الإجاباتمنشور23 المصادر
نموذج SenseTime الجديد يعيد استخدام طبقاته لزيادة عمق المعالجة
أُطلق النموذج في 30 أكتوبر 2026، ويشغّل كتلة وسطى من 24 طبقة مرتين، ليصل إلى 56 تنفيذًا للطبقات انطلاقًا من 32 طبقة مختلفة. تقول SenseTime إن أداءه ينافس نماذج أكبر في بعض الاختبارات، لكن هذه النتائج المعلنة من الشركة لا تثبت تفوقًا عامًا أو أداءً مكافئًا في كل المهام.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- أُطلق النموذج في 30 أكتوبر 2026، ويشغّل كتلة وسطى من 24 طبقة مرتين، ليصل إلى 56 تنفيذًا للطبقات انطلاقًا من 32 طبقة مختلفة.
- تقول SenseTime إن أداءه ينافس نماذج أكبر في بعض الاختبارات، لكن هذه النتائج المعلنة من الشركة لا تثبت تفوقًا عامًا أو أداءً مكافئًا في كل المهام.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is SenseTime’s SenseNova-Loop-9B-Preview, open-sourced on October 30, 2026, and how do its Apache 2.0 weights on Hugging Face and code. Article summary: SenseNova-Loop-9B-Preview is SenseTime’s open-weight multimodal model for long-context and agent workflows, released on October 30, 2026, with Apache 2.0 weights on Hugging Face and a public GitHub repository.[6][12][7][. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
يقدّم نموذج SenseNova-Loop-9B-Preview من شركة SenseTime فكرة مختلفة لزيادة عمق المعالجة: بدل تخزين نسخة إضافية من مجموعة طبقات، يعيد النموذج استخدام الطبقات الوسطى نفسها. والنتيجة أن لديه 32 طبقة مميزة، لكنه ينفذ 56 خطوة طبقية في تمريرة واحدة.7
45
أُطلق النموذج في 30 أكتوبر 2026، وأتاحت الشركة أوزانه على Hugging Face ورمزه على GitHub، مع إدراجه تحت رخصة Apache 2.0.7
16
25 أما الحديث عن منافسته نماذج أكبر، فينبغي التعامل معه بوصفه نتائج اختبارات أعلنتها الشركة، لا ضمانًا بتكافؤ الأداء في جميع الاستخدامات.
كيف تتحول 32 طبقة إلى 56 تنفيذًا؟
ينفّذ النموذج الطبقات الأربع الأولى مرة واحدة، ثم يعيد تشغيل الطبقات من 4 إلى 27 مرتين باستخدام الأوزان نفسها، قبل أن ينفّذ الطبقات الأربع الأخيرة مرة واحدة. أي إن الحساب هو: 4 + (24 × 2) + 4، ليكون المجموع 56 تنفيذًا.45
هنا يكمن الفرق بين عدد الطبقات المختلفة وعدد مرات تنفيذ الطبقات. إعادة استخدام الكتلة الوسطى تزيد عمق مسار المعالجة من دون الحاجة إلى تخزين مجموعة أوزان مستقلة للمرور الثاني. لكنها لا تعني تلقائيًا أن التشغيل أسرع أو أقل استهلاكًا للموارد؛ فذلك يتوقف على طريقة التنفيذ وبيئة التشغيل.
وتذكر بطاقة النموذج نحو 9 مليارات معلمة إجمالًا، مقابل 14.6 مليارًا من «معلمات الاستدلال».6 هذان رقمان بطريقتي احتساب مختلفتين؛ فالرقم الأكبر لا يعني وجود 14.6 مليار وزن مخزّن بصورة مستقلة، ولا يثبت وحده أن أداء النموذج يعادل أداء نموذج تقليدي بهذا الحجم.
ما دور mHC والانتباه؟
تستخدم الكتلة المعاد تشغيلها وصلات فائقة مقيّدة بمتشعبات ذات مسارين، ويُشار إليها اختصارًا بـ mHC. ويحمل المساران المعلومات خلال عمليات المحوّل، بينما تتحكم تحويلات متعلّمة في كيفية قراءة المعلومات ومزجها وإضافة مخرجات الطبقات إلى الحالة المتبقية. وتذكر وثائق المشروع أن تطبيع Sinkhorn يقيّد خريطة المزج، مع استخدام مسارين و20 خطوة تطبيع.8
20
كما تصف الوثائق نمط انتباه هجينًا يتناوب بين ثلاث طبقات من الانتباه الخطي وطبقة واحدة من الانتباه الكامل.32 وهذا وصف معماري، لا دليل بحد ذاته على أن النموذج سيكون أسرع أو أفضل لكل مهمة.
المدخلات والسياق الطويل والاستخدامات المقصودة
يستقبل SenseNova-Loop-9B-Preview النصوص والصور، ويولّد نصًا. وتعرضه SenseTime لمهام تشمل فهم المستندات والبرمجة والتفاعل مع الأدوات الخارجية.7 ويصل طول التسلسلات في إعداد التدريب الموثق إلى 262,144 رمزًا، مع مدخلات متعددة الوسائط ومسارات مهام خاضعة للإشراف.
6 كما تشير تغطية TechNode إلى أن بيانات التدريب تشمل النصوص والصور والبرمجة وأمثلة استخدام الأدوات.
30
لكن بلوغ هذا الحد في التدريب لا يضمن أن النموذج سيسترجع المعلومات أو يستدل عليها بدقة من كل رمز في مدخل بهذا الطول. لذلك، ينبغي اختبار قدرته على السياق الطويل في المهمة المقصودة تحديدًا.
ماذا تقول نتائج الاختبارات، وما الذي لا توضحه؟
روّجت SenseTime لأداء يقارب فئة نماذج 27 مليار معلمة، وسلّطت الضوء على مقارنات مع Qwen3.5-27B في اختبارات WorkBuddy Bench وRaccoonPPT Bench وAutomationBench.16
36 لكنها تظل ادعاءات الشركة بشأن تقييمات مختارة، ولا تثبت تكافؤ الأداء في سائر المهام. كما أن المعلومات المتاحة لا تعرض تفاصيل كافية عن التقييم للتحقق المستقل من المقارنات أو مدى انطباقها على استخدامات أخرى.
وتسرد بطاقة النموذج نتائج ضمن اختبارات تشمل BIRD-Dev وWorkBuddy Bench وAIDABench وTeamBench وTerminal Bench 2.1 وT³-Banking وAutomationBench وRaccoonPPTBench.17 لكن ورود اسم اختبار في القائمة لا يثبت الفوز فيه، ولا يشرح وحده كيفية الحصول على النتيجة. كذلك، لا تزال البطاقة تضع التقرير التقني في خانة «سيُحدد لاحقًا»، ما يعني غياب شرح أكثر اكتمالًا للمنهجية والنتائج.
1
تسريع الاستدلال: ما المتاح بحسب الوثائق؟
تقول وثائق المشروع إن التنبؤ متعدد الرموز (MTP) مدعوم لتسريع الاستدلال.6
20 لكن وجود دعم لهذه الطريقة لا يساوي إثبات مقدار التسريع؛ فالمعلومات المتاحة لا تحدد مكاسب مقاسة في زمن الاستجابة أو معدل الإنجاز عبر مختلف الأجهزة والمهام.
وتذكر الوثائق أن Dspark وDflash2 ما زالا قيد التطوير والتدريب، كما تتضمن إرشادات مرتبطة بالتدريب.5
20 وهذا يثبت وجود مسارات عمل للتدريب، لا توافر نقاط تحقق جاهزة للاستخدام أو تحققًا مستقلًا من مكاسب السرعة.
الخلاصة العملية
يختبر SenseNova-Loop-9B-Preview مقايضة واضحة: إعادة استخدام كتلة وسطى لزيادة عمق الحساب، مع إبقاء أوزانها مشتركة. ومن المهم عدم الخلط بين أعداد المعلمات المعلنة، وإعداد التدريب للسياق الطويل، وادعاءات المعايير من جهة، وبين كفاءة التشغيل والقدرات المثبتة بصورة مستقلة من جهة أخرى. ولتقييمه قبل النشر، تبقى الأسئلة الأهم هي أداؤه في المهمة المطلوبة، واستهلاكه للذاكرة، وزمن استجابته وجودة مخرجاته في بيئة التشغيل الفعلية.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "نموذج SenseTime الجديد يعيد استخدام طبقاته لزيادة عمق المعالجة"؟
أُطلق النموذج في 30 أكتوبر 2026، ويشغّل كتلة وسطى من 24 طبقة مرتين، ليصل إلى 56 تنفيذًا للطبقات انطلاقًا من 32 طبقة مختلفة.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أُطلق النموذج في 30 أكتوبر 2026، ويشغّل كتلة وسطى من 24 طبقة مرتين، ليصل إلى 56 تنفيذًا للطبقات انطلاقًا من 32 طبقة مختلفة. تقول SenseTime إن أداءه ينافس نماذج أكبر في بعض الاختبارات، لكن هذه النتائج المعلنة من الشركة لا تثبت تفوقًا عامًا أو أداءً مكافئًا في كل المهام.