SenseNova-Loop-9B-Previewとは？
SenseNova-Loop-9B-Previewは、SenseTimeのSenseNovaチームによるオープンなマルチモーダルモデルで、2026年10月30日にApache 2.0で公開されました。テキストと画像を読んでテキストを書き、文書、コード、スプレッドシート、スライド、ツール呼び出しといった、長いコンテキストのエージェントの仕事を売りにしています。
特徴的なのはループするデコーダーです。モデルは32のデコーダーの層を保存していますが、4層目から27層目は同じ重みで2回続けて実行されるので、各トークンは56回の層の計算を通ります。SenseTimeはこれを、約90億（9 billion）の保存されたパラメータが約146億（14.6 billion）分の仕事をすると説明しています。ループの内側では、2本の並列の残差の流れが、学習された制約付きの写像（manifold-constrained hyper-connections、mHC）で混ぜ合わされ、注意の層は線形注意の3層と完全な注意の1層を交互に並べています。
最大262,144ト ークンのシーケンスで学習され、デコードを速くするマルチトークン予測に対応しています。技術レポートは「TBD」とされ、Transformersの実装の公開の詳細もまだ発表されていません。
SenseNova-Loop-9B-Previewは使う価値があるか？
SenseNova-Loop-9B-Previewの公開時のグラフは、9Bのモデルとしては強力ですが、テストしている範囲は狭いものです。8つのベンチマークのすべてでQwen3.5-9Bを上回り、その差はしばしば大きく、WorkBuddy Benchでは66.89対41.63、AIDABenchでは58.87対40.78、AutomationBenchでは13.72対1.05です。8つのうち6つでは、より大きなQwen3.5-27Bも上回っています。8つはすべてエージェント、オフィス、データベースのタスクで、そのうちの1つ、70.70を記録したRaccoonPPTBenchは、SenseTime社内のスライド生成のテストです。モデルが画像を読むにもかかわらず、視覚、知識、推論のベンチマークはなく、独立した結果もまだありません。
グラフには弱い部分もあります。Terminal Bench 2.1では40.45で、Qwen3.5-35B-A3BとQwen3.6-35B-A3Bに並ぶにとどまり、47.19のQwen3.5-27Bと、3BのNanbeige4.2の49.44には及びません。τ³-BankingではQwen3.5-27Bが19.59対18.56で上回ります。
注目する理由はループの設計です。4層目から27層目を2回実行することで、保存するのは32層だけでより大きなモデルの深さが得られます。ただし計算は節約されません。各トークンにはいまも56回の層の処理がかかり、SenseTime自身の説明でもおよそ14.6Bのモデルの仕事量です。節約されるのは重みのメモリで、速度ではありません。
実際には、その節約さえまだ見えていません。Hugging Faceのリポジトリは9つのシャードで38.1 GBあり、そのメタデータにはFP32で保存された9.41 billion（94億1,000万）パラメータと書かれています。モデルカードはBF16の基幹部分と説明しているにもかかわらずです。サービングの例はすべてテンソル並列でGPUを4基使い、vLLMとSGLangの対応はマージされていないプルリクエストにあり、各層を1回ずつ実行する標準のランタイムでは別のネットワークを計算することになるので、コミュニティによる量子化には注意が必要です。プレビューという表示は伊達ではありません。
真価を発揮する場面
効率的なアーキテクチャに取り組む大学の研究室のMLの研究者
重みを共有するループが、パラメータと深さをどう引き換えにするかを研究する
trust_remote_codeを付けてTransformers 5.18.0でチェックポイントを読み込み、ループの設定を調べます。設定では4層目から27層目を繰り返しのブロックとし、2回処理すると定義しています。SenseTimeのtorchtitanのフォークには、単一ノード8 GPUでの実行向けのSFT、DPO、MTPの学習の手順が含まれています。
スライド資料とスプレッドシートの分析を自動化するコンサルティング会社のAIプラットフォームチーム
大きなモデルに決める前に、オフィス業務のエージェントのタスクで小さなオープンなモデルを試す
モデルカードのとおりLightLLMでGPU 4基を使って動かし、自分のタスクでQwen3.5-27Bと比べます。WorkBuddyの66.89とRaccoonPPTBenchの70.70はSenseTimeのスコアで、後者は社内のテストです。
従業員50人のソフトウェア会社でセルフホストを担当するエンジニア
ワークステーションのGPU 1枚で、ローカルのマルチモーダルなエージェントのモデルを動かす
いまは待ってください。公式の重みは38.1 GBで、モデルカードの例はGPU 4基でのテンソル並列を使い、SenseTimeによる量子化版はありません。コミュニティによる量子化では、同じモデルを計算するために、ループとルーティングの演算子をそのまま保つ必要があります。
導入前に確認すること
- 導入
- CUDA 13.0とともにtransformers 5.18.0とPyTorch 2.11.0をインストールし、AutoModelForCausalLMとtrust_remote_codeで読み込みます。モデルのコードはリポジトリに含まれています。サービングには、プルリクエスト64832からvLLMを、またはプルリクエスト47281からSGLangをビルドするか、LightLLMのDockerイメージを使います。
- 連携
- LightLLM、vLLM、SGLangによるOpenAI互換のチャットのエンドポイント。enable_thinkingで切り替えるthinkingのモード。現時点ではMTPによる投機的デコードで、DSparkとDFlash2のドラフトモデルはまだ学習中です。重みはModelScopeにもミラーされています。
- データとプライバシー
- 利用の制限のないApache 2.0で、セルフホストのみです。読み込みにはリモートのコードが必要で、SenseTimeのPythonがあなたのマシンで実行されます。学習データについては、長いシーケンスのマルチモーダルとツールの軌跡の手順以上の説明はありません。
- 大規模利用時のコスト
- 38.1 GBのチェックポイントと、すべてのサービングの例での4分割のテンソル並列から、単一のカードではなく複数GPUのサーバー向けです。各トークンに56回の層の処理がかかるので、トークンあたりの計算量は9Bより14.6Bのモデルに近くなります。
- 制限
- 技術レポートのないプレビュー版です。設定では学習時の長さである262,144の位置まで使えます。記載されている言語は英語と中国語です。各層を1回ずつ実行するランタイムは別のネットワークを計算するので、量子化版や移植版はループを再現する必要があります。
良い点
- 公開時の8つのベンチマークのすべてでQwen3.5-9Bを上回る（自己申告）
- WorkBuddy Benchで66.89、AIDABenchで58.87、Qwen3.5-27Bを上回る
- ループの設計で、保存した32層から56回の層の処理を得る
- Apache 2.0で、ファインチューニングとドラフトモデルの学習のスクリプトがある
気になる点
- 技術レポートがなく、視覚、知識、推論のベンチマークもない
- 8つのベンチマークのうち1つはSenseTime社内のテスト
- 38.1 GBのチェックポイントの大半がFP32で保存されており、例ではGPUを4基使う
- vLLMとSGLangの対応はマージされていないプルリクエストにしかない
おすすめの人
ループや重み共有のアーキテクチャを研究したり、オフィス業務のエージェント向けに小さなオープンなモデルを評価したりする研究チームで、プレビュー段階のツールを許容できるところ。
SenseNova-Loop-9B-Previewの代替
SenseNova-Loop-9B-Preview：よくある質問
- SenseNova-Loop-9B-Previewは使う価値があるか？
- SenseNova-Loop-9B-Previewは、大きさをはるかに超えるエージェントのスコアを出しています。しかし技術レポートのないプレビュー版で、ダウンロードは38 GB、サービングの対応はまだマージされていないブランチにあります。 評価は5点満点中3.5点です。
- SenseNova-Loop-9B-Previewの料金は？
- Apache 2.0で無料。このモデルのホスト版のAPIは記載されていません。
- SenseNova-Loop-9B-Previewの欠点は？
- 技術レポートがなく、視覚、知識、推論のベンチマークもない; 8つのベンチマークのうち1つはSenseTime社内のテスト; 38.1 GBのチェックポイントの大半がFP32で保存されており、例ではGPUを4基使う; vLLMとSGLangの対応はマージされていないプルリクエストにしかない.
- SenseNova-Loop-9B-Previewは誰に向いているか？
- ループや重み共有のアーキテクチャを研究したり、オフィス業務のエージェント向けに小さなオープンなモデルを評価したりする研究チームで、プレビュー段階のツールを許容できるところ。
- チームや本番環境でSenseNova-Loop-9B-Previewを使うと費用はいくらか？
- 38.1 GBのチェックポイントと、すべてのサービングの例での4分割のテンソル並列から、単一のカードではなく複数GPUのサーバー向けです。各トークンに56回の層の処理がかかるので、トークンあたりの計算量は9Bより14.6Bのモデルに近くなります。
- SenseNova-Loop-9B-Previewは企業データを扱っても安全か？
- 利用の制限のないApache 2.0で、セルフホストのみです。読み込みにはリモートのコードが必要で、SenseTimeのPythonがあなたのマシンで実行されます。学習データについては、長いシーケンスのマルチモーダルとツールの軌跡の手順以上の説明はありません。
- SenseNova-Loop-9B-Previewの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はZDTaichu5.0-9B, Qwen3.8-27B, MiniCPM-V 4.7 (35B-A3B and 1B) 、 Nanbeige4.3-33Bです。
回答確認日：2026年11月2日