模型想得更深，一定要把权重也堆得更大吗？商汤SenseNova团队公开的Loop-9B-Preview，把一段解码网络重复使用：保存32组解码层权重，一次前向却执行56次层计算。它尝试把参数存储与计算深度分开，为多模态、长上下文和工具任务提供另一种设计路径；但少存权重，并不等于推理时间、缓存或部署费用也自动减少。

快速看点：官方发布记录标为10月30日，当前仍是Preview；输入文本与图像、输出文本，不是图像生成模型；SGLang和vLLM的专项适配仍处于未合入PR，不能把模型页自动生成的通用启动提示当成稳定版兼容承诺。

24层复用两遍，深度不是凭空增加

Loop采用固定的循环解码路径：先经过第0至3层，再让第4至27层组成的24层块执行两次，最后经过第28至31层。算下来是4＋24×2＋4＝56次层计算，而重复部分使用同一组权重，并没有再复制24套参数。第二遍接收第一遍的结果，不是把同一输入原样重算后取平均。

这也不是模型遇到难题后，自由决定多想多少轮。这里公开的结构是预先配置好的重复区间和遍数，兼容实现需要按相同顺序执行。模型名称中的9B不能直接换算成现场显存需求，更不能把56次层计算理解成56层独立参数模型，或据此推出能力相等。

对部署者而言，权重存储和运行开销是两张账。共享参数改变了需要保存什么，却没有取消第二遍计算，也没有取消中间激活与状态。实际吞吐、首字延迟、并发容量和长序列缓存，仍取决于实现、硬件、任务及服务配置，不能只看模型名字作预算。

双流连接与混合注意力，处理的是不同问题

重复使用网络，还要处理信息怎样在多次计算中传递。Loop在循环区间采用双流mHC，也就是让两条残差信息流围绕解码层传递，由学习到的映射决定读取、混合和写回。它不是在两套专家模型间二选一，也不表示每个任务都能获得两份独立答案。

注意力部分则按四层一组组织，三个线性注意力层后接一个全注意力层，循环边界与完整分组对齐。两者分工不同：共享循环增加执行路径深度，mHC管理信息传递，混合注意力安排序列处理。把它们统称为“新算法所以更快”，反而会掩盖各自的计算条件。

官方说明列出最长262144个token的训练序列，配方涉及文本、图像、代码及工具轨迹。这是训练长度口径，不是已经证明所有任务在相同长度下都准确，也不是任意推理服务开箱即用的上下文保证。做文档理解或工具任务时，还要分别回放长文定位、视觉信息和多步交互。

权重公开，不等于所有运行时都已稳定接入

当前已能检查官方模型卡、权重文件目录与部署说明，仓库标注Apache 2.0许可。官方给出的Transformers检查环境是5.18.0，配合PyTorch 2.11.0与CUDA 13.0，示例会加载自定义模型代码。这里是文档列出的环境，本站未安装或运行，也不把它当成任意设备的最低配置。

更值得留意的是服务端适配状态。官方说明要求使用SGLang的47281号PR和vLLM的64832号PR；本轮核查两者仍为open、未合入。后者明确限制在未量化的文本推理，不应因整个模型支持图像，就推断该分支已支持全部多模态服务。加载权重成功也不等于输出完全一致。

PR描述中的测试属于提交者自述：SGLang仍缺任务级精度和端到端速度基准；vLLM有小规模验证及尚未通过准入的上游CI状态。本文不把这些材料升级成本站实测，不采用其中正确率或测试通过数，也没有下载权重、执行远程代码或启动服务。

加速路线同样需要拆开看。文档把MTP列为可用，而Dspark与Dflash2仍在训练推进中，不能一并写成已交付。公开演示和榜单图片能提供观察入口，却不足以证明企业工作流的稳定性、成本或收益；完整技术报告及更广泛的可复现实验仍值得继续跟踪。

小编判断

Loop-9B的价值，是把“更多参数”之外的计算组织方式摆到台前。对企业团队，合理的下一步不是按层数猜收益，而是锁定模型与运行时版本，用自己的短长文、多模态和工具样本检查正确性，再量首字延迟、持续吞吐、缓存与峰值显存。架构上节省了哪部分，业务里又多付了什么，只有把这两张账对齐，才谈得上选择。