商汤 9B 开源小模型综合性能对标 27B 大模型，代码生成任务表现领先

商汤发布的 9B 参数开源小模型，整体能力可以追上 27B 参数大模型，尤其在代码生成、办公自动化、智能体多步骤任务上，实测成绩还要优于同规格 27B 大模型，用更小的参数规模实现了更高的任务上限，大幅降低本地部署的硬件成本。

一、模型核心技术原理

1. 基础架构 模型采用 Looped Transformer 循环架构，基础参数保持 9B 不变，没有额外扩充模型参数量；整体保留首尾各 4 层解码器，把中间网络改成参数共享的循环模块，依靠多轮迭代拉长有效计算深度，把实际计算层数提升到 56 层，依靠计算深度弥补参数规模的不足。
2. 性能增强机制 模型搭载 mHC 流形约束超连接机制，通过多路残差连接优化特征交互，稳定信号传递，进一步提升复杂推理任务的得分；消融测试数据显示，开启该机制后，复杂推理任务分数提升 4.42 分，多步骤智能体任务分数提升 13.34 分。

二、实测任务表现清单

表格

三、模型部署与开源信息

1. 开源协议：采用 Apache 2.0 开源许可，可免费用于商业开发与本地二次开发。
2. 资源地址：模型权重上传至 Hugging Face 平台，完整代码托管在 GitHub 开源仓库。
3. 落地场景：已经接入商汤小浣熊客户端，可直接用来跑多步骤自动化任务，适配个人电脑、轻量化服务器部署。

四、整体总结

这款 9B 小模型不靠增加参数量，而是依靠循环计算拓展有效深度，搭配 mHC 优化模块，在代码生成、办公、智能体三类高频任务上实现对 27B 大模型的性能反超，兼顾推理性能与硬件开销，更适合轻量化本地部署。

【相关 FAQ】

问题 1：商汤 9B 开源小模型在代码生成任务上，能不能稳定达到 27B 大模型的水准？

回答 1：商汤 9B 开源小模型在代码生成基准评测里，整体表现达到甚至超过 27B 大模型，在代码编写、脚本开发类任务中稳定性更强，不需要更高配置显卡就能跑出同等代码生成效果。

问题 2：商汤 9B 开源小模型是靠增加参数才追上 27B 大模型性能的吗？

回答 2：并不是依靠增加参数量，模型始终维持 9B 参数规模，核心是用循环 Transformer 拉长计算深度，再配合 mHC 信息交互机制，只用小参数模型就实现了大模型的推理能力。

问题 3：商汤 9B 开源小模型可以直接本地部署运行吗？

回答 3：完全可以，该模型为开源版本，Apache 2.0 协议支持商用，9B 参数对显卡显存要求更低，普通消费级显卡就能完成本地部署，同时代码生成、智能体任务依旧保持对标 27B 大模型的能力。

【数据来源】

[2026-11-01]（商汤开源 SenseNova Loop-9B-Preview，宣称媲美 27B 参数大小模型）IT 之家

[2026-10-30]（商汤开源 SenseNova Loop-9B-Preview：探索以计算深度释放模型潜力）新浪财经

[2026-10-31]（9B 的模型跑出 27B 的水平：商汤用 "循环" 绕开了堆参数）手机搜狐网

【免责声明】

本文所有评测数据均来自公开官方测试结果，不同硬件环境、测试数据集会带来小幅性能波动；模型开源使用请严格遵循对应开源协议，本文内容仅作技术信息分享，不构成商业合作建议。