开源大模型ModelScope上手难度 🔧 进阶#大模型#多模态#空间智能#具身智能#紫东太初#ModelScope
ZDTaichu5.0-9B · 紫东太初5.0 空间多模态大模型
9B 8项空间基准组别第一，面向物理世界的具身通用模型，对标GPT-6 Astra，权重+数据方案全开源
指标同步中，请稍后刷新查看 在 ModelScope 查看
5 分钟上手
9B 量化版 8GB 显存可跑，全精度建议 24GB+# ModelScope 下载模型
pip install modelscope
python -c "from modelscope import snapshot_download; snapshot_download('TaichuAI/ZDTaichu5.0-9B')"
# 配合 vLLM 部署
vllm serve TaichuAI/ZDTaichu5.0-9B --port 8000项目速览
ZDTaichu5.0-9B 是中科紫东太初团队于 2026 年 9 月 15 日正式开源的面向物理世界的通用多模态大模型，以 Qwen3.5-9B 为语言骨干、C-RADIOv4-H 为视觉骨干，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。模型采用自适应循环推理机制（熵门控触发、阻尼更新+双重停止判据），构建了「空间感知→复杂三维空间推理→具身条件推理→物理交互决策」的完整能力链条。在九大国际空间理解基准横向评测中，斩获 8 项同参数通用组别第一，是 10B 参数内空间具身能力最强的开源多模态模型。此次开源不仅开放模型权重，还同步公开了数据生产详细方案与训练管线。
能做什么
- 空间感知与推理：参照系变换、属性绑定与空间排序、可供性推理，复杂三维空间推理能力同参数最强
- 具身任务规划：面向科研实验台操作、制造业备料配送等真实物理场景的连续操作验证
- 任意分辨率视觉输入：支持单图/多图/视频输入，128K token 上下文窗口
- 自适应循环推理：通过熵门控判断 Token 预测不确定性，触发内部循环计算以提高复杂任务准确率
怎么部署
ModelScope 下载模型权重，配合 vLLM / Transformers 部署推理。训练方案与数据管线同步开放，支持基于 GRPO 强化学习的二次微调。
适合谁
机器人/具身智能研究者、空间感知与多模态理解方向开发者、需要物理世界交互能力的 AI 产品团队。
✅ 优点
- •8 项空间基准组别第一，10B 参数内开源最强空间多模态模型
- •权重+数据方案+训练管线全公开，可复现可二次开发
- •9B 参数体量适中，消费级显卡量化后可运行
⚠️ 局限与坑
- •面向物理空间的任务评测体系尚不完善，真实场景需验证
- •中文通用对话能力受限于 Qwen3.5-9B 底座
- •自适应循环推理在端侧部署时延迟较高
💼 典型应用场景
- 1.机器人空间感知与抓取规划
- 2.智能制造与科研实验台视觉操作
- 3.自动驾驶/AR 场景的空间理解与交互决策
🔗 资源直达
不想部署？试试同类在线工具
开源大模型· 同类项目推荐
返回全部开源项目指标每周自动更新