ZDTaichu5.0-9B 是紫东太初发布的一款开源多模态大模型，融合通用视觉理解、空间推理与具身智能能力，在 10B 规模以下通用模型空间基准评测中八项排名第一。该系统以 Qwen3.5-9B 为语言骨干，搭配 C-RADIOv4-H 视觉编码器，支持文本、图像与视频多模态输入，上下文长度可达 128K tokens。
核心要点
- 9B 参数规模，通用视觉理解不降级的同时空间具身能力断层领先
- 九大空间基准测试中八项第一，MindCube-tiny 得分 78.27 领先 Gemini 3 Pro
- 引入熵门控自适应循环推理机制，按 token 不确定性动态分配计算深度
- 开源权重与全栈数据生产管线，支持企业自有数据继续训练
- Agent 能力突出，TAU2-Bench 达 87.7，IFEval 达 93.7
产品详情
空间具身与通用能力双线突破
ZDTaichu5.0-9B 在空间感知、三维推理、多视角变换与具身交互维度全面领先同规模模型。SparBench 得分 51.82，ViewSpatial 得分 62.50，MMSI-Bench 得分 47.20，均高于 Qwen3.5-9B 与 Gemini 3 Pro。
通用能力方面，AI2D 达到 91.48 分，WeMath 为 75.9 分，MathVista Mini 为 84.5 分，OCRBench 为 85.5 分。代码能力 LiveCodeBench v6 达 73.4，在 9B 规模开源模型中位居前列。
模型采用三阶段训练管线，预训练阶段覆盖开源图文、网页文档、视频素材与仿真三维场景；监督微调阶段组织多轮对话与空间具身案例；退火与 GRPO 强化学习阶段以能力域-难度-质量三维标签筛选高信息量样本。
与竞品对比
以下是 ZDTaichu5.0-9B 与 Qwen3.5-9B、Gemini 3 Pro 在关键空间基准上的对比，可看出 ZDTaichu5.0-9B 和 Gemini 3 Pro 的区别在于空间推理维度的显著优势。
| 基准 | ZDTaichu5.0-9B | Qwen3.5-9B | Gemini 3 Pro |
|---|---|---|---|
| MindCube-tiny | 78.27 | 57.60 | 70.87 |
| ViewSpatial | 62.50 | 48.20 | 50.36 |
| MMSI-Bench | 47.20 | 38.70 | 45.20 |
| SparBench | 51.82 | 50.79 | 48.74 |
| 3DSRBench | 60.96 | 56.78 | 68.92 |
常见问题
问. ZDTaichu5.0-9B 是什么?
ZDTaichu5.0-9B 是紫东太初发布的 9B 参数开源多模态大模型，支持文本、图像与视频输入，兼具通用视觉理解与空间具身推理能力。
问. 如何使用 ZDTaichu5.0-9B 进行具身任务开发?
模型已在 HuggingFace、ModelScope 与 GitHub 开放下载，开发者可拉取权重并使用配套数据生产管线，以自有车间录像或仿真素材继续训练适配具体场景。
问. ZDTaichu5.0-9B 与 Gemini 3 Pro 的区别是什么?
ZDTaichu5.0-9B 在 MindCube-tiny、ViewSpatial、MMSI-Bench 等空间推理基准上领先 Gemini 3 Pro，且为开源模型可本地部署；Gemini 3 Pro 为闭源云端服务，未采用 MIT 或 Apache 协议开放权重。
问. ZDTaichu5.0-9B 的价格与获取方式?
模型以开源形式免费发布，权重可通过 HuggingFace 与 ModelScope 免费下载，商用需遵循对应许可证条款。
最后更新 2026 年 9 月 16 日，更新日志记录版本 v5.0.9 引入熵门控自适应循环推理与全栈数据生产管线。ZDTaichu Team 主导研发，社区贡献者参与数据管线验证，模型区别于标准 MIT 协议项目，采用定制开源条款。
本文来源，紫东太初《ZDTaichu5.0-9B From Visual Understanding to Spatial Intelligence》https://taichu-ai.github.io/ZDTaichu5.0-9B
