ZDTaichu5.0-9B 운영 중

ZDTaichu5.0-9B는 자둥타이추가 오픈소스로 공개한 차세대 범용 멀티모달 대규모 모델로, 물리적 세계와 체화 지능 시나리오를 대상으로 합니다. 모델은 9개 국제 공간 벤치마크에서 동일 파라미터 기준 8개 부문 세계 1위를 차지했으며, MindCube-tiny에서 78.27점을 기록해 동급 모델을 크게 앞섰습니다. 또한 이미지·텍스트 이해, OCR, 수학, 코드 등 범용 능력도 최상위권을 유지합니다. 모델은 적응형 순환 추론이 가능하며, 엔트로피 게이팅 메커니즘을 통해 불확실한 Token에 순환 계산을 추가합니다. 모델은 과학 연구 실험과 산업 제조 현장의 실제 기기 작업에서 검증을 완료했으며, 가중치와 학습 방안을 모두 공개합니다.

공간 이해 및 추론: 9개 국제 공간 벤치마크에서 동일 파라미터 기준 8개 부문 세계 1위를 차지했으며, 기준 좌표계 변환과 방향 판단 등 복잡한 공간 추론에 강합니다.
범용 멀티모달 능력: 이미지·텍스트 이해, OCR, 수학, 코드 능력이 균형을 이루며, AI2D, OCRBench, AIME2026 등의 성적도 최상위권을 유지합니다.
체화 작업 계획: 로봇의 ‘고수준 두뇌’로서 환경을 이해하고 객체의 정체성을 기억하며 작업 단계를 분해합니다.
과학 연구 실험 지원: 시뮬레이션 계산과 습식 실험을 연결하고, Python/SciPy를 자동으로 호출해 과학적 분석을 수행하고 보고서를 생성합니다.
산업 제조 실행: 자재 준비 및 배송, 기계 상·하차, 작업대 정리 등의 시나리오를 지원하며, 밀집 선반, 가림, 선행 조건 등 실제 작업 현장의 문제를 처리합니다.

WeChat에서 팔로우한 후 “오픈소스”라고 답장해 AI 오픈소스 프로젝트 교류 그룹에 참여하세요.
적응형 순환 추론: 모델은 각 Token을 생성할 때 엔트로피 게이팅 메커니즘으로 예측의 불확실성을 판단합니다. 확률 분포가 분산될수록 해당 위치에서 일부 계층 블록 계산을 순환 실행하고, 매 라운드 내부 표현을 수정한 후 출력합니다. 확실성이 높은 위치에서는 바로 출력하여, 확신이 서지 않는 부분에만 연산 능력을 집중하며 외부 도구에 의존하지 않습니다.
세 가지 안정화 메커니즘: 순환 계산으로 인한 표현 이동을 방지하기 위해 감쇠 업데이트를 적용해 각 라운드의 수정 폭을 제어하고 원래 표현을 기준으로 삼습니다. KL 발산과 은닉 상태 잔차를 함께 사용하는 중지 판정으로 반복 수렴 여부를 판단합니다. 중간 상태를 보존해 여러 라운드의 결과에서 위험이 낮은 표현을 선택하고, 필요할 경우 롤백할 수 있습니다.
점진적 데이터 커리큘럼: 학습은 단계적으로 진행됩니다. 사전 학습에서는 이미지·텍스트, 웹페이지, 다중 시점 동영상과 3차원 시뮬레이션 데이터로 기반을 다지고 중복 제거와 품질 필터링을 수행합니다. 지도 미세 조정 단계에서는 실제 업무 질의응답, 공간 체화 사례와 Agent 도구 호출 궤적을 투입하고, 샘플 내 이미지, 객체 관계 및 조작 제약의 일관성을 검증합니다. 마지막으로 긴 추론 샘플을 어닐링하고 GRPO 강화 학습을 적용하여, 답변 정확성, 좌표 적중, 형식 준수 등 자동 검증 가능한 신호를 보상으로 사용합니다.
장기 작업 폐루프: 모델 내부의 순환은 단일 단계 추론만 해결하고, 작업 진행은 외부 피드백에 의존합니다. 각 단계를 실행한 후 새로운 화면을 통해 환경 상태를 확인하여 ‘인지—이해—행동—피드백’의 연속적인 폐루프를 구현합니다.

가중치 받기: Huggingface 또는 GitHub에서 오픈소스 가중치를 다운로드합니다.
로컬 배포: 단일 소비자급/전문가급 GPU에서 모델을 로드합니다(9B 파라미터, 상대적으로 낮은 VRAM 요구량).
멀티모달 상호작용: 이미지와 텍스트 지시를 입력하면 방향 판단, 목표 좌표, 배치 가능한 위치 등 공간 추론 결과를 출력할 수 있습니다.
로봇 시스템 연동: 고수준 계획 모듈로 활용하여 저수준 파지, 내비게이션 등 로봇 제어 시스템과 연결합니다.
추가 학습: 가중치와 함께 공개된 데이터 생성 및 학습 방안을 활용해 자체 시나리오 데이터로 계속 미세 조정합니다.

동급 최고의 공간 능력: 9개 국제 공간 벤치마크를 석권하고, 동일 파라미터 범용 그룹에서 8개 부문 세계 1위를 차지했으며, MindCube-tiny에서 동급 모델보다 15점 이상 앞섰습니다.
감소하지 않는 범용 능력: 공간 체화 능력이 한 단계 도약하는 동시에 이미지·텍스트 이해, OCR, 수학, 코드 등 범용 능력도 여전히 최상위권을 유지합니다.
적응형 순환 추론: 엔트로피 게이팅 메커니즘으로 확신이 서지 않는 Token에만 추가 계산을 수행하여 더 정확한 추론과 제어 가능한 평균 비용을 실현합니다.
실제 기기 검증 완료: 과학 연구 실험(시험관 조작, 스포이드 이송)과 산업 제조(상·하차, 작업대 정리)의 실제 기기 작업에서 검증되었습니다.
대규모 모델을 능가하는 성능: 여러 공간 벤치마크에서 Gemini 3 Pro보다 7% 이상 앞섰으며, 소형 파라미터 모델의 배포 비용은 폐쇄형 대규모 모델보다 훨씬 낮습니다.
완전한 오픈소스 및 맞춤화: 가중치, 데이터 생성 및 학습 방안을 모두 공개하여 개발자가 자체 데이터로 지속적인 미세 조정을 수행하고 현장에 맞게 적용할 수 있습니다.

프로젝트 공식 웹사이트：https://taichu-ai.github.io/ZDTaichu5.0-9B
GitHub 저장소：https://github.com/Taichu-AI/ZDTaichu5.0-9B
HuggingFace 모델 저장소：https://huggingface.co/TaichuAI/ZDTaichu5.0-9B

산업 제조: 자재 준비 및 배송, 기계 상·하차 검사, 작업대 정리 등을 수행하며, 밀집 선반에서 목표를 식별하고 파지 위치를 판단한 후 배치가 올바른지 다시 확인합니다.
과학 연구 실험 자동화: 자동화 실험 플랫폼의 ‘고수준 오케스트레이션 두뇌’로서 시험관을 순서대로 배치하고 스포이드로 액체를 이송하는 등 다양한 샘플 작업을 수행하며, 샘플의 정체성, 공간 위치와 작업 진행 상황을 추적합니다.
과학 계산 지원: 자연어로 과학 문제를 입력받아 Python/SciPy를 자동 호출하고 해석해와 수치해를 계산한 뒤 교차 검증 및 분석 보고서 생성을 수행하여 시뮬레이션과 습식 실험을 연결합니다.
로봇 고수준 계획: 체화 지능의 ‘두뇌’로서 환경을 이해하고 객체를 기억하며 단계를 분해하고, 저수준 파지/내비게이션 제어 시스템과 협력해 장기 작업을 완수합니다.
스마트 창고 물류: “세 번째 줄의 두 번째 자재 상자를 가져와”와 같은 작업 지시를 처리하고, 속성 연결, 공간 정렬 및 목표 위치 파악을 수행하며, 가림이나 목표가 시야 밖으로 이동하는 등 실제 창고의 문제에 대응합니다.