9B 追平 27B，这是商汤自己说的。
10 月 30 日，商汤科技宣布开源商汤日日新 SenseNova Loop-9B-Preview。官方口径是：在仅 9B 的有限参数规模下，媲美 27B 参数大小模型。
9B 是九十亿，27B 是二百七十亿。差三倍。
一个块头小的说自己跟块头大的打平，第一反应多半是：是不是吹的。先别急着下判断，它走的路子跟往常不太一样。
参数这个数字，是怎么变成唯一尺子的
看 AI 新闻，满屏都是数字。70 亿、130 亿、270 亿，谁的数大谁横。
这个数字有用。参数可以粗略理解成模型脑子里有多少东西可装。装得多，通常记得多、扛得住复杂的活。
注意是「通常」。
一个模型强不强，除了脑子里装了多少，还得看它拿到一道题之后，愿意在这道题上花多少功夫。
同一个人做数学题，有人扫一眼就落笔，有人把草稿纸翻过来再算一遍、再验一遍。脑子一样大，结果可能差很远。
参数是仓库的容量，计算深度是你在灶前站的时间。
Loop-9B-Preview 走的是后面这条路。
头尾各留 4 层，中间换掉
做法官方给了，不复杂。
它以 9B 尺度的模型为基座，可以理解成一栋已经盖好的楼。
然后它保留了首尾各 4 层原始解码器模块，把中间层改造成参数共享的循环计算模块。
参数共享这四个字是关键。中间那些层不再各干各的，而是共用同一套参数，来回迭代好几轮。
打个比方。一条流水线上原来站着十个人，一人管一道工序。现在把中间几个人撤掉，换成同一个工人，让他在这一段来回走，一遍一遍地过手。
人是同一个，工位是同一个，走的次数多了。
官方管这叫扩展「有效计算深度」。注意「有效」两个字：参数数量没变，但处理一道题时真正参与运算的深度被拉开了。
同一批参数算第二遍，为什么不算白算
这是很多人卡住的地方。
同一批参数反复算，不会算出一样的结果吗？那第二遍不是白算？
差别在输入。每一轮进来的时候，手里拿着的东西已经不一样了。
第一轮过去，中间层对信息做了一次处理。第二轮再进去，输入里带着上一轮加工过的痕迹。第三轮再叠一层。
揉面就是这样。面粉还是那些面粉，水还是那些水，揉一遍和揉五遍，筋道不是一个东西。
读一句话也一样。第一遍只看见字，第二遍看出语气，第三遍才咂摸出话外音。字没变，人也没变，理解深了。
官方说这套机制是为了「探索更充分的信息交互机制」，提升模型在复杂任务上的处理能力。
复杂任务这几个字有分量。简单的活，一遍就够，循环是浪费。活越绕，多走几遍越值。
mHC 是干什么的
在同一批参数来回走的基础上，官方还试了一个叫 mHC 的东西，全称 Manifold-Constrained Hyper-Connections。
名字不用记。它的作用官方讲得清楚：利用多路残差连接与受约束的信息混合，增强特征交互。同时维持信号传播的稳定性。
说成人话：这个工人来回走的时候，手里的东西得传得住，不能越传越散、越传越飘。mHC 管的就是这件事。
评测赢了谁，涨了几分
官方公布了评测结果。
在当前评测设置下，模型在代码生成、办公场景和智能体任务等多个方向上均优于其他模型。
在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 这些评测中，它进一步超过了 Qwen3.5-27B。
27B 就是那个块头大三倍的对手。
商汤还做了消融实验，专门看 mHC 贡献了多少：采用该机制后，GPQA Diamond 提高 4.42 分，TeamBench 提高 13.34 分。
TeamBench 测的是多步骤 Agent 任务，涨 13.34 分这个幅度，比 GPQA 那 4.42 分更值得看。
官方没说的事
讲到这儿得踩一脚刹车。有几件事，商汤没有公布。一篇讲清楚的文章，得把这些也摆出来。
第一，没公布循环迭代的轮数。中间那个工人到底来回走了几趟，是三轮、五轮还是更多，外界不知道。这个数字很关键，轮数直接决定多花多少算力。
第二，没公布训练成本。这种反复迭代的做法，训练和推理时会不会更费机器，费多少，官方没给。
第三，没给同尺寸 9B 模型的横向对比。它比的是 27B，赢了。但跟别的 9B 比怎么样，材料里没有这项。
第四，没说所有任务都提升。官方给的是「代码生成、办公场景和智能体任务等多个方向」，还有那几个具体评测。别的方向没提。
还有一句得说明白：「媲美 27B」是商汤官方的说法，那些分数也来自官方公布的评测设置。第三方的独立复现，目前还没有。
参数是仓里囤了多少料，循环是你肯在灶前站多久。囤得多不等于做得好。
这条路还没走完
商汤自己在材料里说，后续将继续探索 DSA、自适应迭代次数等机制，用来提升推理效率和任务表现。
「自适应迭代次数」这个提法本身就说明了问题。现在的轮数是固定还是可调，官方没说。他们想做的，是让模型自己判断这道题值几轮。
简单的题少走两圈，难的题多走几圈。这个方向听上去才合理。
回到最开始那个问题。9B 能不能真的顶 27B？
至少现在，商汤给出了一条不同的路：与其把脑子撑大，不如让它在题上多磨几遍。
这条路成不成，还得看后面。轮数没公布，成本没公布，同尺寸横向对比也没有，第三方还没验。
普通人看这类新闻，不用记住 mHC 那串字母。记住一件事就够了：AI 的强弱，从来不只是参数表上那个数字。
想自己看代码，两个地址：GitHub 是 OpenSenseNova/SenseNova-Loop，Hugging Face 是 sensenova/SenseNova-Loop-9B-Preview。
这类「把一个 AI 概念讲成人话」的文章，「入门基础」栏目里还有几十篇，可以顺着翻。
图片来源：书架（Parihav，CC BY-SA 3.0）、传送带（falco，CC0）、揉面（Ssemmanda will，CC BY-SA 4.0）、螺旋楼梯（Wilfredor，CC0），均来自 Wikimedia Commons。