紫东太初开源 ZDTaichu5.0-9B：10B 参数内空间具身能力最强通用多模态大模型

           9月15日，紫东太初正式开源ZDTaichu5.0-9B，模型不大实力超群，空间理解专业能力同档最强，通用能力仍居第一梯队。更稀缺的是，本次ZDTaichu5.0-9B不只开权重，更公开数据生产详细方案，并已在科研自动化、智能制造真实实体场景完成验证。此次开源，意味着国产多模态大模型正从“看懂数字世界”迈向“理解并行动于物理世界”。

           ZDTaichu5.0-9B模型参数量约 9B，支持单图、多图、长序列视频与任意分辨率视觉输入，聚焦解决真实物理场景下空间感知、跨视角变换、具身任务规划等行业难题。评测结果显示，ZDTaichu5.0-9B 是 10B 参数内空间具身能力最强的通用多模态大模型，九大国际权威空间理解基准斩获 8 项组别第一。同时，ZDTaichu5.0-9B创新新采用自适应循环推理架构，对标行业前沿闭源模型 GPT-6 Astra，展现出高度对齐的技术前瞻性。

           当前行业一大技术难点在于：提升模型空间具身能力，往往会牺牲模型原有通用多模态能力。ZDTaichu5.0-9B 完成突破，在空间能力越级提升的同时，图文理解、OCR、视觉数学、代码 Agent 依旧保持第一梯队水准。

           权威基准碾压同级：10B参数内空间具身综合能力第一

           在空间具身能力评测上，本次横向评测选取 Qwen3.5-9B、STEP3-VL-10B、gemma4-8B-E4B 等开源模型，同时对比 Gemini、Grok 等闭源大模型，覆盖空间感知、三维推理、多视角变换、具身交互九大权威评测基准，八项取得同参数组别第一名。

           模型构建起四层递进能力链条：空间感知→复杂三维空间推理→具身条件推理→物理交互决策，真正实现从 “看懂二维世界” 到 “理解三维物理世界并规划决策” 的跨越。

           在空间感知方面，模型可精准识别物体、方位、排布秩序，视频目标定位能力同级领先。在视频定位实测案例中，针对 “寻找从左到右第二个银色盒子” 任务，ZDTaichu5.0-9B 精准输出目标坐标，同级其他开源模型全部定位错误，该能力是机器人抓取的底层核心能力。

           在复杂空间推理方面，直击机器人移动、机位变化后 “认不出、判不准方位” 的行业痛点。代表复杂三维推演能力的 MindCubetiny 取得 78.27 分，大幅领先同级竞品；跨视角评测 ViewSpatial 同样拉开差距。三视角推理实测中，参照系发生改变时，仅有本模型输出物体的正确相对方位，其余模型出现参照系错乱，可保障机器人运动过程中物体空间拓扑关系稳定。

           具身推理与交互理解层面，模型不止识别画面物体，还可完成空间逻辑推理，判断物品可放置区域、识别操作前置条件。在 ERQA、RoboSpatial 两大机器人具身交互基准取得同参数开源模型第一。杯柄侧空闲区域选择测试中，模型输出点位落在合理空闲区域，对比模型点位全部落在物体占用区域，输出结果可直接用于机器人交互。

           通用多模态能力上，ZDTaichu5.0-9B 在图文理解、视觉数学、OCR、指令遵循、数学、代码工具调用多项指标表现优异，通用底座能力没有伴随空间能力增强而受损。

           行业稀缺：对外开放整套空间多模态数据生产管线

           不同于市面上多数项目仅开放模型权重，本次紫东太初沉淀了一套经过全流程验证，对外可复用、可迁移到行业自有数据集的完整数据工程链路，迁移整套空间多模态数据生产管线，解决企业拿到模型权重，却无法基于自有工业、机器人数据迭代模型的行业痛点。

           整套链路完整覆盖预训练、监督微调、高质量退火、GRPO 可验证强化学习全部环节，包含哈希-URL 双重去重、画质过滤、三维能力标签体系、思维链合成、一致性校验等全套工艺。科研机构与企业开发者可复用这套流水线，将自有仿真数据、工业现场数据、实验场景数据转化为模型训练样本。

           训练采用渐进式数据课程体系，实现模型能力阶梯式生长。

           预训练阶段整合开源图文、网页文档、视频、三维仿真场景多源数据，经过清洗、过滤、解析处理，完成视觉、语言、时序、三维空间概念的基础对齐。

           监督微调 SFT 阶段，采用大规模任务轨迹样本，对具身样本强制做多维度一致性校验，通过多轮对话、视频序列样本构建，教会模型结合视觉证据完成任务拆解、工具调用、具身交互。

           高质量退火 + GRPO 可验证强化学习阶段，搭建能力域难度质量三维自动标签系统，定向筛选优质样本；设置答案正确性、坐标命中、格式合规多重自动奖励信号，将空间点位输出、结构化规划转为可训练目标，适配长视频、长链条具身推理任务。

           自适应循环推理，把算力用在真正难的判断上

           为解决空间预测不确定性，支撑高难度空间判断算力需求，ZDTaichu5.0-9B 内置自适应循环推理机制。该推理迭代运行在模型前向传播内部，和 “业界猜测”的GPT-6 Astra 所采用 Loop Transformer 技术路线具备高度的前瞻性，在不扩张参数量前提下提升模型有效推理深度。

           工作逻辑依靠熵门控判断任务不确定性：确定性任务直接输出结果，不消耗额外算力；面对空间变换、物体关系判别等高不确定性任务，模型会在内部循环迭代优化隐层表征，无需依赖外部思维链输出。

           同时配备阻尼更新、双重停止判据、轨迹读出与状态回滚三重稳定化工程，保障内部循环不会发散。内部循环聚焦提升单步感知推理质量，复杂长程具身任务则依靠外部任务循环接收环境反馈更新全局状态，两层架构协同完成物理世界复杂任务。这套机制让算力向高难度难题倾斜，在不显著增加平均推理成本的情况下，提升复杂任务正确率。

           长程具身智能：驱动物理世界持续交互与自主决策

           真实物理世界下的长程具身任务，包含大量相互依赖的链式操作：识别目标、处理遮挡、移动到合适观测位置、打开容器、调用工具、搬运物体，最后校验目标是否完成。高层具身规划，要求模型持续维护全局完整任务状态，而不是为每一张输入图像独立生成单次动作。

           当下热门的通过 Astra 控制端侧设备领域，我们的模型也同样具备硬核竞争力。ZDTaichu5.0-9B无需人工分步引导，可直接融合实时图像画面、用户目标描述与设备执行反馈，自主研判场景、规划操作步骤，一键输出精准有效的设备控制指令。整套操作全程自主闭环，能够高效驱动端侧工具、智能设备完成既定任务，完美适配复杂的实操场景。

           从跑分到实干，让模型真正进入物理世界

           依托四层能力链条与自适应推理架构，ZDTaichu5.0-9B 可以实现真实物理世界的长程具身任务闭环。长流程物理任务需要持续跟踪物体身份、位置以及任务进度，依据环境新观测更新状态，而不是机械执行初始动作列表。

           在科学智能场景，模型可以打通干湿实验闭环，仿真侧仿真计算链路：接收自然语言科学问题，自主调用 Python/SciPy 工具，同时求解解析解与数值解，交叉比对校验结果，自动输出相空间图、位移速度时序曲线等可视化产物，完成从提问到分析图表报告全流程。

           湿实验侧，ZDTaichu5.0-9B 能够在复杂实验环境中持续跟踪物体状态、空间关系与任务进度，依据观测结果动态更新策略，形成从感知、推理到行动的完整闭环，持续将样品身份、空间位置、任务进度三者绑定跟踪，为自动化科学实验平台提供上层任务编排与状态记录能力。

           面向工业智能制造场景，模型适配备料配送、机台上料业务，应对密集货架、零件外观相似、物体遮挡等车间现实问题。在跨工位配送、机台上料实测案例中，模型接收工单文本，完成高层语义理解，输出从货架取件、搬运避障到放置到位的完整任务规划，打通工单指令到车间物理执行的链路。

           ZDTaichu5.0-9B 的开源发布，打破了物理世界多模态大模型 “权重易得、能力难复现” 的行业困局，为具身大脑、智能制造、自动化科学实验领域，交付了兼顾顶尖空间具身能力与完备通用素养的国产化核心底座。

           不止释放模型权重，整套经过工程验证的空间多模态数据生产管线同步对外开放，把过去少数团队掌握的核心数据工艺向全行业敞开，大幅拉低具身智能的创新门槛。这不止是一款大模型的开源，更是推动 AI 从读懂屏幕里的数字信息，走向理解、决策、交互真实物理世界的关键一步。它将激活产学研协同创新活力，加速我国具身智能生态的构建与迭代，为实体经济智能化变革注入硬核底层力量。

 

           关于紫东太初：

           中科紫东太初由中国科学院自动化研究所孵化，是跨模态通用人工智能领域的“国家队”企业，以“打造自主可控的中国通用人工智能底座，成为全球领先的多模态大模型技术创新者与产业赋能者”为使命。公司自主研发的紫东太初多模态大模型，是全球首个中文千亿参数级多模态大模型，凭借领先技术实力荣获世界人工智能大会最高荣誉——卓越人工智能引领者奖（SAIL奖），并成为首批通过中央网信办大模型备案、荣获中国信通院大模型可信认证的“双认证标杆产品”。