知识卡片：紫东太初开源9B多模态模型 ZDTaichu5.0-9B，空间具身能力领先

一句话结论

据腾讯研究院 AI 速递，紫东太初开源通用多模态大模型 ZDTaichu5.0-9B；材料称其在九项空间理解基准中取得八项第一，并在 AI2D、WeMath、OCRBench 等通用能力上保持第一梯队，同时开放权重与数据生产管线方案。

事件概述或研究问题

该条目被归入“前沿科技”。核心事件是紫东太初开源 ZDTaichu5.0-9B，强调“空间具身能力领先”。可概括的问题意识是：一个 9B 级通用多模态模型能否同时覆盖通用多模态理解与空间/具身连续任务，并通过训练数据管线与推理机制提升难点 Token 的处理能力。材料未提供论文、技术报告或代码仓库链接，待核实。

方法/产品要点

• 模型：ZDTaichu5.0-9B，通用多模态大模型，开源。
• 训练管线：经预训练、监督微调与 GRPO 强化学习三阶段数据管线训练。
• 推理机制：内置自适应循环推理，依据预测不确定性对难点 Token 追加计算轮次。
• 具身支撑：内外循环协同，用于支撑连续具身任务。
• 开放范围：权重与数据生产管线方案一并开放。
• 验证场景：试管转移、机台上料等。

主要结果或产业意义

• 空间理解：材料称在九项空间理解基准中拿下八项第一。
• 通用能力：AI2D、WeMath、OCRBench 等保持第一梯队。
• 具身验证：已在试管转移、机台上料等场景验证。
• 产业意义：若上述结果可复现，开源权重和数据生产管线可能降低多模态/具身模型的研发与复现门槛，并推动空间理解从基准评测走向连续任务和真实场景。上述产业影响为基于材料的解读，尚待更多外部评测与落地数据确认。

为什么重要

• 多模态模型竞争正从图像/文本问答扩展到空间理解、具身执行和连续任务。
• 9B 规模兼顾开源与部署友好性，可能成为研究者和中小团队可用的具身/多模态底座候选。
• 开放数据生产管线比只开放权重更接近可复现工程，但实际开放程度、许可证和维护方式待核实。
• 与已有相关卡片相比，本条不是 NIST AI RMF 治理、Epoch AI 研究趋势或 OpenRouter 模型网关/路由主题，而是具体开源多模态模型在空间具身方向的进展；增量信息集中在 ZDTaichu5.0-9B 的基准表现、三阶段训练管线、自适应循环推理与具身场景验证。

局限与不确定性

• “九项空间理解基准”的具体名称、评测协议、对比模型和分数明细，材料未说明，待核实。
• “八项第一”“AI2D、WeMath、OCRBench 第一梯队”的排名口径与来源，待核实。
• 三阶段数据管线的数据规模、配方、GRPO 配置与训练成本，待核实。
• 自适应循环推理、内外循环的实现细节和论文/附录支撑，待核实。
• 试管转移、机台上料等具身验证是仿真还是真机、样本量、成功率、是否可复现，待核实。
• 权重与数据生产管线方案的开放许可证、获取地址、代码/模型卡，材料未给出，待核实。
• 来源标注日期为 20260917；发布时间、事件真实性和与当前日期的关系需以原始发布方信息为准，待核实。

可用于图书/PPT/简报的角度

• “开源 9B 多模态模型如何切入空间具身”：参数效率、能力边界与场景验证。
• “从预训练到 GRPO：多模态模型三阶段数据管线 + 自适应循环推理”。
• “开放权重之外：数据生产管线开放对复现和产业协作的意义”。
• “具身智能的基准与场景”：空间理解基准、连续具身任务、试管转移/机台上料。
• “2026 年 AI 产业速递切片”：与同批 OpenAI、谷歌、联发科、vivo 等动态并列，观察模型、芯片、Agent 与系统层竞争。

原始材料

• 来源：腾讯研究院 AI 速递 20260917，条目七《紫东太初开源9B多模态模型，空间具身能力领先》。
• Parent digest：腾讯研究院AI速递 20260917
• Parent URL / 原始 URL：https://m.sohu.com/a/1077012256_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=7
• 英文标题：材料未提供，待核实。
• 英文关键词：ZDTaichu5.0-9B；GRPO；AI2D；WeMath；OCRBench；Adaptive Loop Inference（英文表达待核实）；Spatial Understanding / Embodied AI（中文概念英文译法待核实）。