ZDTaichu5.0-9B Faoliyat yuritmoqda

ZDTaichu5.0-9B — Zidotaychu tomonidan ochiq manba sifatida taqdim etilgan, fizik dunyo va mujassamlangan intellektariy sahnalarga mo‘ljallangan yangi avlod universal multimodal katta modeli. Model to‘qqizta xalqaro fazoviy benchmarkning 8 tasida bir xil parametrlar toifasida jahonda birinchi o‘rinni egalladi, MindCube-tiny’da 78.27 ball to‘plab, shu darajadagi modellardan ancha ilgariladi; tasvir-matn, OCR, matematika va kodlash kabi universal qobiliyatlari ham yetakchi darajada saqlanib qoldi. Model moslashuvchan siklik mulohaza yurita oladi: entropiya darvozasi mexanizmi orqali noaniq Tokenlar uchun qo‘shimcha siklik hisoblashni amalga oshiradi. Model ilmiy tadqiqot tajribalari va sanoat ishlab chiqarishidagi haqiqiy qurilma vazifalarida sinovdan o‘tgan, og‘irliklar va o‘qitish rejasi to‘liq ochiq.

Fazoviy tushunish va xulosa chiqarish: to‘qqizta xalqaro fazoviy benchmarkning 8 tasida bir xil parametrlar toifasida jahonda birinchi o‘rinni egallagan; koordinata tizimini almashtirish, yo‘nalishni aniqlash kabi murakkab fazoviy mulohazalarda kuchli.
Universal multimodal qobiliyatlar: tasvir-matnni tushunish, OCR, matematika va kodlash qobiliyatlari muvozanatli; AI2D, OCRBench, AIME2026 va boshqa natijalar yetakchi darajada.
Mujassamlangan vazifalarni rejalashtirish: robotning “yuqori darajadagi miyasi” sifatida muhitni tushunadi, obyektlar identifikatorlarini eslab qoladi va vazifa bosqichlarini ajratadi.
Ilmiy tajribalarga ko‘mak: simulyatsion hisoblash va nam tajribalarni birlashtiradi, ilmiy tahlilni bajarish va hisobot yaratish uchun Python/SciPy’ni avtomatik chaqiradi.
Sanoat ishlab chiqarishini bajarish: materiallarni tayyorlash va yetkazish, uskunaga yuklash-tushirish, ish joyini tartibga keltirish kabi jarayonlarni qamrab oladi; zich javonlar, to‘sqinliklar, oldindan bajarilishi kerak bo‘lgan shartlar kabi haqiqiy ish joyi muammolarini hal qiladi.

WeChat’da kuzatib boring va “开源” deb javob yuboring, AI ochiq manba loyihalari guruhiga qo‘shiling
Moslashuvchan siklik mulohaza: model har bir Token’ni yaratishda entropiya darvozasi mexanizmi orqali bashorat noaniqligini baholaydi. Ehtimollik taqsimoti qanchalik tarqoq bo‘lsa, shu pozitsiyada ayrim qatlam bloklari hisoblashini siklik ravishda bajaradi, ichki tasvirni har bir turda tuzatib, so‘ng natijani chiqaradi; aniqlik yuqori bo‘lgan pozitsiyalarda esa darhol javob beradi. Shu tariqa hisoblash quvvati aynan “ishonch yetarli bo‘lmagan” joylarga sarflanadi va tashqi vositalarga bog‘liq bo‘lmaydi.
Uchta barqarorlik mexanizmi: siklik hisoblash natijasida tasvirning siljib ketishining oldini olish uchun har bir tuzatish hajmini boshqaruvchi amortizatsiyalangan yangilash kiritiladi va dastlabki tasvir mezon sifatida olinadi; iteratsiya yaqinlashganini aniqlash uchun KL-divergensiya va yashirin holat qoldig‘iga asoslangan ikki tomonlama to‘xtash mezoni qo‘llanadi; oraliq holatlar saqlanib, bir necha tur natijalaridan xavfi past tasvirni tanlash va zarur bo‘lganda ortga qaytish imkoniyati beriladi.
Bosqichma-bosqich ma’lumotlar kursi: o‘qitish bosqichma-bosqich olib boriladi. Oldindan o‘qitishda tasvir-matn, veb-sahifalar, ko‘p nuqtai nazarli videolar va uch o‘lchamli simulyatsiya ma’lumotlari asos bo‘ladi, ular dublikatlardan tozalanadi va sifat bo‘yicha filtrlanadi; nazoratli nozik sozlash bosqichida haqiqiy biznes savol-javoblari, fazoviy mujassamlangan holatlar va Agent vositalarini chaqirish trayektoriyalari beriladi, shuningdek namunalar ichidagi tasvirlar, obyektlar munosabatlari va operatsion cheklovlar izchilligi tekshiriladi; yakunda uzoq mulohaza namunalaridan foydalanib annealing amalga oshiriladi va GRPO mustahkamlovchi o‘qitishi bilan birga javobning to‘g‘riligi, koordinataning mos kelishi, formatga muvofiqlik kabi avtomatik tekshiriladigan signallar mukofot sifatida olinadi.
Uzoq muddatli vazifalar sikli: model ichidagi sikl faqat bir bosqichli mulohazani hal qiladi, vazifaning ilgarilashi esa tashqi fikr-mulohazaga tayanadi. Har bir qadam bajarilgach, yangi tasvir orqali muhit holati tasdiqlanadi va “idrok — anglash — harakat — fikr-mulohaza” uzluksiz sikli amalga oshiriladi.

Og‘irliklarni olish: ochiq manba og‘irliklarini Huggingface yoki GitHub’dan yuklab oling.
Mahalliy joylashtirish: modelni bitta iste’molchi yoki professional darajadagi GPU’da yuklang (9B parametr, video xotiraga nisbatan talab past).
Multimodal muloqot: tasvir va matnli ko‘rsatma kiriting, model yo‘nalishni aniqlash, nishon koordinatalari, joylashtirish mumkin bo‘lgan nuqtalar kabi fazoviy mulohaza natijalarini chiqara oladi.
Robot tizimiga ulash: uni yuqori darajadagi rejalashtirish moduli sifatida ishlatib, quyi darajadagi ushlash, navigatsiya va boshqa robot boshqaruv tizimlari bilan ulang.
Qayta o‘qitish: og‘irliklar bilan birga taqdim etilgan ma’lumot ishlab chiqarish va o‘qitish rejasidan foydalanib, o‘z sahna ma’lumotlaringizda qo‘shimcha nozik sozlashni amalga oshiring.

Fazoviy qobiliyat bo‘yicha o‘z toifasida birinchi: to‘qqizta xalqaro fazoviy benchmarkda yuqori natija ko‘rsatib, bir xil parametrli universal guruhda 8 ta jahon birinchiligini qo‘lga kiritdi; MindCube-tiny’da shu darajadagi modellardan 15 balldan ko‘proq ilgariladi.
Universal qobiliyatlar pasaymaydi: fazoviy mujassamlangan qobiliyatlar bo‘yicha katta yutuqqa erishgan holda, tasvir-matn, OCR, matematika va kodlash kabi universal qobiliyatlar ham yetakchi darajada qoladi.
Moslashuvchan siklik mulohaza: entropiya darvozasi mexanizmi modelni faqat “ishonchi past” Tokenlar uchun qo‘shimcha hisoblashga yo‘naltiradi, natijada mulohaza aniqroq, o‘rtacha xarajat esa boshqariladigan bo‘ladi.
Haqiqiy qurilmalarda sinovdan o‘tgan: ilmiy tajribalar (probirkalar bilan ishlash, tomizgich yordamida ko‘chirish) va sanoat ishlab chiqarishidagi (yuklash-tushirish, ish joyini tartibga keltirish) haqiqiy qurilma vazifalarida ishlashi tasdiqlangan.
Katta modellar bilan tenglasha oladi: bir nechta fazoviy benchmarklarda Gemini 3 Pro’dan 7% dan ko‘proq ilgarilaydi, kichik parametrli joylashtirish xarajati esa yopiq manbali katta modellarnikidan ancha past.
To‘liq ochiq va moslashtiriladigan: og‘irliklar, ma’lumot ishlab chiqarish va o‘qitish rejasi to‘liq ochiq, ishlab chiquvchilar o‘z ma’lumotlaridan foydalanib, modelni o‘z ish sharoitlariga moslashtirish uchun uzluksiz nozik sozlashi mumkin.

Loyiha rasmiy sayti: https://taichu-ai.github.io/ZDTaichu5.0-9B
GitHub ombori: https://github.com/Taichu-AI/ZDTaichu5.0-9B
HuggingFace model ombori: https://huggingface.co/TaichuAI/ZDTaichu5.0-9B

Sanoat ishlab chiqarishi: materiallarni tayyorlash va yetkazish, uskunaga yuklash-tushirishni tekshirish, ish joyini tartibga keltirish; zich javonlardan nishonni aniqlash, ushlash joyini belgilash va joylashtirish to‘g‘riligini qayta tekshirish.
Ilmiy tajribalarni avtomatlashtirish: avtomatlashtirilgan tajriba platformasining “yuqori darajadagi boshqaruv miyasi” sifatida probirkalarni belgilangan tartibda joylashtirish, tomizgich orqali suyuqlik ko‘chirish kabi turli namunali operatsiyalarni bajaradi, shu bilan birga namuna identifikatori, fazoviy joylashuvi va vazifa jarayonini kuzatadi.
Ilmiy hisoblashga ko‘mak: tabiiy tildagi ilmiy savolni qabul qilib, aniq va sonli yechimlarni hisoblash uchun Python/SciPy’ni avtomatik chaqiradi, natijalarni o‘zaro tekshiradi va tahliliy hisobot yaratadi; simulyatsiya va nam tajribani birlashtiradi.
Robotlarning yuqori darajadagi rejalashtirishi: mujassamlangan intellektning “miyasi” sifatida muhitni tushunadi, obyektlarni eslab qoladi va bosqichlarni ajratadi; quyi darajadagi ushlash va navigatsiya boshqaruv tizimlari bilan hamkorlikda uzoq muddatli vazifalarni bajaradi.
Intellektual ombor va logistika: “uchinchi qatorning ikkinchi material qutisini ol” kabi topshiriqlarni bajaradi, atributlarni bog‘laydi, fazoviy tartiblaydi va nishonni aniqlaydi; to‘sqinlik, nishonning ko‘rish maydonidan chiqib ketishi kabi haqiqiy ombor muammolarini hal qiladi.