AnswersPublished23 sources
SenseTime kierrättää mallinsa keskimmäiset 24 kerrosta kahdesti
SenseTime julkaisi mallin 30. lokakuuta 2026. Mallissa on noin 9 miljardia parametria, ja sen dokumentoitu koulutus tukee enintään 262 144 tokenin sekvenssejä.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- SenseTime julkaisi mallin 30. lokakuuta 2026.
- Mallissa on noin 9 miljardia parametria, ja sen dokumentoitu koulutus tukee enintään 262 144 tokenin sekvenssejä.
- SenseTimen väitteet noin 27 miljardin parametrin mallien tasosta perustuvat yhtiön raportoimiin vertailuihin.
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
SenseTimen SenseNova-Loop-9B-Preview on avoimilla painoilla julkaistu multimodaalinen malli, joka on suunnattu pitkien kontekstien käsittelyyn ja agenttityönkulkuihin. Sen erikoisuus on keskimmäisen 24 dekooderikerroksen suorittaminen kahdesti samoilla painoilla. Mallissa on siis 32 erillistä kerrosta, mutta eteenpäinlaskennan aikana kerrossuorituksia kertyy 56.7
45
SenseTime julkaisi mallin 30. lokakuuta 2026. Painot ovat saatavilla Hugging Facessa, ja projektin koodi on julkaistu GitHubissa. Projekti on merkitty Apache 2.0 -lisensoiduksi.7
16
25 Arkkitehtuuri on kiinnostava, mutta väitteet kilpailusta huomattavasti suurempien mallien kanssa on syytä ymmärtää yhtiön ilmoittamiksi vertailutuloksiksi, ei yleiseksi lupaukseksi samantasoisesta suorituskyvystä.
Miten 32 kerroksesta tulee 56 kerrossuoritusta?
Dekooderin neljä ensimmäistä kerrosta suoritetaan kerran. Kerrokset 4–27 eli keskimmäinen 24 kerroksen lohko suoritetaan kahdesti samoilla painoilla. Lopuksi neljä viimeistä kerrosta suoritetaan kerran. Lasku on 4 + 24 × 2 + 4 = 56 kerrossuoritusta.45
Tässä on tärkeää erottaa toisistaan erillisten kerrosten määrä ja kerrossuoritusten määrä. Keskimmäisen lohkon kierrättäminen lisää laskentaa, mutta sen toista suoritusta varten ei tallenneta erillistä kopiota painoista. Se ei kuitenkaan automaattisesti tee mallista nopeampaa tai kevyempää ajaa: todellinen nopeus ja resurssitarve riippuvat toteutuksesta ja käyttöympäristöstä.
Mallikortissa ilmoitetaan noin 9 miljardia parametria ja 14,6 miljardia niin sanottua päättelyparametria.6 Luvut kuvaavat eri asioita. Suurempaa lukua ei pidä tulkita 14,6 miljardiksi erikseen tallennetuksi painoksi tai todisteeksi siitä, että malli vastaisi suorituskyvyltään samankokoista perinteistä mallia.
mHC ja hybridihuomiointi täydentävät rakennetta
Kierrätetyssä osassa malli käyttää kaksivirtaista, monistoon rajoitettua hyperyhteyttä eli mHC:tä. Kaksi residuaalivirtaa kuljettaa tietoa dekooderin laskennan läpi, ja opitut muunnokset ohjaavat sitä, miten virtoja luetaan ja yhdistetään sekä miten kerrosten tulokset liitetään mukaan. Projektin dokumentaation mukaan virtojen yhdistämistä rajoittaa Sinkhorn-normalisointi. Dokumentoidussa asetuksessa käytetään kahta virtaa ja 20 normalisointikierrosta.8
20
Mallikuvauksessa huomiointirakenne vuorottelee kolmen lineaarisen huomiointikerroksen ja yhden täyden huomiointikerroksen ryhmissä.32 Tämä on arkkitehtuurikuvaus, ei yksinään näyttö siitä, että malli olisi joka tehtävässä nopeampi tai kyvykkäämpi.
Tekstiä, kuvia ja pitkät syötteet
SenseNova-Loop-9B-Preview ottaa vastaan tekstiä ja kuvia ja tuottaa tekstiä. SenseTime esittelee sitä muun muassa dokumenttien ymmärtämiseen, koodaukseen ja ulkoisten työkalujen käyttöön.7 Dokumentoidussa koulutusasetuksessa sekvenssin enimmäispituus on 262 144 tokenia, ja koulutukseen kuuluu multimodaalista aineistoa sekä ohjattuja tehtäväpolkuja.
6 TechNoden julkaisua koskevassa jutussa koulutusaineiston kerrotaan sisältävän tekstiä, kuvia, koodia ja työkalujen käyttöesimerkkejä.
30
Koulutuksessa käytetty enimmäispituus ei kuitenkaan takaa, että malli osaisi luotettavasti hakea tietoa tai päätellä oikein jokaisesta näin pitkän syötteen osasta. Pitkän kontekstin toimivuutta on arvioitava tehtäväkohtaisesti.
Mitä vertailutuloksista voi päätellä?
SenseTime on esitellyt mallia noin 27 miljardin parametrin mallien tasoisena ja nostanut esiin vertailuja Qwen3.5-27B-malliin WorkBuddy Bench-, RaccoonPPT Bench- ja AutomationBench-testeissä.16
36 Kyse on yhtiön omista väitteistä valituissa arvioinneissa, ei näytöstä siitä, että mallit olisivat tasavertaisia kaikissa tehtävissä. Käytettävissä oleva aineisto ei sisällä riittävästi arviointien yksityiskohtia, jotta vertailut voisi riippumattomasti tarkistaa tai niiden yleistettävyyttä arvioida.
Mallikortissa mainitaan tuloksia muun muassa BIRD-Dev-, WorkBuddy Bench-, AIDABench-, TeamBench-, Terminal Bench 2.1-, T³-Banking-, AutomationBench- ja RaccoonPPTBench-testeistä.17 Pelkkä testin mainitseminen ei kerro, voittiko malli tai millä asetuksilla tulos saatiin. Mallikortissa tekninen raportti on lisäksi merkitty vielä julkaistavaksi myöhemmin, joten kattavampi kuvaus menetelmistä ja tuloksista puuttuu.
1
Päättelyn kiihdytys: mitä on dokumentoitu?
Projektin dokumentaation mukaan mallissa tuetaan monen tokenin ennustamista eli MTP:tä päättelyn kiihdyttämiseksi.6
20 Tuki kertoo menetelmän olevan käytettävissä, mutta ei vielä osoita mitattua nopeutusta: saatavilla oleva aineisto ei vahvista viiveen tai läpimenon paranemista eri laitteilla ja kuormilla.
Dspark ja Dflash2 on dokumentaatiossa merkitty kehitysvaiheeseen, ja niiden koulutuksen kerrotaan olevan käynnissä.5
20 Koulutusohjeet kertovat, että menetelmille on valmisteltu koulutuspolkuja. Ne eivät itsessään osoita, että valmiita luonnosmallien tarkistuspisteitä olisi saatavilla tai että nopeushyödyt olisi riippumattomasti varmennettu.
Olennaisin käytännön kannalta
SenseNova-Loop-9B-Preview kokeilee selkeää vaihtokauppaa: keskimmäistä kerroslohkoa käytetään uudelleen, jotta laskennan syvyyttä voidaan kasvattaa tallentamatta lohkon painoja kahteen kertaan. Parametrimäärä, pitkien sekvenssien koulutus ja vertailutulokset on silti syytä erottaa käytännön ajotehokkuudesta ja riippumattomasti varmennetusta suorituskyvystä. Käyttöönottoa harkitsevan tärkeimmät kysymykset ovat, miten malli toimii omassa tehtävässä ja millaisia mitatut muistinkulutus, viive ja tulosten laatu ovat juuri siinä käyttöympäristössä.
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 kierrättää mallinsa keskimmäiset 24 kerrosta kahdesti"?
SenseTime julkaisi mallin 30. lokakuuta 2026.
What are the key points to validate first?
SenseTime julkaisi mallin 30. lokakuuta 2026. Mallissa on noin 9 miljardia parametria, ja sen dokumentoitu koulutus tukee enintään 262 144 tokenin sekvenssejä.
What should I do next in practice?
SenseTimen väitteet noin 27 miljardin parametrin mallien tasosta perustuvat yhtiön raportoimiin vertailuihin.