ZDTaichu5.0-9B Đang hoạt động

ZDTaichu5.0-9B là mô hình đa phương thức tổng quát thế hệ mới do Zidong Taichu mã nguồn mở, hướng đến thế giới vật lý và các kịch bản trí tuệ hiện thân. Mô hình đứng đầu toàn cầu ở 8/9 bài đánh giá không gian quốc tế với cùng số tham số, đạt 78.27 điểm trên MindCube-tiny, vượt xa các mô hình cùng cấp; đồng thời duy trì năng lực thuộc nhóm dẫn đầu về hình ảnh-văn bản, OCR, toán học, mã nguồn và các năng lực tổng quát khác. Mô hình có thể suy luận vòng lặp thích ứng, sử dụng cơ chế cổng entropy để bổ sung tính toán vòng lặp cho các Token chưa chắc chắn. Mô hình đã được验证 trong các thí nghiệm khoa học và nhiệm vụ trên máy thực tế trong sản xuất công nghiệp; toàn bộ trọng số và phương án huấn luyện đều được công khai.

Hiểu và suy luận không gian: Đứng đầu toàn cầu ở 8/9 bài đánh giá không gian quốc tế với cùng số tham số, đặc biệt mạnh về suy luận không gian phức tạp như chuyển đổi hệ quy chiếu và xác định phương hướng.
Năng lực đa phương thức tổng quát: Năng lực hiểu hình ảnh-văn bản, OCR, toán học và mã nguồn cân bằng; kết quả trên AI2D, OCRBench, AIME2026 và các bài đánh giá khác duy trì ở nhóm dẫn đầu.
Lập kế hoạch nhiệm vụ hiện thân: Đóng vai trò là ”bộ não cấp cao” của robot, phụ trách hiểu môi trường, ghi nhớ danh tính đối tượng và phân rã các bước nhiệm vụ.
Hỗ trợ thí nghiệm khoa học: Kết nối tính toán mô phỏng với thí nghiệm thực, tự động gọi Python/SciPy để hoàn thành phân tích khoa học và tạo báo cáo.
Thực thi sản xuất công nghiệp: Bao phủ các tình huống như phân phối vật liệu, kiểm tra nạp/dỡ máy và sắp xếp trạm làm việc; xử lý các vấn đề thực tế tại trạm như kệ hàng dày đặc, vật thể bị che khuất và điều kiện tiên quyết.

Theo dõi WeChat và trả lời “开源” để tham gia nhóm trao đổi dự án AI mã nguồn mở
Suy luận vòng lặp thích ứng: Khi tạo từng Token, mô hình sử dụng cơ chế cổng entropy để đánh giá mức độ không chắc chắn của dự đoán. Phân phối xác suất càng phân tán, mô hình càng thực hiện tính toán vòng lặp các khối lớp một phần tại vị trí đó, sửa đổi biểu diễn nội tại qua từng vòng rồi mới xuất kết quả; tại các vị trí có độ chắc chắn cao, mô hình xuất trực tiếp, phân bổ năng lực tính toán chính xác vào những nơi ”chưa chắc chắn”, đồng thời không phụ thuộc vào công cụ bên ngoài.
Ba cơ chế ổn định: Để ngăn hiện tượng trôi biểu diễn do tính toán vòng lặp, mô hình bổ sung cơ chế kiểm soát cập nhật giảm chấn nhằm giới hạn mức độ hiệu chỉnh mỗi vòng, lấy biểu diễn ban đầu làm tham chiếu; sử dụng tiêu chí dừng kép gồm phân kỳ KL và phần dư trạng thái ẩn để xác định hội tụ; giữ lại các trạng thái trung gian, hỗ trợ chọn biểu diễn rủi ro thấp từ nhiều kết quả và quay lui khi cần thiết.
Khóa học dữ liệu tiến triển: Quá trình huấn luyện được triển khai theo từng giai đoạn. Giai đoạn tiền huấn luyện sử dụng dữ liệu hình ảnh-văn bản, trang web, video đa góc nhìn và mô phỏng 3D làm nền tảng, sau khi khử trùng lặp và lọc chất lượng; giai đoạn tinh chỉnh có giám sát cung cấp dữ liệu hỏi đáp nghiệp vụ thực tế, các trường hợp không gian hiện thân và quỹ đạo gọi công cụ Agent, đồng thời kiểm tra tính nhất quán giữa hình ảnh, quan hệ đối tượng và các ràng buộc thao tác trong mẫu; cuối cùng sử dụng các mẫu suy luận dài để ủ, kết hợp học tăng cường GRPO, lấy các tín hiệu có thể tự động kiểm tra như độ chính xác câu trả lời, độ khớp tọa độ và tính hợp lệ định dạng làm phần thưởng.
Vòng lặp khép kín cho nhiệm vụ dài hạn: Vòng lặp nội bộ của mô hình chỉ giải quyết suy luận từng bước; việc tiến hành nhiệm vụ dựa vào phản hồi bên ngoài. Sau mỗi bước thực thi, mô hình xác nhận trạng thái môi trường qua hình ảnh mới, tạo thành vòng lặp liên tục ”nhận thức—nhận biết—hành động—phản hồi”.

Lấy trọng số: Tải trọng số mã nguồn mở từ Huggingface hoặc GitHub.
Triển khai cục bộ: Nạp mô hình trên GPU đơn thuộc phân khúc phổ thông/chuyên nghiệp (9B tham số, yêu cầu VRAM tương đối thấp).
Tương tác đa phương thức: Nhập hình ảnh và chỉ dẫn văn bản, mô hình có thể xuất kết quả suy luận không gian như xác định phương hướng, tọa độ mục tiêu và vị trí có thể đặt.
Tích hợp vào hệ thống robot: Sử dụng mô hình làm mô-đun lập kế hoạch cấp cao, kết nối với các hệ thống điều khiển robot cấp thấp như gắp và điều hướng.
Huấn luyện tiếp: Sử dụng quy trình sản xuất dữ liệu và huấn luyện được công khai cùng trọng số, thay thế bằng dữ liệu tình huống của riêng bạn để tiếp tục tinh chỉnh.

Năng lực không gian đứng đầu cùng cấp: Vượt trội trong chín bài đánh giá không gian quốc tế, đứng đầu toàn cầu ở 8 nhóm tổng quát có cùng số tham số, MindCube-tiny vượt các mô hình cùng cấp hơn 15 điểm.
Năng lực tổng quát không suy giảm: Trong khi năng lực không gian hiện thân có bước đột phá vượt cấp, các năng lực tổng quát như hình ảnh-văn bản, OCR, toán học và mã nguồn vẫn ổn định ở nhóm dẫn đầu.
Suy luận vòng lặp thích ứng: Cơ chế cổng entropy giúp mô hình chỉ bổ sung tính toán cho các Token ”chưa chắc chắn”, tăng độ chính xác suy luận với chi phí trung bình có thể kiểm soát.
Đã được验证 trên máy thực tế: Đã hoàn thành các nhiệm vụ trên máy thực tế trong thí nghiệm khoa học (thao tác ống nghiệm, chuyển chất lỏng bằng ống nhỏ giọt) và sản xuất công nghiệp (nạp/dỡ máy, sắp xếp trạm làm việc).
Đối sánh vượt cấp với mô hình lớn: Kết quả trên nhiều bài đánh giá không gian dẫn trước Gemini 3 Pro hơn 7%, trong khi chi phí triển khai mô hình ít tham số thấp hơn nhiều so với các mô hình mã nguồn đóng.
Mã nguồn mở hoàn toàn và có thể tùy chỉnh: Trọng số, quy trình sản xuất dữ liệu và phương án huấn luyện đều được công khai, cho phép nhà phát triển liên tục tinh chỉnh bằng dữ liệu riêng để thích ứng với hiện trường của mình.

Trang web dự án: https://taichu-ai.github.io/ZDTaichu5.0-9B
Kho GitHub: https://github.com/Taichu-AI/ZDTaichu5.0-9B
Kho mô hình HuggingFace: https://huggingface.co/TaichuAI/ZDTaichu5.0-9B

Sản xuất công nghiệp: Phân phối vật liệu, kiểm tra nạp/dỡ máy và sắp xếp trạm làm việc; nhận diện mục tiêu từ kệ hàng dày đặc, xác định vị trí gắp và kiểm tra lại việc đặt có chính xác hay không.
Tự động hóa thí nghiệm khoa học: ”Bộ não điều phối cấp cao” của nền tảng thí nghiệm tự động, hoàn thành nhiều thao tác trên mẫu như đặt ống nghiệm theo thứ tự và chuyển chất lỏng bằng ống nhỏ giọt, đồng thời theo dõi danh tính mẫu, vị trí không gian và tiến độ nhiệm vụ.
Hỗ trợ tính toán khoa học: Sau khi nhận câu hỏi khoa học bằng ngôn ngữ tự nhiên, tự động gọi Python/SciPy để tính nghiệm giải tích và nghiệm số, kiểm tra chéo và tạo báo cáo phân tích, kết nối mô phỏng với thí nghiệm thực.
Lập kế hoạch cấp cao cho robot: Với vai trò là ”bộ não” của trí tuệ hiện thân, mô hình phụ trách hiểu môi trường, ghi nhớ đối tượng và phân rã các bước, phối hợp với hệ thống điều khiển gắp/điều hướng cấp thấp để hoàn thành nhiệm vụ dài hạn.
Kho vận thông minh: Xử lý các yêu cầu như ”lấy hộp vật liệu thứ hai ở hàng thứ ba”, hoàn thành liên kết thuộc tính, sắp xếp không gian và định vị mục tiêu, ứng phó với các vấn đề thực tế trong kho như vật thể bị che khuất hoặc ra khỏi tầm nhìn.