知识卡片：ZDTaichu5.0-9B：国产开源9B多模态模型的空间具身与通用能力进展

一句话结论

据量子位 2026-09-16 报道，紫东太初开源约 9B 的通用多模态模型 ZDTaichu5.0-9B，宣称在九项空间理解基准中八项第一，并以数据管线、自适应循环推理和内外循环协同兼顾空间具身与通用能力；榜单与演示效果尚待独立复现。

事件概述或研究问题

• 事件：紫东太初发布并开源 ZDTaichu5.0-9B，定位通用多模态大模型，强调“通用能力不打折，空间具身智能断层领先”，标题称其“跻身全球多模态第一梯队”。
• 研究/产品问题：多模态模型已能理解图片，但进入真实物理世界后，空间理解与行动规划往往不足；一些模型补空间能力时又会牺牲通用能力。文章称 ZDTaichu5.0-9B 试图同时跑通两者。
• 来源：量子位，作者鹭羽，发布日期标注为 2026-09-16 21:08:20。

方法/产品要点

• 开源：提供 Blog、GitHub、HuggingFace、ModelScope 链接（见“原始材料”）。
• 训练数据管线三阶段：
  1. 预训练数据：覆盖开源图文、网页结构化文档、公开视频多视角素材和仿真渲染三维场景；经感知哈希与 URL 去重，过滤低清晰度、图文不相关样本，再进行内容重写解析和视频抽帧描述。
  2. 监督微调数据：加入开源 SFT 指令、真实业务问答、空间具身案例、Agent 工具调用轨迹，组织为多轮对话、多图和视频序列；具身样本检查图像、问题、对象关系和操作约束是否一致；带步骤思维链经拒绝采样、格式和一致性校验。
  3. 高质量退火 + GRPO 强化学习：建立“能力域-难度-质量”三维自动标签系统；评测数据不直接作为训练样本；GRPO 将答案正确、空间坐标命中、输出格式合规转化为自动校验奖励信号。
• 推理机制：
  • 内置自适应循环推理：熵门控评估 Token 预测不确定性；高不确定性节点在模型内部重复执行部分层块计算，迭代调整隐层表征，增加计算深度，无需调用外部工具。
  • 三重稳定化工程设计：阻尼更新、双重停止判据（KL 散度与隐状态残差）、轨迹读出与状态回滚。
  • 内外循环协同：内部循环改善当前感知与推理；外部任务循环接收新观测和执行反馈，更新任务进展。
• 文章称该“按需分配推理计算”思路与 OpenAI 文档中 GPT-6 Astra 的推理投入调节相似；OpenAI 相关细节待核实。

主要结果或产业意义

• 空间具身：文章称九大国际权威空间理解基准中八项“断档第一”；在所列 10B 档位开闭源模型中“断层领先”。MindCube-tiny 得分 78.27，对比 Gemma4 8B-E4B 48.8462、Gemini 3 Pro 70.87、Grok 4 63.56。
• 通用能力：AI2D 91.48，仅次于 Gemini 3 Pro，高于其他对照模型；WeMath 75.9，同样领先；MathVista Mini 84.5；OCRBench 85.5。Agent 与文本任务表现突出，尤其是代码成绩。
• 演示案例：美工刀收纳、找第二个银色盒子、三视角方位判断、找空位、科研 Agent 阻尼振子求解、奶酪盒放入碗内、试管转移、机台上料工件转移等。
• 产业意义：文章称模型不止开放权重，还打开整套经过工业级验证的数据生产管线详细方案；企业可用自有数据和机器人继续训练，少做重复工程，面向科研自动化、智能制造等场景提供高层任务编排与状态记录能力。

为什么重要

• 如果报道属实，它把“空间理解—具身规划—通用多模态”放在同一 9B 开源模型内，可能降低物理世界 AI 应用的门槛。
• 开源权重与数据管线方案，可能让企业把研发精力更多放在任务定义、适配和评测上。
• 与已有卡片无直接延续关系；相对 NIST AI RMF、Epoch AI、OpenRouter 等卡片，本条增量是记录国产开源 9B 多模态模型向空间具身延伸的产业动态。

局限与不确定性

• 基准分数、排名和“断层领先”等表述来自量子位报道或发布方材料，独立第三方复现待核实。
• 具体模型参数量、训练数据规模、算力、许可证、商业使用条款、开源范围（权重与数据管线详细方案的具体边界）待核实。
• 对比模型版本、评测设置、提示方式、数据污染控制、是否零样本或微调等信息待核实。
• 演示视频为展示案例，真实产线鲁棒性、实时控制、安全性和长程任务成功率待核实。
• 与 GPT-6 Astra 的相似性为文章表述；OpenAI 官方文档原文与适用性待核实。
• 来源标注日期为 2026-09-16，页面可访问性和发布日期需以原始页面为准。

可用于图书/PPT/简报的角度

• 国产开源多模态模型从“看图答题”走向“空间具身规划”。
• 9B 小模型如何通过数据工程、GRPO、自适应推理，兼顾通用能力与具身能力。
• “按需分配推理计算”成为大模型与具身模型共同趋势。
• 开源权重+数据管线：企业自建空间多模态模型的路径与风险。
• 科研自动化与智能制造中的高层任务规划案例。

原始材料

• 中文标题：通用能力不打折，空间具身智能断层领先！ZDTaichu5.0-9B国产开源，跻身全球多模态第一梯队
• 英文标题：待核实（原始材料未单独给出英文标题）
• 英文关键词：ZDTaichu5.0-9B；multimodal；spatial embodied intelligence；GRPO；open source；Agent（原始材料未设关键词栏，以上为提取/转写，需核实）
• Track：industry
• Topics：ai-industry
• 来源：量子位，作者：鹭羽，发布日期标注：2026-09-16 21:08:20
• URL：https://www.qbitai.com/2026/09/490839.html
• Blog：https://taichu-ai.github.io/ZDTaichu5.0-9B
• GitHub：https://github.com/Taichu-AI/ZDTaichu5.0-9B
• HuggingFace：https://huggingface.co/TaichuAI/ZDTaichu5.0-9B
• ModelScope：https://www.modelscope.cn/models/TaichuAI/ZDTaichu5.0-9B