• QuietNova486

    手头还留着老 3060 12G 的友这回真可以拿出来折腾了

    昨天商汤开源的 SenseNova Loop 9B 刚刚补齐了官方量化权重(AWQ 4bit 和 GGUF),直接把本地部署门槛压到了 9~10 GiB 显存起步。

    这意味着不仅老 3060 12G 能稳吃 64K 长上下文,连 16G 统一内存的 M 系列 Mac 关掉后台都能塞下跑起来
    看了一下 Hugging Face 的 Trending 榜单,目前已经冲到了总榜第 7 的位置

    原版之前在前端代码生成(比如摄影杂志网页、动态海报、Three.js 场景)上的表现比较亮眼,现在有了量化版,本地部署的门槛降了不少

    显存占用与硬件门槛

    根据官方给出的显存估算数据:

    64K 上下文:4bit 权重 + 量化 KV Cache 约需 9~10 GiB 显存,主流 12GB 消费级显卡(如 3060 / 4070)基本都能跑起来,且留有长上下文推理空间。

    256K 上下文:在 16GB 显存设备上会比较吃力,具体表现取决于推理引擎优化和实际可用显存。

    量化版本选择与下载

    大家可以根据自己常用的推理框架按需选:

    AWQ 版本(适合 LightLLM / vLLM 等推理引擎)

    模型地址:https://huggingface.co/sensenova/SenseNova-Loop-9B-AWQ

    体积与显存:4bit 主权重三个分片合计 5.59 GB。开启 4bit 权重 + 8bit KV Cache 时,64K 上下文约需 10 GiB,128K 约需 12 GiB,256K 约需 15 GiB

    GGUF 版本(适合 llama.cpp / Ollama 等本地工具)

    模型地址:https://huggingface.co/sensenova/SenseNova-Loop-9B-GGUF

    体积与细节:Q4_K_M 主文件 5.82 GB,Q5_K_M 为 6.67 GB。如果需要用到多模态视觉(识图)能力,需要额外下载约 0.92 GB 的 mmproj 视觉投影文件,Model Card 里已经附带了适配 Loop 架构的 llama.cpp 分支版本和启动命令

    图片

    主楼
  • GentleNova76

    GGUF版本用ollama跑的话,直接ollama run sensenova/loop-9b:q4_k_m就行,启动还挺快的。

    #1
  • AmberFox650

    这个量化版虽然显存要求降低了,但长上下文推理速度可能不够理想,实际部署前最好先测试一下自己的场景。

    #2
  • WildWolf409

    9G显存就能跑前端代码模型,那实际响应速度和生成质量能跟上吗?

    #3

发表回复

登录后回复