通用能力不打折，空间具身智能断层领先！ZDTaichu5.0-9B国产开源，跻身全球多模态第一梯队

量子位 | 公众号 QbitAI

来了！这一次， 国产多模态 在物理世界也夯起来了——

九大国际权威空间理解基准测试中， 八项断档第一 ，通用能力还能不打折。

紫东太初最新开源的通用多模态大模型 ZDTaichu5.0-9B ，直接把10B以下通用模型空间具身的天花板又往上顶了一大截。

这里可能就有朋友要问了，让多模态看懂真实世界，为啥值得单拎出来说？

过去的多模态模型，已经能把一张图片理解得头头是道，但一旦走进真实物理世界，空间理解与行动能力往往就跟不上；而一些模型为了补足空间能力，又不得不以牺牲通用能力为代价。

能同时跑通这两件事的模型寥寥无几，效果还突出的更是凤毛麟角。

紫东太初就是其中之一，ZDTaichu5.0-9B堪称 全能 。

眼见为实，咱们直接上效果。

这是一段由 ZDTaichu5.0-9B 控制的美工刀具身收纳演示。

如果让人来做，应当是个非常简单的过程： 拉开抽屉→放进去→再关闭 。但具身不一样，一连串的动作背后都是相当细致的空间判断。

刀柄在哪里？抽屉状态如何？夹爪有没有对准？

每一步都要承接住上一步带来的变化，动作才能看起来顺，这对模型能力的考验是极为苛刻的，而ZDTaichu5.0-9B已经能完成 复杂的空间理解和高层任务规划 。

与此同时，对于这个只有9B大小的模型，其图文理解、文字识别、数学推理和代码能力也依旧稳居 第一梯队 。

通用能力不降级，空间具身能力向上突破。

很好奇，究竟是如何做到的？

在回答这个问题之前，咱们不妨再多看几个效果感受感受。

先来几道空间具身题目尝个鲜。

第一道题 「找东西」 ：从左至右，找到第二个银色盒子。

这个 空间感知任务 对于机器人来说，是后续执行任务的大前提。指错了，后面的抓取动作再准确，执行的也是另一个任务。

△实测由紫东太初完成

画面中，台面挤满杯子、收纳容器和各种杂物，干扰项较多。模型得同时读懂银色这个关键属性、盒子这个对象，以及从左到右第二个这层空间排列关系。

从对比演示中看，ZDTaichu5.0-9B给出的 归一化坐标 （237,226）最为精准，落在目标标注区域内。

接下来难度升级，不仅要找得对，也要看得准。

这是道考验复杂空间推理的 「看位置」 题。

输入的是同一房间的三个视角。模型需要设想自己移动到绿框窗帘所在的位置，面向蓝框沙发，再判断红框柜子相对自己的方位。

其中模型得把不同画面中的对象一一对应起来，再根据新的观察位置和朝向转换参照系。

ZDTaichu5.0-9B给出了右前方， 预测完全正确 。

再往前一步，空间判断还得回答哪里具备操作条件，给予机器人接下来的操作以方便。

比如这道 「找空位」 ，要求在最右侧杯子的杯柄方向上，找一块空闲区域。

认出杯子只是开始，随后还要确定杯柄朝向，检查旁边是否被其他物体占用。

结果也不出所料，ZDTaichu5.0-9B依旧稳稳 落入正确区域 。

当我们把三个例子放在一起看，它们分别对应目标选择、参照系转换和交互条件判断，都在机器人执行真实物理任务中扮演关键要素。

换言之，这些基础能力都决定着 具身能否从一句任务指令到真正可执行 。

再来看 完整成绩单 ，模型优势就更加清晰了。

在所列的10B档位开闭源模型中，ZDTaichu5.0-9B几乎是 断层领先 。

比如差距较大的MindCube-tiny，ZDTaichu5.0-9B的得分是78.27分，Gemma4 8B-E4B、Gemini 3 Pro和Grok 4分别是48.8462、70.87和63.56。

整个榜单把 空间感知、三维推理、多视角变换、具身交互 都囊括在内了，可谓是面面俱到，足见ZDTaichu5.0-9B已彻底看懂物理场景该怎么操作。