都是同樣路數)。但官方自己在「已知限制」段落老實列出長程任務仍不穩定、Pandaily 也主動標注寒武紀的產能數字未經獨立驗證——這種「進步很快但自己劃清驗證邊界」的揭露方式,比單純的 benchmark 漲幅更值得注意。