让 AI 读完整份长文档，再看图片、写代码并调用外部工具，难点不只是“装得下”，还要在漫长流程里持续利用前面的信息。SenseNova-Loop-9B-Preview 是一款 9B 规模的多模态语言模型——能同时理解文字和图像——瞄准的正是这类长上下文与多步 Agent 工作流。Agent 指能分步骤完成任务、必要时请求外部工具执行动作的 AI 系统。
它最值得注意的设计，是用重复计算换取更深的处理路径。模型把连续 24 层解码器执行两遍，并让两遍共享同一套权重；因此，32 个不同层可以形成 56 次逐层计算，却不用复制那段重复模块的参数。可以把它理解为让同一组处理人员复核一次材料，而不是再扩充一整组人手。循环部分还用两条信息流及学习到的映射，决定信息如何传递和合并。
模型卡称，其训练配方涵盖文字、图像、代码和工具调用轨迹，最长序列达到 262,144 tokens——token 是模型切分文字后的基本单位。不过，材料没有披露基准测试成绩，也未证明更长容量必然能准确利用远距离信息；目前它更像一次值得观察的预览，而非已经验证的定论。