SenseNova-Loop-9B: Baidu estrena un multimodal de 9B con transformador «en bucle»
El equipo SenseNova de Baidu ha publicado SenseNova-Loop-9B, un modelo multimodal de imagen y texto con 9.000 millones de parámetros y licencia Apache 2.0, estrenado el 17 de noviembre y ya entre los más queridos de la plataforma en su primer día. Su rasgo distintivo es la arquitectura de «transformador en bucle»: en lugar de sumar cientos de capas, reaplica un bloque compacto de capas en pasadas sucesivas para ganar profundidad efectiva sin multiplicar pesos. El modelo, bilingüe (inglés y chino), está orientado a contextos largos y a flujos de trabajo agénticos, y superó los 240 me gusta en Hugging Face en veinticuatro horas.
La idea del «transformador en bucle» no es nueva —lleva años circulando en la investigación como alternativa a los modelos muy profudos—, pero es raro verla como rasgo principal de un modelo multimodal publicado: la mayoría de los que llegan a Hugging Face son profundizaciones directas de la receta Llama o Qwen de turno. SenseNova-Loop-9B la adopta de frente: un pequeño conjunto de bloques se ejecuta varias veces sobre la misma secuencia, de modo que la profundidad efectiva crece sin crecer la memoria de parámetros, y a ello se suma un mecanismo de atención cruzada (MHC) y una optimización explícita para contexto largo. La comunidad, que cita reportes de ventanas de hasta un millón de tokens, lo sitúa entre los pocos modelos abiertos que apuntan a ese rango.
El lanzamiento cae en plena renovación de marca de Baidu: la familia ERNIE se reconvirtió en SenseNova, y Loop-9B es la primera entrega multimodal de la nueva era, con pesos abiertos bajo Apache 2.0. La tarjeta de modelo sigue acotada —pide registro en la plataforma—, así que los detalles completos del informe técnico aún no son públicos. Para quien busca un modelo compacto de imagen y texto para servir en casa, es la opción más fresca de la semana; la duda que deja abierta es si el «bucle» se sostendrá en la práctica tan bien como en el papel.
