SenseNova Loop-9B-Preview خدام

SenseNova Loop-9B-Preview هو موديل تجريبي متعدد الوسائط بمعمارية 9B بارامتر، مفتوح المصدر من طرف商汤. كيحتافظ SenseNova Loop-9B-Preview بأول وآخر 4 طبقات من الديكودر الأصلي، وكيبدّل الطبقات الوسطانية بموديول حسابي دوري كيتشارك البارامترات، ومن خلال جولات متعددة ديال التكرار كيوسّع العمق الفعّال للحساب، وكيستعمل آلية mHC باش يقوّي استقرار التفاعل بين الخصائص. حسب التقييمات الرسمية، الموديل تفوّق على Qwen3.5-27B فمهام المكتب والـAgent، وكيحقق ببارامترات قليلة قدرات فالمهام المعقدة قريبة من النماذج الكبيرة. الأوزان منشورة فـGitHub وHugging Face.

توليد الكود: كيوصل لمستوى رائد ضمن نفس الفئة فالمهام المرتابطة بكتابة الكود، وكيعاون فاستعمالات التطوير.
توليد المحتوى المكتبي: من خلال ربطو بتطبيق شياو هوان شيونغ، يقدر يولّد تصاميم PPT ووثائق طويلة وغيرها من مخرجات العمل المكتبي.
مهام الـAgent: كيبان مزيان فاختبارات متعددة المراحل بحال AutomationBench، ويقدر يكمل مهام معقدة وطويلة فيها السرد والتفاعل.
معالجة السياق الطويل: الموقع الرسمي كيقدمو كموديل متعدد الوسائط دوري موجه للسياقات الطويلة وسيرورات عمل الـAgent.
الاستكشاف المفتوح والقابل للاستعمال التجاري: الأوزان وكود الاستدلال منشورين فـGitHub وHugging Face، باش يستافد منهم المجتمع فالبحث والتطبيقات اليومية.

تابعونا فـWeChat وجاوبو بـ“开源” باش تنضمو لمجموعة مشاريع الذكاء الاصطناعي المفتوحة المصدر
معمارية Looped Transformer الدورية: الموديل مبني على مقياس 9B، وكيحتافظ بأول وآخر 4 طبقات من وحدات الديكودر الأصلية، وكيعوّض الطبقات الوسطانية بوحدات حساب دورية كتشارك البارامترات. نفس الأوزان كيتعاود استعمالها عبر جولات متعددة، وبهذا كيتوسّع العمق الحسابي الفعّال بلا ما يكبر حجم البارامترات، وكيحصل الموديل الصغير على قدرة استدلال قريبة من شبكة أعمق.
آلية تفاعل الخصائص mHC: باش يتحسّن نقل المعلومات خلال الجولات الدورية، كيستعمل الموديل Manifold-Constrained Hyper-Connections (mHC)، وكيخلط الخصائص عبر تدفقات متعددة ديال البواقي ومصفوفات خلط مقيدة بـ“عشوائية مزدوجة”. هاد الشي كيقوّي التفاعل بين الخصائص عبر الطبقات وكيقيّد فضاء المعلومات، مع الحفاظ على استقرار انتقال الإشارة؛ وبيّنت تجارب الإزالة أن هاد الآلية زادت GPQA Diamond بـ4.42 نقطة وTeamBench بـ13.34 نقطة.
تصميم مشاركة البارامترات والكفاءة: مشاركة أوزان الطبقات الدورية الوسطانية كتخلي الموديل، بحوالي 9B بارامتر، يحمل عمقاً حسابياً أكبر بزاف من موديل كثيف بـ9B، ومع تقنيات بحال TBK كيتراقب حجم الحساب فكل دورة. الهدف هو الاقتراب من أداء موديل من فئة 27B فالمهام المعقدة مع الحفاظ على تكلفة استدلال معقولة.

تحضير البيئة: نصّب PyTorch المتوافق مع CUDA، ومن بعد نفّذ pip install "transformers==5.18.0" accelerate safetensors.
الحصول على الموديل: حمّل أوزان sensenova/SenseNova-Loop-9B-Preview من Hugging Face للماكينة المحلية، وتأكد أن المجلد فيه الإعدادات وtokenizer وقالب المحادثة وكود الموديل المخصص.
تحميل الموديل: فالكود، استعمل trust_remote_code=True وdtype=torch.bfloat16 مع AutoModelForCausalLM.from_pretrained لتحميل الموديل، ومن بعد طبّق .eval().
بناء الإدخال: استعمل tokenizer.apply_chat_template لتركيب prompt ديال المحادثة، وإذا بغيتي استدلال عميق فعّل enable_thinking=True.
توليد الاستدلال: عيّط لـmodel.generate باش تولّد النص، وuse_cache كيسرّع العملية، كما أن تسريع MTP متوفر.
النشر كخدمة: فبيئة الإنتاج تقدر تستعمل LightLLM أو SGLang لتوفير API للعموم.

كفاءة عالية فالبَارامترات: حوالي 9B بارامتر، وبمشاركة الأوزان الدورية يقدر يحاكي عمق تنفيذ ديال 56 طبقة، وكيقرب بأقل تكلفة لأداء موديلات من فئة 27B.
ابتكار فالمعمارية: كيجمع بين Looped Transformer وmHC ثنائي التدفق، وكيستعمل خلطاً مقيداً متعدد المسارات ديال البواقي باش يقوّي تفاعل المعلومات ويثبّت انتقال الإشارة، وكيعتبر من أوائل التطبيقات المفتوحة المصدر القابلة للاستعمال محلياً ففئة 9B.
قدرة على السياق الطويل: التدريب كيدعم سياقاً أقصى بطول 262,144token، ومناسب لفهم الوثائق والمهام ذات السلاسل الطويلة.
إدخال متعدد الوسائط: كيدعم النصوص والصور، والموقع الرسمي كيصنّفو كموديل متعدد الوسائط موجه للسياقات الطويلة وسيرورات عمل الـAgent.
ملائم لتسريع الاستدلال: فيه آلية MTP للتسريع وهي متاحة للاستعمال، بينما ما زالت حلول فك الترميز التخميني بحال Dspark وDflash2 قيد التطوير.

مستودع GitHub：https://github.com/OpenSenseNova/SenseNova-Loop
مستودع الموديل فـHugging Face：https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview

فهم وتحليل الوثائق الطويلة: بفضل السياق الطويل جداً بحجم 256K، يقدر يعالج مرة وحدة عقد كامل، أو تقرير مالي، أو مجموعة أبحاث، ويولّد ملخصاً منظماً وأجوبة على الأسئلة.
سيرورات عمل الـAgent: كيبان مزيان فاستعمال الأدوات على مراحل متعددة، وتشغيل صفحات الويب، وتخطيط المهام، ومناسب لبناء Agents للأتمتة المكتبية وتنفيذ العمليات.
توليد المحتوى المكتبي: من خلال تطبيق شياو هوان شيونغ يقدر يولّد مباشرة تصاميم PPT وتقارير تحليل البيانات وصفحات عروض متحركة، وكيغطي إعداد مخرجات العمل اليومية.
المساعدة فالتطوير البرمجي: قدرة توليد الكود واصلة لمستوى رائد ضمن نفس الفئة، ويقدر يتكلف بإكمال الكود وكتابة السكريبتات والتطوير الكامل لمشاريع صغيرة.
إنشاء المحتوى المتعدد الوسائط: كيدعم النصوص والصور، ومناسب لتوليد محتوى غني بحال مواضيع السفر اللي كتجمع النص والصور، وصفحات التسويق، والمواقع السردية.