地端 AI 實驗室

🧪 9B 標成 14.6B 推論：SenseNova-Loop-9B-Preview 把 24 層跑兩次｜地端 AI 實驗室

Mark Ku

November 2, 2026•12 分鐘閱讀

查看本文參考來源

開場白

一個官方標著 _{9B 總參數的多模態模型，model card 卻同時寫上}14.6B 推論參數，這個模型叫 SenseNova-Loop-9B-Preview，HF 熱度 184、1.5k 次下載、187 個讚。同一期還有 Edge0 的 Audio8-TTS-Realistic-Air，一個 0.6B 的 TTS，熱度衝到 231、7.3k 次下載。多出來的推論參數到底從哪冒出來、為什麼第三方 GGUF 能壓到 3.84 GB，等一下告訴你。

本期精選

1. SenseNova-Loop-9B-Preview：把同一組權重重跑一次的 looped 多模態模型

來源：地端模型雷達（https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview）。官方 News 區標的發布日期是 2026.10.30，這裡依來源原文照錄，實際上架時間還是以 HF 頁面為準。

這是什麼: 官方 model card 把任務標為 image-text-to-text，也就是「吃圖片＋文字、吐文字」的多模態模型，授權是 apache-2.0，權重以 safetensors 直接開放下載。官方 card 寫的架構是 32 層多模態 decoder，結合共享權重的 looped 計算、hybrid attention 與 mHC，並同時列出 _{9B 總參數與}14.6B 推論參數兩個數字。官方 News 把它定位成 for long-context and agentic workflows 的 looped multimodal model。
能用在哪些場景:

（a）想做「丟截圖問問題」的本地助理，但截圖不能外流 你手上是公司內部系統的操作介面、客戶後台的錯誤畫面，或是還沒公開的設計稿，丟給雲端 API 就是法遵問題。官方 card 直接給了 transformers 的 pipeline('image-text-to-text', ...) 寫法，意思是你可以在自己機器上起一個服務，貼一張截圖問「這個錯誤是什麼意思、下一步該點哪裡」，產出說明或下一步指令，全程不出機房。

（b）小團隊要串自架 agent，需要一個本地推論後端 官方 News 自己就把它定位在 long-context 與 agentic workflows，官方 card 也說 LightLLM 等部署路徑已備；mindstudio 的介紹文補充目前有 Transformers、LightLLM、SGLang PR 三條路可走。如果你正在把 agent 的 LLM 後端從雲端換成本地，而且 agent 需要看得懂畫面（例如讀報表圖、讀監控儀表板），這類「多模態＋長上下文」定位的模型就是候選名單上的東西。

（c）想搞懂 looped transformer 到底怎麼運作的人 這點對做技術分享、帶讀書會的人特別有用。repo 裡的 modeling_sensenova_loop.py 更新說明寫著支援檢視 Loop 的 hidden states 與 attention，等於官方把拆解的鉤子留給你了。想做「同一層跑第一次 vs 跑第二次，注意力分布差在哪」這種教學拆解，素材是現成的。
跑得動嗎: 先講清楚，官方 model card 沒有標示 VRAM 門檻，只寫「建議使用我們文件中的部署環境與設定參數」。所以任何「幾 G 顯示記憶體跑得動」的說法都不是官方背書。有的是檔案大小：HF 檔案頁顯示官方權重為 8 個 safetensors 分片、合計約 38.2 GB，另有 mtp.safetensors。社群量化頁面則另行標示，notfakerv 的 Q8_0 GGUF 約 14.03 GiB、webmp3 的 Q3_K_M 約 4.64 GB、Q2_K 約 3.84 GB，annelo 另出 Q4_K_M 加 F16 vision projector 版本。兩個提醒。第一，上面的容量單位 GiB 與 GB 是依各來源頁面原文照錄，沒有統一換算，做「38.2 GB 對 3.84 GB」這種落差推估時請自行留意單位差異。第二，那些 GGUF 都是第三方重打包、非官方產物，而這是一個 image-text-to-text 模型，視覺端在 llama.cpp 生態的支援完整度請自行到各打包頁確認，別抓了 Q4_K_M 才發現只剩純文字能用。從規格推估（這是推估，不是實測）：原生 safetensors 約 38.2 GB 這個量體，單張消費級顯卡不太可能整包塞下，走 device_map='auto' 分流或直接用社群量化版會比較實際。
本期聲量: HF 熱度 184，1.5k 次下載、187 個讚。社群重打包目前看到的有 notfakerv（Q8_0）、webmp3（Q3_K_M、Q2_K）、annelo（Q4_K_M＋F16 vision projector）三組人馬在做量化。
跟同類比: 同樣是 9B 級距的開源多模態，它的差異點是官方 card 自己寫的「共享權重重跑一次」。mindstudio 的分析說第 4 到 27 層這個 24 層區塊，會用相同權重連跑兩次，也就是 B(B(h))。把三個數字串起來看就不繞了：整體 32 層，以 1 起算的話大致是前 3 層加中間 24 層的 loop 區塊再加後 5 層，中間那 24 層算兩遍，所以 card 才要同時標 _{9B 參數（磁碟上實際存的權重）與}14.6B 推論參數（實際跑過的計算量）。層號區間取自 mindstudio 的說法，索引起算方式請以 repo 程式碼為準。同廠的 SenseNova-U1.5-8B-MoT-Preview 走的是 Any-to-Any、18B 的另一條路線，定位不同。
怎麼取得: 官方 card 直接給了三種路。transformers 的 pipeline('image-text-to-text', model='sensenova/SenseNova-Loop-9B-Preview', trust_remote_code=True)、AutoModelForCausalLM.from_pretrained(..., device_map='auto')，以及 docker model run hf.co/sensenova/SenseNova-Loop-9B-Preview。mindstudio 的介紹文特別指出載入時一定要 trust_remote_code=True，否則不會拉進 repo 內附的自訂 Loop 模型程式碼。想吃 GGUF 的人則照第三方頁面寫的 llama serve -hf 指令走。
連結: https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview

2. Audio8-TTS-Realistic-Air：0.6B 配置、Apache-2.0、官方說支援零樣本語音克隆的 TTS

來源：地端模型雷達（https://huggingface.co/Edge0/Audio8-TTS-Realistic-Air）。

這是什麼: Edge0 釋出的文字轉語音模型，官方 card 標示是 0.6B 配置，授權 apache-2.0，權重格式 safetensors。官方給的用法是 transformers 的 text-to-speech pipeline，文字進、語音出。Realistic 系列的 model card 說支援零樣本語音克隆，litert-community 的轉檔頁補充說法是「一段參考錄音加上對應逐字稿即可設定音色，沒有參考音檔也能發聲」。
能用在哪些場景:

（a）自架語音產生服務，不想再按字數付雲端 TTS 的錢 你在做的是一個會持續產生語音的產品，可能是 App 的朗讀功能、可能是通知語音，用量一上去雲端 TTS 的帳單就很有感。0.6B 配置加 apache-2.0 可商用，意味著你可以把這件事整包搬回自己的機器，成本從「每百萬字多少錢」變成「一張卡的電費」。

（b）做 Podcast、教學影片的人想用自己的聲音配旁白 這是零樣本語音克隆最直覺的用法：錄一段參考音檔、附上逐字稿，之後講稿改一行就重產一段旁白，不用重新進錄音間。上面這段是 Realistic 系列 model card 與 litert-community 轉檔頁的說法，不是本節目的量測結果。

（c）要壓多語客服或導覽語音的團隊 Realistic 系列 card 寫支援 23 種語言，比 Preview 多 12 種，也就是 Preview 為 11 種（由來源的「多 12 種」回推），多出來的包含泰文、越南文、印尼文等。對做東南亞市場的團隊，這個語言覆蓋面值得看一眼。另外 repo 內已附 44.1 kHz 的 neural codec，官方說不需要另外下載 codec checkpoint，少一個環境雷。

（d）要高吞吐批次產生音檔 官方 card 指向 SGLang Omni adapter 做 GPU 服務，要你用 sglang_omni/configs/audio8_tts_0_6b.yaml 這組 0.6B 設定，並把 model path 指向本模型或下載好的 snapshot。有幾千句要一次壓出來的，走這條。
跑得動嗎: 同樣先攤開來講，Air 自己的頁面沒有標 VRAM 門檻，只標示是 0.6B 配置。同家族 Audio8-TTS-Realistic-0.6b 的 model card 寫的是「建議 Python 3.10 以上與一張 CUDA GPU」，並說明 0.6B 指的是主模型、不含 codec。另外，來源自述為推算、非實測的一筆數字：第三方 tokenstrom 的文章估算約 4 GB VRAM，該文自己註明是推算不是實測，官方也沒有背書，請當成參考量級而不是規格。從規格推估（這是推估）：0.6B 主模型搭配官方只要求「一張 CUDA GPU」的措辭，這個尺寸對一般開發機的壓力明顯小於第一則那個 38.2 GB 的量體。另有 litert-community 把 Realistic-0.6b 轉成 LiteRT 的 Android 版本，顯示這個尺寸也有人往手機端推。
本期聲量: HF 熱度 231，7.3k 次下載、249 個讚，是本期兩個選題中聲量較高的一個。Edge0 官方同時上了 HF Space 試聽 Playground。
跟同類比: 這段數字需要小心讀。Air 的 model card 把自己和 Audio8-TTS-Preview 並列比較（兩者都是 0.6B），表上 Realistic Air 列的是 CV3 錯誤率 4.86%、MiniMax 5.89%。來源摘要裡沒有交代 MiniMax 這一欄是另一個測試集還是另一家模型，所以這兩個數字能不能直接相比，請以官方 card 的原表為準，本節目不替它下定論。另一組是 MarkTechPost 的報導，寫同系列 Realistic 的 CV3 錯誤率 4.86% 優於 Qwen3-TTS-1.7B 的 7.73% 與 VoxCPM2 的 5.35%，但同篇也點名 4B 級的 Higgs TTS 3 在 CV3 與 MiniMax 兩項仍領先。整理成一行：Realistic 4.86% ／ VoxCPM2 5.35% ／ Qwen3-TTS-1.7B 7.73%（CV3 錯誤率，數字愈低愈好）。以上皆為 model card 與 MarkTechPost 的轉述數字，不是本節目的量測。
怎麼取得: 官方 card 給的是 pipeline('text-to-speech', model='Edge0/Audio8-TTS-Realistic-Air', trust_remote_code=True)，或 AutoModel.from_pretrained(..., trust_remote_code=True, device_map='auto')。card 也說命令列推論、批次與監督式微調請看 Audio8 TTS 的 repo，model path 一樣填 Edge0/Audio8-TTS-Realistic-Air。不想先裝環境的，官方有 Audio8 TTS Realistic Air Playground Space 可以先聽聽看。
連結: https://huggingface.co/Edge0/Audio8-TTS-Realistic-Air

結尾

本期兩個選題都是 apache-2.0、權重直接下載，方向卻剛好相反：一邊是 SenseNova-Loop-9B-Preview 用共享權重把算力「借」出來，換到 ~14.6B 等級的推論量；一邊是 Audio8-TTS-Realistic-Air 把 TTS 壓到 0.6B，甚至有人轉成 Android 的 LiteRT 版本。要排優先順序的話，純粹看客觀條件，Air 的門檻明顯低一截：0.6B 配置、官方只要求一張 CUDA GPU、還有官方 Space 可以先試聽再決定要不要拉回本地；SenseNova-Loop-9B-Preview 則比較像是先留意架構、等部署路徑（Transformers、LightLLM、SGLang PR）更穩之後再評估。再提醒一次，本集所有功能、效能與硬體數字全數引述官方 model card 與來源報導，本節目未實際執行這兩個模型。明天見。