SenseNova Loop-9B: המודל בן 9B הפרמטרים של SenseTime שמריץ את השכבות שלו פעמיים
SenseNova Loop-9B של SenseTime משתמש מחדש ב-24 שכבות משותפות כדי להפיק 56 חישובי שכבה מכ-9B פרמטרים, טוען לשוויון ביצועים עם Qwen3.8-27B במבחני הספק, ומריץ הקשר של 256K טוקנים בכ-15 GB זיכרון GPU. מה שבונים צריכים לדעת לפני ההורדה.
SenseTime שחררה ב-17 בנובמבר 2026 את SenseNova Loop-9B: מודל מולטימודלי במשקולות פתוחות עם כ-9 מיליארד פרמטרים שמשיג עומק על ידי שימוש חוזר בשכבות במקום הוספת שכבות. 24 השכבות האמצעיות מתוך 32 שכבות המפענח חולקות משקולות ומבוצעות פעמיים, כך שכל מעבר קדימה מבצע 56 חישובי שכבה בעוד המשקולות נשארות קטנות מספיק כדי שגרסת ה-4-bit הרשמית תשקול כ-4.9 GB. המבחנים של SenseTime עצמה מציבים אותו קרוב ל-Qwen3.8-27B, מודל עם פי שלושה פרמטרים, וטבלת הזיכרון אומרת שהסקה בהקשר של 256K נכנסת בכ-15 GB זיכרון GPU. המשקולות מתויגות Apache 2.0 אבל יושבות מאחורי הורדה מ gated ב-Hugging Face. הנה מה שבאמת חדש, מה טענת ספק, ומה לא הצלחתי לאמת.
#### מה SenseTime באמת שחררה
השחרור הרשמי מגיע כשבועיים וחצי אחרי SenseNova-6.8-Loop-9B-Preview מ-31 באוקטובר. המשקולות והקוד זמינים ב-Hugging Face וב-ModelScope, והמאגר ב-GitHub תחת OpenSenseNova. שלושה פורמטי משקולות זמינים: משקולות BF16 ב-Safetensors, קונטיזציית AWQ 4-bit עם MTP draft תואם, ובילדים של GGUF ב-BF16, Q8_0, Q5_K_M ו-Q4_K_M. הורדות ה-AWQ וה-GGUF נוספו ב-18 בנובמבר, יום אחרי ההשקה. המודל מקבל טקסט ותמונות, מפיק טקסט, ותומך בהקשר של עד 512K טוקנים.
#### ארכיטקטורת הלולאה, במילים פשוטות
למפענח 32 שכבות נפרדות. הקלט עובר דרך 4 הראשונות, אז דרך 24 השכבות האמצעיות פעמיים ברצף עם אותן משקולות, ואז דרך 4 האחרונות. זה נותן 56 ביצועי שכבה לכל מעבר קדימה עם אחסון של 32 שכבות בלבד, מה ש-SenseTime מתארת ככ-14.6B פרמטרים שקולי-הסקה מתוך כ-9B מאוחסנים. שתי בחירות נוספות חשובות לבונים. ראשית, manifold-constrained hyper-connections דו-זרמיים (mHC): מיפויים נלמדים, שנשמרים ב-FP32, מנתבים וממזגים מידע בין שני זרמי שיור (residual) בתוך בלוק הלולאה. שנית, קשיבות היברידית: המפענח עובד בקבוצות של ארבע שכבות, שלוש שכבות קשיבות לינארית ואחת מלאה, וזה חלק מהסיבה שהקשר של 512K נשאר בר-השגה מבחינת זיכרון.
#### טענות הביצועים, מתויגות כטענות ספק
כל המספרים כאן הם תוצאות ש-SenseTime דיווחה בעצמה בכרטיס המודל ובפוסט השחרור; לא מצאתי הערכות עצמאיות עדיין. מול ה-Preview של עצמו, השחרור משתפר בכל שבעת המבחנים ש-SenseTime מציגה: AutomationBench מ-14.33 ל-36.67, Terminal-Bench 2.1 מ-40.45 ל-59.55, GAIA מ-37.86 ל-69.90, ו-BIRD מ-71.38 ל-72.34. מול Qwen3.8-27B: NL2Repo 41.36 מול 44.60, AIDABench 65.31 מול 65.01, ותיקו ב-36.67 ב-AutomationBench. כדאי להתייחס לזה ככיוון כללי, לא כהוכחה. בחירת המבחנים היא של SenseTime, וקפיצת GAIA מ-37.86 ל-69.90 בין preview לשחרור גדולה מספיק כדי שארצה שכפול עצמאי לפני שאסתמך עליה.
#### כמה זה עולה להריץ
מבנה הלולאה המשותף הוא כל סיפור הפריסה. טבלת הזיכרון המינימלי ש-SenseTime פרסמה, עם משקולות 4-bit:
| אורך הקשר | KV cache ב-8 ביט | KV cache ב-4 ביט |
|---|---|---|
| 64K | כ-10 GiB | כ-9 GiB |
| 128K | כ-12 GiB | כ-10 GiB |
| 256K | כ-15 GiB | כ-12 GiB |
זה מציב הסקה מולטימודלית בהקשר ארוך על GPU צרכני או תחנת עבודה בודדת, או שירת ענן קטן, במקום צומת מרובה GPU. בילדי ה-GGUF אומרים שכלים מסוג llama.cpp אמורים לעבוד בלי המרה.
#### הסתייגות הקוד הפתוח
המאגר מתויג Apache 2.0, וכרטיס המודל פומבי. אבל קבצי המשקולות מ gated: Hugging Face דורש להתחבר ולהסכים לשתף את פרטי החשבון לפני ההורדה (gated=auto ב-API הציבורי, כפי שסיקור עצמאי של ההשקה אישר). תנאי Apache 2.0 עם הורדה מ gated עדיין טובים בהרבה מרישיון למחקר בלבד, אבל אם הצינור שלכם מניח משיכת artifacts אנונימית, תתכננו טוקן ואישור gate.
#### מגבלות ש-SenseTime מודה בהן בעצמה
פוסט השחרור מונה שלוש, גילוי לב חריג להשקה. עם הגדרות כלים רבות או מורכבות, או אילוצים מותנים מרובים, המודל עלול לפרש ולבצע לא נכון באופן שפוגע בביצועים. יכולות הקוד והסוכנים השתפרו מאוד מול ה-Preview אבל נשארות לא עקביות; המודל יכול לתקן את עצמו בצעדים נוספים, אבל משימות מורכבות ארוכות-טווח דורשות שכלול נוסף. ויצירת אתרים מורכבים עם סצנות תלת-ממד או אלמנטים דינמיים כבדים לוקחת לעיתים שני עד שלושה סבבי משוב. במילים אחרות: רווחי המבחנים במשימות סוכנתיות מגיעים עם אזהרה מפורשת על אמינות סוכנתית.
#### למה זה משנה לבונים
שני טרנדים ששווה לעקוב אחריהם נפגשים כאן. ראשית, יעילות פרמטרים דרך חזרתיות: לולאה על שכבות משותפות היא מנוף שונה מ-distillation או MoE להפקת יותר חישוב לכל גיגה-בייט מאוחסן, ו-Loop-9B הוא נקודת הנתונים הפתוחה הקונקרטית ביותר החודש לכמה רחוק המנוף הזה מגיע. שנית, הרף למודלים סוכנתיים מקומיים רציניים ממשיך לרדת: טענת ספק ברמת 27B בזיכרון של 10 עד 15 GB עם הקשר של 256K הייתה עומס של חוות שרתים לא מזמן. אם Loop-9B יחזיק מעמד מחוץ לבחירת המבחנים של SenseTime, זה בדיוק מה ששבועות ההערכות הקהילתיים הקרובים יראו.
מה זה SenseNova Loop-9B?
שחרור המשקולות הפתוחות הרשמי של SenseTime מ-17 בנובמבר 2026: מודל מולטימודלי של כ-9B פרמטרים שמקבל טקסט ותמונות, מפיק טקסט, תומך בהקשר של 512K, ומשתמש מחדש ב-24 שכבות משותפות פעמיים כדי להגיע ל-56 חישובי שכבה בכל מעבר קדימה. הוא בא אחרי Loop-9B Preview מ-31 באוקטובר.
איך ארכיטקטורת הלולאה עובדת?
מתוך 32 שכבות מפענח, 24 האמצעיות חולקות משקולות ורצות פעמיים ברצף, כך שמעבר קדימה אחד מבצע 56 חישובי שכבה תוך אחסון 32 שכבות. מיפויי mHC דו-זרמיים ב-FP32 מנתבים מידע בין שני זרמי שיור, והקשיבות היברידית: שלוש שכבות קשיבות לינארית ועוד אחת מלאה בכל קבוצת ארבע שכבות.
כמה זיכרון GPU צריך ל-SenseNova Loop-9B?
לפי הטבלה של SenseTime עם משקולות 4-bit: כ-10 GiB בהקשר 64K עם KV cache ב-8 ביט, כ-12 GiB ב-128K, וכ-15 GiB ב-256K. KV cache ב-4 ביט חוסך עוד כ-1 עד 3 GiB. משקולות ה-AWQ 4-bit עצמן שוקלות כ-4.9 GB.
האם SenseNova Loop-9B באמת קוד פתוח?
הרישיון הוא Apache 2.0 והכרטיס והקוד פומביים, אבל קבצי המשקולות ב-Hugging Face מ gated: צריך להתחבר ולהסכים לשתף פרטי חשבון לפני ההורדה. גישה מעשית קלה, משיכות CI אנונימיות לא.
איך הוא מול Qwen3.8-27B?
רק לפי המספרים של SenseTime עצמה בינתיים: NL2Repo 41.36 מול 44.60, AIDABench 65.31 מול 65.01, ותיקו ב-36.67 ב-AutomationBench. זה כמעט שוויון במבחני הסוכנים וניתוח הנתונים שהספק בחר, עם כשליש מהפרמטרים. השוואות עצמאיות עוד לא קיימות.
מה המגבלות המוכרות?
SenseTime מונה פרשנות רעועה כשהגדרות הכלים או האילוצים מסתבכים, ביצועי קוד וסוכנים לא עקביים במשימות ארוכות-טווח, וצורך בסבבי תיקון מרובים ליצירת אתרים מורכבים. אלה מילות הספק, והן משתלבות עם מה שכדאי לכם לבדוק ראשון.
האם כדאי להחליף את הסטאק המקומי שלי ל-SenseNova Loop-9B?
לא על בסיס ראיות של שבוע ההשקה. אם אתם כבר מריצים מודל מקומי ברמת 27B לעבודה סוכנתית או נתונים, Loop-9B שווה מבחן סוף שבוע על המשימות שלכם, כי חיסכון הזיכרון אמיתי ובילדי ה-GGUF מוזילים את עלות הניסיון. חכו להערכות עצמאיות לפני ששמים אותו בפרודקשן.
Sources
- SenseTime release post: https://www.sensetime.com/en/news/sensenova-loop-9b-release-20261118-1435
- Hugging Face model card: https://huggingface.co/sensenova/SenseNova-Loop-9B
- Hugging Face collection: https://huggingface.co/collections/sensenova/sensenova-loop
- GitHub repository: https://github.com/OpenSenseNova/SenseNova-Loop
קריאה נוספת
- Edge0-145B: סוכן קוד עם 145 מיליארד פרמטרים שרץ על כרטיס מסך צרכני אחד
Edge0 שחררה את Edge0-145B, מודל latent MoE פתוח במשקולות עם 145 מיליארד פרמטרים לעבודת קוד וסוכנים מקומית. המודל מפעיל כ-10 מיליארד פרמטרים לטוקן, מחזיק הקשר של 256K, ולפי היצרן מגיע ל-121 טוקנים לשנייה ב-decode של סוכן על RTX 5090 D יחיד. המשקולות, מנוע ההסקה ואפליקציית דסקטופ זמינים כבר עכשיו, תחת רישיון קהילתי שמגביל מוצרי אסיסטנט מסחריים.
- LongCat-2.5: Meituan משחררת מודל סוכנים של 1.6T פרמטרים ברישיון MIT, מאומן ומוגש בלי Nvidia
צוות LongCat של Meituan שחרר את המשקלים של LongCat-2.5: מודל mixture-of-experts עם 1.6 טריליון פרמטרים, כ-48B פעילים לטוקן, הבנת תמונה מלידה, קונטקסט של 512K טוקנים ורישיון MIT. האימון והפריסה הרפרנסית רצים כולם על מאיצים סיניים מקומיים, עם quantization של W4A4 INT4 שלטענת הצוות משמר דיוק קרוב למלוא הדיוק. בבנצ'מרקים של היצרן הוא קרוב ל-Claude Opus 5 בקידוד סוכנתי, ומתחתיו במשימות terminal. אירוח עצמי דורש אשכול רציני.
- Inkling 2 Small: Thinking Machines משחררת MoE פתוח של 594B פרמטרים שרץ על 17B פעילים
Thinking Machines Lab שחררה את Inkling 2 Small במשקלים פתוחים תחת Apache 2.0: מודל mixture-of-experts מולטימודאלי מלידה עם 594B פרמטרים, 17B פעילים, קונטקסט של מיליון טוקנים, ותוצאות agentic coding שמנצחות את רוב מתחרי ה-flash הפתוחים. אירוח עצמי דורש אשכול GPU; ב-Ollama Cloud הוא עולה 0.30 דולר למיליון טוקני קלט.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS