11月17日,日日新SenseNova Loop-9B正式发布并开源。SenseNova Loop-9B采用 Looped Transformer 循环架构,官方 4bit 量化后权重仅约 4.9GB,权重显存占用可控,以小显存开销实现等效更高参数量模型的推理能力,降低本地与私有化部署门槛。目前,沐曦股份已完成 Day 0 适配,成为率先完成该模型适配的国产算力平台。
依托沐曦自研 MXMACA 全栈软件栈原生算子优化,沐曦GPU可充分释放该模型“参数复用、以计算深度换能力”的架构优势,在控制显存占用的前提下,稳定支撑长上下文、Agent 多步骤推理、文档理解等复杂任务,让高性能推理落地门槛大幅降低,助力企业以轻量化算力资源部署复杂智能体应用。
作为 “自主 GPGPU 硬件 + 全栈软件体系”的核心枢纽,沐曦自研 MXMACA 软件栈承担着连接底层算力硬件与上层 AI 应用生态的关键纽带作用。它不仅全链路覆盖底层驱动、用户态接口、MXCC 编译器、算子深度适配、主流训练/推理框架对接及行业场景专项优化。目前,MXMACA 软件栈已实现对主流 AI 生态的广泛覆盖:兼容支持40余种 AI 框架、1000 多款模型,适配超 6000 个开源项目测试,全量支持 PyTorch 2.8的 2410 个GPU算子。
自2025年12月以来,沐曦股份已累计完成50个主流开源模型Day 0适配,包括DeepSeek、智谱、MiniMax、阿里千问、阶跃星辰、腾讯混元等国内主流模型厂商,类型包括旗舰基座模型、Flash 轻量化模型、多模态模型等,覆盖通用对话、代码、OCR、文生图等多元场景,适配速度、数量、生态广度持续稳居行业前列。
关于SenseNova Loop-9B
SenseNova Loop-9B使用约 9B 的模型参数,通过循环执行共享的中间层,将 32 个物理解码层扩展为 56 次层计算。模型支持文本与图像输入、文本输出,面向长上下文理解与多步任务。在 Agent 与数据分析评测中,模型展现出与 Qwen3.8-27B 相当的竞争力:NL2Repo 达到 41.36,接近其 44.60;AIDABench 达到 65.31,超过其 65.01。目前,SenseNova Loop-9B在多个榜单中远超 preview 版本的性能表现,并且能够在 9B 的参数规模下,拥有和 Qwen3.8-27B 比肩的性能。
SenseNova Loop-9B 核心评测结果
模型亮点
共享循环模块:24 个解码器层依次执行两遍,使 32 个独立层在一次前向传播中完成 56 次层计算。
双流 mHC:通过可学习映射,对循环模块中两条残差流的信息进行路由与融合。
混合注意力:解码器以四层为一组,交替使用线性注意力与全注意力。
长上下文多模态:训练方案涵盖文本、图像、代码和工具调用轨迹,上下文长度扩展至 512K tokens。
低资源私有化部署友好:采用 4bit 权重量化与 8bit KV 缓存时,256K 长上下文推理的显存需求约为 15 GiB,有助于降低本地与私有化部署门槛。
官方量化版 Day 0 提供:模型发布首日同步提供官方AWQ 4bit 量化版本,方便用户快速部署。
模型开源链接
Huggingface:
https://huggingface.co/collections/sensenova/sensenova-loop
News
往期推荐
沐曦股份率先完成上海人工智能实验室书生-S2.1 Flash模型Day 0适配
沐曦股份曦云C系列GPU 率先完成MiniMax H3-Image Day 0适配
沐曦股份携手FlagOS率先完成MiniCPM-OCR Day 0适配
沐曦股份曦云C系列GPU Day 0适配MiniMax M3.1 Flash
关于沐曦股份
沐曦股份致力于自主研发全栈高性能 GPU 芯片及计算平台,为人工智能训练、推理,图形渲染,科学智能等提供 “通用易用、稳定可靠” 的算力支撑,成为数字经济发展的基石。
股票
板块
用户
资讯
评论 (0)