AnswersPublished23 sources
SenseTime lader 24 Transformer-lag arbejde to gange
SenseTime lancerede modellen 30. oktober 2026. Modellen tager tekst og billeder ind og genererer tekst.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- SenseTime lancerede modellen 30. oktober 2026.
- Modellen tager tekst og billeder ind og genererer tekst. Den er udviklet med lange kontekster og arbejdsgange med eksterne værktøjer for øje.[6][7]
- Påstande om resultater på niveau med modeller omkring 27 mia. parametre stammer fra SenseTimes egne benchmarkmålinger og bør ikke læses som en generel garanti.[16][36]
AI Prompt
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
SenseNova-Loop-9B-Preview er en multimodal model fra SenseTime, der er udviklet til lange kontekster og arbejdsgange, hvor AI-modeller bruger eksterne værktøjer. Modellen blev lanceret 30. oktober 2026. Vægtene ligger på Hugging Face, og projektets kode er offentlig på GitHub under Apache 2.0-licensen.7
16
25
Det særlige ved modellen er ikke kun størrelsen, men måden dens decoder arbejder på: Den genbruger vægtene i de midterste 24 lag i stedet for at gemme et ekstra sæt vægte til endnu en gennemløbning. Resultatet er 56 lagpassager fra 32 forskellige decoderlag.7
45
Fra 32 lag til 56 lagpassager
Modellen kører de første fire lag én gang, lag 4 til 27 to gange med de samme vægte og de sidste fire lag én gang. Regnestykket er derfor 4 + (24 × 2) + 4 = 56 lagpassager.45
Det er vigtigt at skelne mellem forskellige lag og gennemløbninger af lag. Den gentagne blok øger beregningsdybden uden at kræve en separat kopi af dens vægte. Men flere beregningstrin betyder ikke automatisk, at modellen kører hurtigere eller bruger færre ressourcer. Det afhænger blandt andet af implementeringen og den hardware, modellen kører på.
Modelkortet angiver cirka 9 mia. samlede parametre og 14,6 mia. såkaldte inferensparametre.6 Det er to forskellige opgørelser. Det højere tal skal ikke forstås som 14,6 mia. særskilt lagrede vægte eller som dokumentation for, at modellen præsterer som en konventionel model af den størrelse.
To informationsstrømme og en blanding af opmærksomhed
I den gentagne blok bruger modellen mHC, en forkortelse for manifold-constrained hyper-connections. To residualstrømme fører information gennem beregningerne, mens indlærte mappinger styrer, hvordan strømmenes information læses, blandes og kombineres med lagernes output. Projektets dokumentation beskriver Sinkhorn-normalisering som en begrænsning på blandingen mellem strømme og angiver to strømme samt 20 normaliseringsiterationer.8
20
Modellen beskrives også med et mønster, hvor tre lag med lineær opmærksomhed efterfølges af ét lag med fuld opmærksomhed.32 Det er en arkitekturbeskrivelse – ikke i sig selv dokumentation for, at modellen er hurtigere eller bedre til alle typer opgaver.
Tekst, billeder og lange input
SenseNova-Loop-9B-Preview kan modtage tekst og billeder og generere tekst. SenseTime fremhæver opgaver som dokumentforståelse, programmering og brug af eksterne værktøjer.7 Den dokumenterede træning omfatter sekvenser på op til 262.144 tokens samt multimodale input og superviserede opgaveforløb.
6 TechNode beskriver træningsmaterialet som omfattende tekst, billeder, kode og eksempler på brug af værktøjer.
30
En maksimal sekvenslængde under træningen er dog ikke en garanti for, at modellen altid kan finde, huske eller ræsonnere korrekt over alle oplysninger i et input af den længde. Den praktiske evne til at håndtere lange kontekster må vurderes på den opgave, modellen skal bruges til.
Hvad benchmarkpåstandene fortæller
SenseTime har fremhævet resultater, som virksomheden beskriver som værende på niveau med modeller omkring 27 mia. parametre, og sammenlignet modellen med Qwen3.5-27B på WorkBuddy Bench, RaccoonPPT Bench og AutomationBench.16
36 Det er virksomhedens påstande om udvalgte evalueringer – ikke dokumentation for tilsvarende præstationer på alle opgaver. Det tilgængelige materiale giver ikke tilstrækkelige detaljer til, at sammenligningerne kan vurderes uafhængigt eller generaliseres bredt.
Modelkortet nævner også benchmarks som BIRD-Dev, WorkBuddy Bench, AIDABench, TeamBench, Terminal Bench 2.1, T³-Banking, AutomationBench og RaccoonPPTBench.17 At et benchmark står på listen, viser ikke i sig selv, om modellen klarede sig godt, eller hvordan resultatet blev opnået. Modelkortets tekniske rapport er stadig markeret som »TBD«, så den mere udførlige gennemgang af metoder og resultater mangler.
1
Hvad er status på inferensacceleration?
Dokumentationen angiver, at modellen understøtter MTP, altså multi-token prediction, som en metode til at accelerere inferens.6
20 Det fortæller, at metoden er understøttet – ikke hvor stor en hastighedsgevinst den giver. Det tilgængelige materiale dokumenterer ikke gevinster i svartid eller gennemløb på tværs af hardware og opgavetyper.
Dspark og Dflash2 er angivet som under udvikling med træning i gang, og projektet indeholder tilhørende træningsvejledninger.5
20 Vejledningerne viser, at der arbejdes med træningsforløb. De dokumenterer ikke, at færdige kladde-checkpoints er klar til brug, eller at hastighedsgevinster er blevet uafhængigt bekræftet.
Det vigtigste at tage med
SenseNova-Loop-9B-Preview afprøver en tydelig afvejning: Ved at genbruge en midterblok kan modellen øge beregningsdybden uden at gemme endnu et sæt vægte. Det er værd at holde adskilt fra den faktiske hastighed under drift og fra påstandene om modelkvalitet. Ved en konkret udrulning er det afgørende, hvordan modellen klarer den tiltænkte opgave, og hvad målinger af hukommelsesforbrug, svartid og kvalitet viser i det miljø, hvor den skal bruges.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "SenseTime lader 24 Transformer-lag arbejde to gange"?
SenseTime lancerede modellen 30. oktober 2026.
What are the key points to validate first?
SenseTime lancerede modellen 30. oktober 2026. Modellen tager tekst og billeder ind og genererer tekst. Den er udviklet med lange kontekster og arbejdsgange med eksterne værktøjer for øje.[6][7]
What should I do next in practice?
Påstande om resultater på niveau med modeller omkring 27 mia. parametre stammer fra SenseTimes egne benchmarkmålinger og bør ikke læses som en generel garanti.[16][36]