ZDTaichu5.0-9B 運営中

ZDTaichu5.0-9Bは、紫東太初がオープンソースで公開する次世代の汎用マルチモーダル大規模モデルで、物理世界と具身知能のシーンを対象としています。9つの国際空間ベンチマークで、同規模モデルとして8項目で世界1位を獲得し、MindCube-tinyでは78.27点を記録して同規模モデルを大きく上回りました。画像・テキスト理解、OCR、数学、コードなどの汎用能力も第一級の水準を維持しています。モデルは適応型の反復推論に対応し、エントロピーゲート機構によって不確実なTokenに対して追加の反復計算を行います。すでに科学研究の実験や製造現場の実機タスクで検証されており、重みとトレーニング手法はすべて公開されています。

空間理解と推論：9つの国際空間ベンチマークで、同規模モデルとして8項目で世界1位を獲得。座標系変換や方位判断など、複雑な空間推論を得意とします。
汎用マルチモーダル能力：画像・テキスト理解、OCR、数学、コードの能力がバランスよく、AI2D、OCRBench、AIME2026などで第一級の成績を維持しています。
具身タスク計画：ロボットの「高次脳」として、環境の理解、物体の識別情報の記憶、タスク手順の分解を担います。
科学研究の実験支援：シミュレーション計算とウェットラボ実験を連携させ、Python/SciPyを自動的に呼び出して科学分析を行い、レポートを生成します。
製造現場での実行：部材の配送、機台への投入・取り出し、作業ステーションの整理などに対応し、密集した棚、遮蔽、前提条件といった実際の作業現場の問題を処理します。

WeChatでフォローして「開源」と返信すると、AIオープンソースプロジェクトの交流グループに参加できます。
適応型反復推論：モデルは各Tokenを生成する際、エントロピーゲート機構によって予測の不確実性を判断します。確率分布が分散しているほど、その位置で一部の層ブロック計算を反復実行し、内部表現を段階的に修正してから出力します。確実性の高い位置では直接出力するため、計算資源を「判断に迷う」箇所に正確に配分でき、外部ツールにも依存しません。
3つの安定化機構：反復計算による表現のドリフトを防ぐため、減衰更新によって各回の修正幅を制御し、元の表現を基準とします。KLダイバージェンスと隠れ状態残差による二重の停止条件で、反復が収束したかを判断します。中間状態も保持し、複数回の結果からリスクの低い表現を選択できるほか、必要に応じてロールバックできます。
段階的なデータカリキュラム：トレーニングは段階的に進めます。事前学習では画像・テキスト、ウェブページ、マルチビュー動画、3Dシミュレーションデータを基盤とし、重複除去と品質フィルタリングを行います。教師あり微調整では、実際の業務における質問応答、空間・具身知能の事例、Agentのツール呼び出し軌跡を投入し、サンプル内の画像、物体関係、操作制約の整合性を検証します。最後に長文推論サンプルでアニーリングを行い、GRPO強化学習と組み合わせ、回答の正確性、座標の命中、形式の適合性など自動検証可能な信号を報酬とします。
長期タスクの閉ループ：モデル内部の反復は1ステップの推論だけを解決し、タスクの進行は外部フィードバックに依存します。各ステップの実行後、新しい映像によって環境状態を確認し、「知覚—認知—行動—フィードバック」の連続的な閉ループを実現します。

重みの取得：HuggingfaceまたはGitHubからオープンソースの重みをダウンロードします。
ローカル展開：単一のコンシューマー向けまたはプロフェッショナル向けGPUでモデルを読み込みます（9Bパラメータで、必要なVRAMは比較的少量です）。
マルチモーダル対話：画像とテキスト指示を入力すると、方位判断、対象の座標、配置可能な位置などの空間推論結果を出力できます。
ロボットシステムへの接続：高次計画モジュールとして利用し、把持、ナビゲーションなどの低レベルロボット制御システムと接続します。
追加学習：重みとともに公開されているデータ生成・トレーニング手法を使い、自分のシーンデータで継続的に微調整します。

同規模で空間能力がトップ：9つの国際空間ベンチマークを制覇し、同規模の汎用モデル部門で8項目の世界1位を獲得。MindCube-tinyでは同規模モデルを15点以上上回っています。
汎用能力が低下しない：空間・具身知能能力で大きく飛躍しながら、画像・テキスト理解、OCR、数学、コードなどの汎用能力も第一級の水準を維持しています。
適応型反復推論：エントロピーゲート機構により、「判断に迷う」Tokenにだけ追加計算を行うため、推論精度が高く、平均コストも制御可能です。
実機で検証済み：科学研究の実験（試験管操作、ピペットによる移液）や製造現場（投入・取り出し、作業ステーションの整理）の実機タスクで動作検証済みです。
大規模モデルを上回る性能：複数の空間ベンチマークでGemini 3 Proを7%以上上回る一方、少ないパラメータで展開できるため、クローズドモデルより導入コストが大幅に低くなります。
完全オープンソースでカスタマイズ可能：重み、データ生成、トレーニング手法をすべて公開しており、開発者は独自データで継続的に微調整し、現場に適応させられます。

プロジェクト公式サイト：https://taichu-ai.github.io/ZDTaichu5.0-9B
GitHubリポジトリ：https://github.com/Taichu-AI/ZDTaichu5.0-9B
HuggingFaceモデルリポジトリ：https://huggingface.co/TaichuAI/ZDTaichu5.0-9B

製造現場：部材の配送、機台への投入・取り出しの検査、作業ステーションの整理に対応します。密集した棚から対象を識別し、把持位置を判断して、配置が正しいかを再確認します。
科学研究の実験自動化：自動実験プラットフォームの「高次オーケストレーション脳」として、試験管の順番配置やピペットによる液体移送など、多様なサンプル操作を実行しながら、サンプルの識別情報、空間位置、タスクの進捗を追跡します。
科学計算支援：自然言語による科学的な質問を受け取ると、Python/SciPyを自動的に呼び出して解析解と数値解を計算し、相互検証して分析レポートを生成します。シミュレーションとウェットラボ実験を連携させます。
ロボットの高次計画：具身知能の「脳」として、環境の理解、物体の記憶、手順の分解を担い、低レベルの把持・ナビゲーション制御システムと連携して長期タスクを完了します。
スマート倉庫・物流：「3列目の2番目の資材ボックスを取る」といった作業指示に対応し、属性の紐付け、空間的な並べ替え、対象の位置特定を実行します。遮蔽や対象が視野外へ移動するなど、実際の倉庫で発生する問題にも対応します。