SenseNova-Loop-9B-Preview stammt von SenseNova und richtet sich an Entwickler, die multimodale Modelle lokal für anspruchsvolle Long-Context-Szenarien einsetzen wollen. Kernstück der Architektur ist der sogenannte Loop-Decoder: Ein Block von 24 Decoder-Layern wird zweimal hintereinander durchlaufen, sodass effektiv 56 Layer-Ausführungen entstehen – aber nur 32 distinkte Layer mit eigenen Parametern existieren. Dies reduziert den Speicherbedarf gegenüber einem gleichwertig tiefen Modell mit vollständig unabhängigen Gewichten erheblich. Ergänzt wird dieser Ansatz durch Two-Stream Manifold-Constrained Hyper-Connections (mHC), die den Informationsfluss zwischen zwei parallelen Residual-Streams innerhalb des Loop-Blocks über gelernte Mappings steuern. Zusätzlich kommt Hybrid-Attention zum Einsatz: Im Decoder wechseln sich lineare und vollständige Attention in einem sich wiederholenden Vier-Layer-Muster ab, was Rechenkosten bei langen Sequenzen dämpft. Das Training kombiniert Text, Bilder, Code und Tool-Trajektorien bei Sequenzlängen von bis zu 262.144 Token (ca. 256K). Die Modellkarte empfiehlt ausdrücklich die dokumentierte Deployment-Umgebung und Konfigurationsparameter für optimale Ergebnisse.