商汤科技发布 SenseNova-Loop-9B,寒武纪宣布首日 MLU 适配

关键要点

  • SenseNova-Loop-9B最终版于2026年11月17日发布,GAIA评分从预览版的37.86大幅提升至69.90。
  • 商汤科技官方数据显示,该模型拥有约90亿个参数,支持51.2万个上下文 token,并采用循环架构设计。
  • 寒武纪科技在首日完成MLU推理平台适配,通过vllm_mlu静态展开56个执行槽,实现模型部署。

商汤科技(SenseTime)于 11 月 17 日发布最终版 SenseNova-Loop-9B 模型,更新了模型权重并增强了智能体任务结果的呈现效果。最终版在商汤科技自有评估中大幅超越预览版。同日,寒武纪科技(Cambricon)表示已完成其 MLU 推理平台的首日适配。

商汤科技发布最终版 SenseNova-Loop-9B,更新模型权重

据商汤科技官方公告,SenseNova-Loop-9B 最终版于 2026 年 11 月 17 日发布,正式版已超越了 Pandaily 先前报道的预览版,主要更新为模型权重的更新与智能体任务结果呈现效果的增强。Loop-9B 是一款约 90 亿参数的多模态解码器,能够接收文字和图像输入并产生文字输出,支持高达 51.2 万个上下文标记。

在架构方面,模型保留 32 个独立的解码器层,但共享的中间模块(第 4 层至第 27 层)会执行两次,因此每次前向传播相当于执行 56 层计算;两个残差流使用流形约束超连接(mHC)来路由信息。

模型以 Apache 2.0 授权发布;部署文件仍将已检查的环境和引擎示例标记为「预览版」,开发者应区分最终检查点和已完全验证的部署方案。

约 90 亿参数多模态解码器,支持 51.2 万上下文标记

据商汤科技官方模型卡,官方 AWQ 4 位版本已发布;量化权重约占用 4.9 GB 的内存,但这并非模型的总运行时内存需求。部署估算显示,使用 4 位权重和 8 位键值缓存进行 256K 上下文多模态推理约需 15 GiB GPU 内存;据报道,这些 GPU 内存估算值不应视为寒武纪 MLU 的实际内存需求。

商汤科技自有评估:GAIA 最终版 69.90 大幅高于预览版 37.86

据商汤科技提供的评估数据,最终版与预览版及竞品的比较如下:

GAIA:预览版 37.86 → 最终版 69.90(大幅提升)

Terminal-Bench 2.1:预览版 40.45 → 最终版 59.55(大幅提升)

AIDABench:65.31(略高于 Qwen3.8-27B 的 65.01)

NL2Repo:41.36(低于 Qwen3.8-27B 的 44.60)

据报道,以上数据皆为开发者提供的对比结果,并非独立复现的结果。

寒武纪宣布首日 MLU 适配,vllm_mlu 静态展开 56 个执行槽

据 IT 之家援引寒武纪科技的声明,寒武纪已完成其 MLU 推理平台的首日适配。技术方案方面,寒武纪使用 vllm_mlu 将循环静态展开成 56 个顺序执行槽,从而重复使用 vLLM 调度和键值缓存机制;重复的槽共享权重存储。

据报道,寒武纪的实现复用了 Qwen3-Next MLU 算子和 Qwen3.5-VL 视觉组件;TMO 融合了归一化操作,CNAgent Triton Skill 产生融合的 Sinkhorn 核心以降低启动开销。

据报道,上述说法均未附带独立验证的吞吐量数据;重复槽共享权重存储也不意味着包括缓存在内的总运行时内存与传统 32 层模型完全相同。

常见问题

商汤科技最终版 SenseNova-Loop-9B 的发布日期、模型规格,及与预览版的主要差异为何?

据商汤科技官方公告,最终版于 2026 年 11 月 17 日发布,更新了模型权重并增强智能体任务呈现效果。模型约 90 亿参数,支持 51.2 万个上下文标记,循环架构每次前向传播执行 56 层计算,以 Apache 2.0 授权发布。

Loop-9B 最终版的基准测试结果,及商汤科技自有评估的具体分数为何?

据商汤科技提供的评估数据,GAIA 分数从预览版的 37.86 升至最终版的 69.90,Terminal-Bench 2.1 从 40.45 升至 59.55;AIDABench 得分 65.31(略高于 Qwen3.8-27B 的 65.01),NL2Repo 得分 41.36(低于 Qwen3.8-27B 的 44.60)。上述数据均为开发者提供,非独立复现结果。

寒武纪宣布的 MLU 首日适配方案的技术细节,及目前存在哪些未获独立验证的说法为何?

据 IT 之家援引寒武纪科技的声明,方案使用 vllm_mlu 将循环静态展开成 56 个顺序执行槽,复用了 Qwen3-Next MLU 算子和 Qwen3.5-VL 视觉组件;TMO 融合归一化操作,CNAgent Triton Skill 降低启动开销。据报道,上述说法均未附带独立验证的吞吐量数据。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论