A SenseNova Loop 9B egy multimodális mesterséges intelligencia modell, amely képes szöveges és képi információk feldolgozására is. Körülbelül 9 milliárd paraméterrel dolgozik, és szöveges választ ad még a képekből származó információkra is. Használható például dokumentumolvasásra, kódírásra vagy összetett munkafolyamat-automatizálásra, ahol az ügynökszerű folyamatok is előfordulnak.
Az egyik teszt során a modell képes volt olvashatatlannak tűnő kézírással írt matematikai egyenleteket értelmezni, felismerni a lényegi részeket, figyelmen kívül hagyva a felesleges áthúzásokat és firkákat. Egy másik példában fizikai ábrán kellett a címkéket felismerni és az elvárható módon matematikai elemzést végezni, miközben a VRAM-felhasználás is jól követhető volt.
Érdekes technikai újítás, hogy a modell egyes rétegei többször is „újraolvassák” az inputot — ezzel ér el nagyobb teljesítményt anélkül, hogy nőne a paraméterszám. Két párhuzamos adatfolyam kezelése (MHC) tovább javítja az információáramlást, miközben a modell szerkezete hatékony marad.
Számlák adatainak strukturált kinyerésére is alkalmas: a teszt során egy szkennelt számlából hiánytalanul kiszedte az összes lényegi információt, de a feldolgozás sebessége jelenleg még elmarad az elvárttól. Kódolási feladatoknál is jól teljesít, például SQL-lekérdezést generált bonyolult szűrési, csoportosítási és összekapcsolási feltételekkel.
Műveletábrák és munkafolyamatok értelmezésében fejlődőképes, bár néhány összetettebb dokumentum szerkezetét nem minden részletében kezeli tökéletesen. Az összbenyomás mégis az, hogy a modell vizuális és nyelvi kompetenciái erősek, főleg, ha figyelembe vesszük, hogy egyelőre csak előzetes kiadásról van szó. A végső teljesítmény és sebesség még fejlesztés alatt áll, így érdemes figyelemmel kísérni a további fejlesztéseket és teszteket.
