← 返回系列列表
SenseNova 5 个模型
发布时间线
2026.11.17
SenseNova-Loop-9B
循环架构(Looped Architecture):32层中第4~27层共享权重并执行两次,推理等效 ...
2026.10.30
SenseNova Loop-9B-Preview
采用 Looped Transformer 架构,通过共享权重重复使用中间层(32层权重执行56层计 ...
2026.09.23
SenseNova U1 Pro
支持复杂图片生成与局部精修
支持多图合成与风格重构
支持连续多轮修改保持细节稳定
支持自主检索资料生 ...
2026.09.19
SenseNova-U1.5
原生统一多模态建模,实现视觉理解、推理与生成统一、最高 4K 原生分辨率训练、针对视觉美学、文本渲染 ...
2026.09.05
SenseNova-U1.5-8B-MoT
支持图像生成、编辑与多模态理解
强化4K图像生成与中英文文字渲染
提升复杂指令遵循与精细视觉控制能力 ...
| 发布日期 | 公司 | 模型名称 | 类型 | 特性 |
|---|---|---|---|---|
| 2026-11-17 | 商汤 | SenseNova-Loop-9B | 主流 | 循环架构(Looped Architecture):32层中第4~27层共享权重并执行两次,推理等效参数量约14.6B 双流mHC(Manifold-Constrained Hyper-Connections):通过Sinkhorn归一化约束的双随机矩阵混合两条残差流 AWQ 4-bit量化版同步上线:权重约4.9GB,支持低至10GB显存部署 上下文长度扩展至512K tokens |
| 2026-10-30 | 商汤 | SenseNova Loop-9B-Preview | 主流 | 采用 Looped Transformer 架构,通过共享权重重复使用中间层(32层权重执行56层计算)以加深计算深度;引入 mHC(流形约束超连接)组件,通过双残差流和双随机混合矩阵优化信息传递;混合注意力机制,每4层包含3层线性注意力和1层全注意力;支持文本和图像输入,输出文本。 |
| 2026-09-23 | 商汤 | SenseNova U1 Pro | 主流 | 支持复杂图片生成与局部精修 支持多图合成与风格重构 支持连续多轮修改保持细节稳定 支持自主检索资料生成科普/新闻海报 |
| 2026-09-19 | 商汤 | SenseNova-U1.5 | 主流 | 原生统一多模态建模,实现视觉理解、推理与生成统一、最高 4K 原生分辨率训练、针对视觉美学、文本渲染、信息图和图像编辑引入专用专家、多专家在线策略蒸馏 |
| 2026-09-05 | 商汤 | SenseNova-U1.5-8B-MoT | 主流 | 支持图像生成、编辑与多模态理解 强化4K图像生成与中英文文字渲染 提升复杂指令遵循与精细视觉控制能力 适用于海报设计、图像编辑及视觉问答场景 |