ZDTaichu5.0‑9B：武汉人工智能研究院推出的面向物理世界开源通用多模态大模型

一、ZDTaichu5.0‑9B是什么

ZDTaichu5.0‑9B，全称紫东太初5.0-9B，由武汉人工智能研究院发布，是一款9B参数、主打空间具身智能的开源通用多模态大模型。模型核心定位不再局限于图文问答，而是聚焦物理世界三维空间理解，可理解图像、视频中的空间方位、物体位置关系，服务机器人、仿真、工业视觉等具身场景，权重完整开源，配套全流程训练数据生产管线。

二、功能特色

1. 多模态原生输入：原生支持文本、单张图片、多张图片、长视频输入，可适配任意分辨率图像，无需额外预处理插件。

2. 顶尖空间具身理解能力：在九大国际空间理解评测基准上，拿下同参数组别8项第一。擅长三维空间感知、跨视角推理、物体定位，解决很多多模态模型看得懂画面，但看不懂空间位置的痛点。

3. 自适应循环推理架构：内置动态推理机制。简单问答任务使用轻量化推理，降低算力消耗；遇到空间变换、物体关系推理等复杂任务，自动开启内部多轮循环推理，不会造成Token开销大幅上涨。

4. 综合能力均衡不偏科：在强化空间能力的同时，保留较强的通用图文理解、OCR识别、视觉数学、代码Agent能力，不会出现空间性能提升后通用能力大幅下滑的问题。

5. 开放完整训练管线：不仅开放模型权重，同步开源空间多模态数据生产全链路，包含预训练、SFT微调、强化学习整套流程，企业与科研团队可接入自有工业、仿真数据继续二次训练。

三、技术细节

• 参数量：9B

• 模型类型：多模态具身大模型，采用自适应循环推理架构

• 输入模态：文本、单图、多图、长视频，支持任意分辨率图像

• 核心优化方向：三维空间感知、跨视角方位推理、物理场景物体关系建模

• 训练资源开放：模型权重 + 空间多模态数据生产管线，覆盖预训练、监督微调、强化学习全流程

• 适用部署：支持本地推理、私有化部署，可接入仿真环境、机器人控制系统

四、应用场景

1. 科研实验室自动化：实验室机器人操作任务，完成试管归位、液体转移等物理操作的任务规划与闭环验证。

2. 智能制造工业场景：工单内容解析、工件识别定位、跨工位物料配送规划，理解产线内物体空间位置。

3. 具身机器人开发：服务机器人、移动机器人的环境感知、导航规划、物体抓取任务。

4. 仿真环境与数字孪生：虚拟场景空间理解，完成虚拟物体定位、场景变化识别。

5. 通用多模态任务：常规图文问答、图片OCR、视觉数学计算、多模态代码Agent任务。

五、竞品对比

选取同量级开源多模态模型做横向对比

六、常见问题解答

Q：ZDTaichu5.0‑9B只能用于机器人场景吗？

A：不是。它属于通用多模态模型，除机器人、工业具身场景外，也支持常规图文问答、OCR、视觉数学等普通多模态任务，空间能力是它的特色强项，并非唯一功能。

Q：部署ZDTaichu5.0‑9B，最低需要什么硬件？

A：9B参数模型，建议显存≥16G显卡进行量化推理；完整精度推理推荐24G及以上显存。长视频推理对显存需求会进一步提高。

Q：模型是否可以商用？

A：以官方仓库内许可证为准，使用前仔细阅读GitHub仓库协议，部分场景需要遵守开源许可约束。

Q：开源内容只开放模型权重吗？

A：不是，除模型权重，官方同步开放空间多模态数据生产全流程管线，包含预训练、SFT、强化学习整套方案，支持团队基于自有数据继续训练迭代。

七、相关链接

• GitHub仓库：https://github.com/Taichu-AI/ZDTaichu5.0-9B

• 官方项目博客：https://taichu-ai.github.io/ZDTaichu5.0-9B

• HuggingFace模型地址：https://huggingface.co/TaichuAI/ZDTaichu5.0-9B

• ModelScope魔搭模型地址：https://www.modelscope.cn/models/TaichuAI/ZDTaichu5.0-9B

八、总结

ZDTaichu5.0‑9B是武汉人工智能研究院推出的9B开源多模态大模型，核心优势聚焦物理世界的三维空间理解，依靠自适应循环推理架构兼顾复杂空间推理与基础多模态任务，同时开放完整训练管线，在同参数开源模型中补齐了具身智能领域短板，可直接用于科研、工业、机器人仿真等私有化场景落地，是面向物理场景开发的开源多模态备选方案。