商汤 10 月 30 日发布的预览版多模态模型，输入文字和图片、输出文字，面向长上下文和智能体任务（读文档、写代码、调用外部工具）；结构上把第 4–27 层这一段共享权重连跑两遍，32 层权重做出 56 层计算，并用两路 mHC 残差流管理信息流。
上升分 70 · 点赞 70 · 下载量 12
理由
- 思路是“不加参数加深度”：约 9B 存储参数、约 14.6B 推理计算参数；解码器按三层线性注意力加一层全注意力交替，训练序列最长 262,144 token，已支持 MTP 加速，DSpark、DFlash2 草稿模型还在训练。
- 卡里展示了动态设计短片、PPT 设计和数据分析示例（官方注明由其 Raccoon Work 产品制作），对比图覆盖 BIRD-Dev、Terminal Bench 2.1、AutomationBench、RaccoonPPTBench 等八项智能体与办公类基准。
- Apache-2.0，附 SFT / DPO / MTP 微调脚本（单机八卡）；此前各期没有收录。
用法
- Transformers：pip install "transformers==5.18.0" accelerate safetensors（官方核对环境 PyTorch 2.11.0 + CUDA 13.0），AutoModelForCausalLM 加 trust_remote_code=True、bfloat16 单卡加载；apply_chat_template 里 enable_thinking=True / False 切换思考模式。
- 服务化：LightLLM 官方镜像四卡示例（--tp 4），OpenAI 兼容 /v1/chat/completions；SGLang 需自己拉取 PR 47281 的分支编译。
- 微调：git clone OpenSenseNova/torchtitan，按 examples/train/SenseNova-Loop-9B-Preview 的 mhc2_loop2_titan.sh 跑 SFT。
风险
- 预览版：技术报告待发布，模型卡写 Transformers 推理实现的发布细节“待公布”，SGLang 支持只在未合并的 PR 里。
- 成绩只在对比图里，卡里没有文字分数，本栏目无法核对具体数字；示例来自官方自家产品。
- 循环结构要求推理实现严格复现循环范围和 mHC 路由，第三方量化或转换版本不一定兼容。