9月15日，由中科院自动化所与武汉人工智能研究院共同孵化的紫东太初，正式开源新一代面向物理世界的通用多模态大模型ZDTaichu5.0-9B。这个约90亿参数的模型，在九大国际权威空间理解基准中一举拿下8项同参数组第一——被业内称为“10B参数内空间具身能力最强的通用多模态大模型”。
为什么要给AI补“空间课”
机器人要抓一个杯子，得知道杯子在桌子的哪个位置、离自己多远、从哪个角度伸手不会碰倒其他东西；智能制造要让机械臂完成实验，得判断试管和烧杯的相对位置、液面高度。这些任务靠“聊天”是完不成的——它们考验的是模型对物理世界的理解深度。
ZDTaichu5.0-9B正是冲着这个难点来的：它支持单图、多图、长视频和任意分辨率画面输入，覆盖空间感知、三维推理、多视角变换、具身交互等九大权威基准。在复杂空间推演MindCube-tiny基准上拿到78.27分，比同档位的Qwen3.5-9B高出20.67分；在“寻找从左到右第二个银色盒子”这类任务中，能精准输出目标坐标，而同级别其他开源模型全部定位错误。
空间能力上去了，通用能力没掉队
行业此前的一大难点是：提升空间具身能力往往会牺牲通用能力。ZDTaichu5.0-9B通过内置自适应循环推理机制实现“看题下菜”——简单问题少算，遇到空间变换、物体关系判断等难题就在内部多轮推理，不依赖外部工具，也不会明显拉高token成本。实测其图文理解、OCR、视觉数学、代码Agent等能力仍保持第一梯队，甚至在多项空间基准上胜过闭源模型Gemini 3 Pro。
这次开源还不只放出权重：紫东太初同步公开了整套数据生产流程，企业、科研机构可以用自己的仿真、工业、实验数据继续训练。目前该模型已在科研自动化（试管按序入架、滴管液体转移）和智能制造（跨工位配送、设备控制指令输出）等真实场景跑通闭环，并在北京、佛山、青岛等多地具身智能训练场落地。
结语
从“看懂数字世界”到“理解并行动于物理世界”，国产多模态大模型正在跨越关键一步。一个9B的开源模型能在空间推理上与全球顶尖闭源模型同台竞技，也意味着具身智能的门槛正在被系统性拉低。
