定位

一个 9B 的模型，为什么值得单独看

2026 年 9 月 15 日，紫东太初开源了 ZDTaichu5.0-9B。参数量约 9B（约 90 亿），支持单图、多图、长序列视频与任意分辨率视觉输入，聚焦真实物理场景下的空间感知、跨视角变换与具身任务规划。

先看参数量这个选择。9B 在多模态模型里属于小个子，但这个尺寸有一个明确对应的部署场景：它可以在端侧设备上跑，可以放进工业设备或机器人的计算单元，而不必挂在云端。对做机器人的团队来说，这不是一个「性能差点但便宜」的妥协选项，而是三个硬约束共同决定的结果——延迟、成本、数据隐私。产线上的图像不能上公网，实时控制不能容忍云端往返，这两条直接把大模型方案挡在门外。

云端大模型的约束

推理往返延迟不可控，产线图像出网涉及合规，按调用量计费在高频场景下成本难预测。适合低频、非实时的高层规划，不适合闭环控制。

9B 端侧部署的可能

可装进机器人计算单元或工控机，延迟可控、数据不出厂、成本为一次性硬件投入。代价是能力上限低于大参数模型，需要靠专项训练补。

「任意分辨率视觉输入」这一条也值得单独拎出来。工业现场的相机、无人机、监控视频分辨率千差万别，模型如果只接受固定尺寸输入，落地时就要额外做一整套预处理。支持任意分辨率，等于把这段适配工作从工程侧挪进了模型侧。

判断：官方口径里的「10B 参数内空间具身能力最强」是一个精心选择的限定词——它同时承认了「放到更大参数量级就不成立」。判断：这类限定的价值在于诚实，也在于提醒读者：这个模型的定位不是能力竞赛的冠军，而是**部署约束下的最优解**。评价它该用的尺子是「在这个算力预算下能不能用」，不是「有没有超过最强的闭源模型」。

分数

8 项第一，但分数分布比「第一」更有信息量

九大国际空间理解基准中，ZDTaichu5.0-9B 拿下 8 项同参数组第一。但把这九个分数排在一起看，分布本身透露的信息比「8 项第一」这个结论多得多。

MindCube-tiny（复杂三维推演）

78.27

3DSRBench（空间感知）

60.96

ViewSpatial（跨视角）

62.5

RoboSpatial（具身交互）

SparBench（空间感知）

51.82

MMSI-Bench

47.2

ERQA（具身推理）

九大空间理解基准得分（发布方口径，未独立复现）。蓝色系为空间感知/推理类，红橙为具身交互类。

分布呈现出一个清晰的梯度：三维几何推演类最高（78.27），空间感知类居中（60.96、51.82），跨视角与多图推理偏低（62.5、47.2），而直接面向机器人交互的两项最低（RoboSpatial 56、ERQA 48）。

这个梯度不是随机的。三维几何推演本质上是「看一张或几张图，回答一个几何问题」，输入输出都是静态的；而具身交互类基准要求模型判断「哪里可以放东西、这个操作的前置条件是什么」，输出要能直接用于机器人动作——后者离真实执行更近，难度也更高。

判断：从 78.27 到 48，这条下降曲线就是「看懂空间」到「能在空间里行动」之间那道 gap 的量化形态。判断：机器人需要的恰恰是分数最低的那两项能力——判断可放置区域、识别操作前置条件。这说明当前空间理解模型的提升主要发生在感知与推理层，尚未充分传导到行动层。判断：对做机器人应用的团队，看 ERQA 和 RoboSpatial 这两项比看总分更能预测实际表现。

对照

跨视角 62.5 分，意味着什么

ViewSpatial 这个基准测的是跨视角空间一致性——机器人移动位置、或者摄像头机位变化之后，还能不能正确判断物体之间的相对方位。这一项 ZDTaichu5.0-9B 得 62.5，对比 Qwen3.5-9B 的 48.20 和 STEP3-VL-10B 的 46.14，提升幅度约 14 到 16 个百分点，是同参数组里的明显领先。

但 62.5 分绝对水位仍然不高，意味着在跨视角方位判断上，约有接近四成的题目会判错。而这个能力恰恰是移动机器人的核心痛点：机器人走两步之后，如果丢失了空间拓扑，之前建立的任务状态就全部失效。

基准	ZDTaichu5.0-9B	Qwen3.5-9B	STEP3-VL-10B	差值（对最强基线）
MindCube-tiny	78.27	57.60	62.81	+15.46
ViewSpatial	62.5	48.20	46.14	+14.30
MMSI-Bench	47.2	38.70	32.18	+8.50
3DSRBench	60.96	56.78	未披露	+4.18
SparBench	51.82	50.79	45.68	+1.03

表：与同参数量级开源模型的横向对比（发布方提供的评测结果，本文未独立复现）。Qwen3.5-9B 在 MindCube-tiny 与 3DSRBench 的数值为按发布方给出的差值反推，原文未直接列出绝对值。

再看 SparBench：51.82 对 50.79，只差 1.03 个百分点。这说明在部分空间感知子项上，同参数量级模型之间的差距已经很小——8 项第一里有几项是「险胜」，而不是断层领先。发布方自己也做了区分，明确用「断层领先」描述的只有 MindCube-tiny。

判断：「9 项 8 项第一」和「断层领先」是两个不同的说法，读的时候要分开。判断：从差值看，MindCube-tiny（+15.46）和 ViewSpatial（+14.30）是真正的领先项，SparBench（+1.03）和 3DSRBench（+4.18）更接近并列。判断：把八项第一平铺成一句宣传语，会掩盖「哪些能力真的领先、哪些只是打平」这个关键区分。

工艺

比权重更值钱的，是那套数据生产管线

这次发布里，工程价值最高的一项可能不是模型权重，而是开放的数据生产管线。按发布方描述，这套管线覆盖预训练、监督微调、高质量退火、GRPO 可验证奖励强化学习四个环节，并开放数据接入、哈希—URL 双重去重、画质过滤、Recaption 重描述、样本打包、三维能力标签体系、定向筛选、思维链合成、一致性校验等全部工艺。

为什么这条比权重重要？因为行业当前的真实痛点不是「没有开源模型」，而是「拿到权重不知道怎么用自己的数据继续训」。绝大多数开源模型只释放权重，不释放数据处理工艺，导致企业和研究机构要么从头摸索数据配方，要么直接用公开数据集——后者的结果就是各家模型能力趋同。

预训练

开源图文 / 结构化文档 / 多视角视频 / 仿真三维场景

监督微调

任务轨迹样本 · 具身样本强制一致性校验

高质量退火

能力域—难度—质量三维标签 · 长推理样本

GRPO 强化学习

答案正确性 / 空间框选命中 / 格式合规三类可校验奖励

设计上有一处值得注意：GRPO 阶段设置了「空间框选坐标命中奖励」，把空间点位输出这类难以用语言描述的任务，转成了可自动校验的奖励信号。这是把空间能力变成可优化目标的工程化做法——对比之下，很多多模态模型在空间任务上只能用「答案对不对」这种粗粒度奖励，学习信号稀疏。

判断：开放数据工艺这件事的商业含义是：发布方让出的是方法论，留住的是工程经验。判断：外部团队即便拿到完整管线，也要用自有数据跑一遍才能复现效果，而这一遍的成本（算力、时间、试错）正是发布方已经支付过的。判断：对做垂直场景的团队，务实的用法不是照抄配方，而是借用「三维能力标签体系 + 可校验奖励」这套框架，把自有数据标定成可训练的目标。

架构

自适应循环推理：一个需要打折看的对标

ZDTaichu5.0-9B 内置了自适应循环推理机制：标准前向得到 Token 输出分布与隐层状态后，通过熵门控计算预测不确定性；确定性 Token 直接输出，遇到空间变换、物体关系判别、操作条件校验等高不确定性节点时，模型在内部循环执行层块计算，迭代优化隐层表征，不调用外部工具。配套三重稳定化设计：阻尼更新、双重停止判据（同时监测 KL 散度与隐状态残差）、轨迹读出与状态回滚。

发布方指出，这一架构与「业界猜测」OpenAI GPT-6 Astra 所采用的 Loop Transformer 具备高度一致的技术前瞻性，均选择将复杂推理过程收敛至模型潜空间内部完成迭代优化。同时发布方也明确说明二者在具体技术实现细节上存在差异。

判断：这个对标必须打折看——发布方自己用的措辞是「业界猜测」，也就是说 GPT-6 Astra 的架构并未公开确认。判断：把未公开的竞品架构当作自己技术路线的背书，是常见的叙事手法，但不应作为技术判断的依据。判断：真正可以评价的是这套机制的设计本身——「不确定性高的地方多算几轮」这个思路在推理成本可控的前提下是合理的，代价是推理时延变得不均匀，对实时控制场景需要额外设计超时兜底。

还有一个边界要说清楚：自适应循环推理解决的是长程任务链条中「单步内部感知推理质量」的提升，完整复杂长程具身任务依然依靠外部任务循环——接收环境新观测、更新全局任务状态。内部循环与外部任务循环是两层架构，后者不在模型能力范围内，需要上层系统实现。

判断：把「内部循环」讲成能解决长程任务是一种常见的误解。判断：模型维护的是当前步的表征质量，任务状态的跨步维护（刀具身份延续、抽屉是否已打开、物体是否已放入）需要外部系统显式管理。判断：对工程落地来说，这意味着即便模型能力再强，上层任务管理框架仍是必选项——这一层不会因为换了个更强的模型而消失。

落地

两类已验证场景，和一个未验证的问题

按湖北日报报道，该模型已在北京、佛山、青岛等多地具身智能训练场落地；发布方披露已完成两类端到端场景验证。科研方向：打通仿真数值计算与湿实验实体操作闭环，完成试管按序入架、滴管液体转移等任务。智能制造方向：可根据工单规划跨工位配送、机台上料等任务，也能直接输出设备控制指令。

一个具体的例子能说明模型在工程上的价值：试管按序入架任务要求先放初始画面右侧试管、再放左侧，而抓取和交接会改变物体在画面中的坐标。模型需要持续维护两支试管的实例身份记忆，并在观测到「一支在架内、一支在桌面」时判断任务尚未完成。这类「多样品操作下物体身份不丢失」的能力，是传统视觉方案最容易出错的地方。

科研自动化

仿真计算到湿实验闭环：试管按序入架、滴管液体转移，核心是实例身份持久跟踪

智能制造

工单文本到车间现场：跨工位配送、机台上料，核心是遮挡与相似件判别

未披露

长程任务的端到端成功率、连续运行时长、真实产线节拍下的表现

未披露的部分恰恰是最关键的。所有已验证场景都是「演示级闭环」——展示了模型能完成任务的完整链路，但没有给出成功率、节拍、连续运行时长这类工程指标。ERQA 48 和 RoboSpatial 56 这两个分数也从侧面说明，具身交互层仍有明显提升空间。

判断：对观望的团队，最务实的做法是把它当「高层规划大脑」而不是「端到端控制器」——发布方自己的定位也是如此：模型负责理解语义、识别环境、维护对象身份、拆解操作步骤，底层运动控制与设备安全逻辑由机器人或自动化硬件控制系统负责。判断：这个分工是对的，也说明当前阶段的空间理解模型离「接管机器人」还很远；把它放在规划层，是当前能力边界内的正确用法。

信源：紫东太初 / 武汉人工智能研究院 2026-09-15 开源发布，湖北日报 2026-09-15（news.hubeidaily.net/pc/c_5977379.html）、第一财经（东方财富网 2026-09-15 转载，finance.eastmoney.com/a/202609153874673433.html）、自媒体解读 2026-09-16 06:53。全部基准分数出自发布方口径，本文未独立复现评测，属单一信源。GPT-6 Astra 架构对标为发布方所称「业界猜测」，未获确认。长程任务成功率、连续运行时长等工程指标未披露。素材时间窗 2026-09-15 18:00 → 2026-09-16 09:00，按扩窗规则第 1 条收录，窗口内新增量为 9 月 16 日 06:53 起的深度解读与二次传播。核查时间 2026-09-16。