Câu trả lờiĐã xuất bản11 nguồn
ZDTaichu5.0-9B: Mô hình đa phương thức mở 9B dành cho suy luận không gian
ZDTaichu5.0 9B kết hợp bộ giải mã ngôn ngữ Qwen3.5 9B khoảng 9 tỷ tham số với bộ mã hóa thị giác C RADIOv4 H. Mô hình nhận văn bản, một hay nhiều ảnh và video ở độ phân giải bất kỳ, với cửa sổ ngữ cảnh tối đa 128K token.
Đăng bởiBiên tập bằng GPT-5.6 TerraHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- ZDTaichu5.0 9B kết hợp bộ giải mã ngôn ngữ Qwen3.5 9B khoảng 9 tỷ tham số với bộ mã hóa thị giác C RADIOv4 H.
- Mô hình nhận văn bản, một hay nhiều ảnh và video ở độ phân giải bất kỳ, với cửa sổ ngữ cảnh tối đa 128K token.
- Cơ chế Entropy Gated Adaptive Recurrent Reasoning phân bổ thêm tính toán cho những token có độ bất định cao.
- Các điểm benchmark do TaichuAI công bố là tín hiệu đáng chú ý, nhưng vẫn cần được tái lập độc lập trước khi xem là kết luận so sánh chắc chắn.
Prompt AI
openai.comCreate a landscape editorial hero image for this Studio Global article: What is TaichuAI’s open-sourced ZDTaichu5.0-9B multimodal model, including its approximately 9-billion-parameter Qwen3.5-9B and C-RADIOv4-H. Article summary: ZDTaichu5.0-9B is TaichuAI’s open multimodal vision-language model for general visual understanding, spatial/embodied reasoning, and agentic tool-use research. It combines a roughly 9B-parameter Qwen3.5-9B language decod. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
ZDTaichu5.0-9B là mô hình nền tảng đa phương thức mã mở của TaichuAI, được định vị cho hiểu thị giác tổng quát, suy luận không gian, sử dụng công cụ theo kiểu tác tử và nghiên cứu AI hiện thân (embodied AI). Điểm nhấn của mô hình không chỉ là mô tả ảnh, mà là xử lý những bài toán phải đối chiếu nhiều góc nhìn, suy ra quan hệ giữa vật thể, tổng hợp bằng chứng từ nhiều ảnh hoặc theo dõi thông tin trong video dài. 2
Kiến trúc và loại dữ liệu đầu vào
Mô hình ghép bộ giải mã ngôn ngữ Qwen3.5-9B có quy mô xấp xỉ 9 tỷ tham số với bộ mã hóa thị giác C-RADIOv4-H. ZDTaichu5.0-9B nhận văn bản, ảnh đơn, nhiều ảnh và video; theo tài liệu phát hành, phần thị giác hỗ trợ đầu vào ở độ phân giải bất kỳ và cửa sổ ngữ cảnh lên đến 128K token. 2
Phạm vi này khiến nó phù hợp với nhiều việc hơn là tạo chú thích ảnh. Model card nêu các tác vụ như đọc tài liệu, biểu đồ và sơ đồ; OCR; hỏi đáp thị giác; toán thị giác; cũng như diễn giải cảnh tổng quát. 2
Mô hình được thiết kế để hiểu gì?
TaichuAI nhấn mạnh các tình huống không gian và AI hiện thân vốn thường khó với mô hình thị giác-ngôn ngữ phổ dụng:
- Suy luận không gian 2D và 3D: quan hệ vật thể, cấu trúc cảnh.
- Thay đổi góc nhìn và biến đổi trong tưởng tượng: hệ quy chiếu thay đổi nhưng mô hình vẫn phải xác định đúng phương hướng hay vị trí tương đối.
- Liên kết đa góc nhìn và so sánh chéo giữa các góc nhìn.
- Hiểu video và nhiều ảnh: theo dõi sự kiện, truy hồi chi tiết trong đoạn phim dài.
- Khái niệm AI hiện thân: nhận thức không gian, khả năng hành động của vật thể, hiểu thao tác và lập kế hoạch hành động cấp cao.
2
Mô hình cũng hỗ trợ tương tác định hướng tác tử. Tuy nhiên, điều này không đồng nghĩa nó tự thực thi hành động ngoài đời thực hay trên hệ thống: mô hình có thể lập kế hoạch gọi công cụ và tham gia luồng nhiều bước hoặc nhiều lượt, còn ứng dụng chủ quản vẫn phải chịu trách nhiệm thực thi, kiểm tra và bảo vệ các công cụ đó. 2
“Suy luận hồi quy thích ứng có cổng entropy” là gì?
Điểm kỹ thuật trung tâm mà TaichuAI đưa ra là Entropy-Gated Adaptive Recurrent Reasoning. Thay vì áp dụng một lượng tính toán suy luận bổ sung như nhau cho mọi token đầu ra, hệ thống dùng mức độ bất định để quyết định token nào cần được tinh chỉnh thêm trong không gian ẩn. 2
Có thể hiểu đơn giản: với bước dự đoán rõ ràng, mô hình đi tiếp theo quy trình bình thường; với bước khó hoặc thiếu chắc chắn, mô hình có thể dành thêm vòng tinh chỉnh nội bộ. Mục tiêu là tăng chiều sâu tính toán hiệu dụng ở những điểm khó, nhưng không tăng đồng loạt chi phí trên toàn bộ câu trả lời. 2
Cách làm này đặc biệt đáng chú ý với suy luận không gian. Chỉ một quan hệ mơ hồ — chẳng hạn vị trí tương đối của hai vật sau khi đổi góc máy — cũng có thể khiến kết luận cuối cùng sai hoàn toàn.
Các điểm benchmark được công bố
TaichuAI báo cáo các kết quả sau trong tài liệu mô hình:
| Nhóm đánh giá | Benchmark | Điểm công bố |
|---|---|---|
| Không gian / AI hiện thân | ViewSpatial | 62,50 |
| Không gian / AI hiện thân | MMSI-Bench | 47,20 |
| Không gian / AI hiện thân | MindCube-tiny | 78,27 |
| Không gian / AI hiện thân | ERQA | 48,00 |
| Không gian / AI hiện thân | RoboSpatial | 56,00 |
| Tác tử / tuân thủ chỉ dẫn | TAU2-Bench | 87,70 |
| Tác tử / tuân thủ chỉ dẫn | Claw-Eval | 71,40 |
| Tác tử / tuân thủ chỉ dẫn | IFEval | 93,70 |
Dự án định vị ZDTaichu5.0-9B là mô hình dẫn đầu về suy luận không gian và hiểu biết hiện thân trong nhóm các VLM đa dụng quy mô khoảng 10B được đem ra so sánh, đồng thời vẫn giữ năng lực thị giác tổng quát mạnh. 2
Dù vậy, đây không phải bảng xếp hạng mang tính phổ quát. Các so sánh phụ thuộc vào phiên bản mô hình, prompt, tiền xử lý, thiết lập giải mã và quy trình đánh giá do bên phát hành lựa chọn. Cần có các lần tái lập độc lập, công khai đầy đủ các chi tiết này, trước khi xem kết quả là bằng chứng so sánh đã được xác lập. 2
Phát hành, giấy phép và triển khai
ZDTaichu5.0-9B hiện có trên kho Hugging Face của TaichuAI. Bản phát hành xác định đây là mô hình dựa trên mã tùy biến, đồng thời liên kết tới tài liệu về suy luận hồi quy và triển khai. 2
Theo thông tin đi kèm, tài liệu mô hình phát hành theo NVIDIA Open Model License, còn các thành phần Qwen3.5 có thông báo giấy phép Apache-2.0. Nhóm muốn phân phối lại hoặc sử dụng thương mại nên đọc trực tiếp các tệp giấy phép và thông báo mới nhất trong kho trước khi triển khai. 2
Về phục vụ mô hình, TaichuAI có hướng dẫn cho vLLM 0.26.0 tùy biến và Docker, bao gồm các cấu hình lấy mẫu riêng cho tác vụ định vị không gian và tác vụ tổng quát. 2
Kết luận
ZDTaichu5.0-9B là một lựa chọn mã mở đáng chú ý ở quy mô khoảng 9B tham số cho các nhóm cần suy luận xuyên qua ảnh, góc nhìn, cảnh và video — thay vì chỉ nhận diện nội dung nhìn thấy. Ngữ cảnh 128K, đầu vào thị giác độ phân giải bất kỳ và cơ chế suy luận hồi quy thích ứng là những đặc điểm phù hợp cho nghiên cứu VLM không gian, AI hiện thân và luồng tác tử được ứng dụng chủ quản quản lý. 2
Các số liệu công bố, nhất là ở benchmark không gian, cho thấy tiềm năng rõ rệt. Nhưng chúng vẫn là kết quả do nhà phát hành báo cáo và cần được bên thứ ba tái lập trong điều kiện minh bạch để xác nhận hiệu năng so sánh. 2
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "ZDTaichu5.0-9B: Mô hình đa phương thức mở 9B dành cho suy luận không gian" là gì?
ZDTaichu5.0 9B kết hợp bộ giải mã ngôn ngữ Qwen3.5 9B khoảng 9 tỷ tham số với bộ mã hóa thị giác C RADIOv4 H.
Những điểm chính cần xác nhận đầu tiên là gì?
ZDTaichu5.0 9B kết hợp bộ giải mã ngôn ngữ Qwen3.5 9B khoảng 9 tỷ tham số với bộ mã hóa thị giác C RADIOv4 H. Mô hình nhận văn bản, một hay nhiều ảnh và video ở độ phân giải bất kỳ, với cửa sổ ngữ cảnh tối đa 128K token.
Tôi nên làm gì tiếp theo trong thực tế?
Cơ chế Entropy Gated Adaptive Recurrent Reasoning phân bổ thêm tính toán cho những token có độ bất định cao.
Nguồn
zerohour.dayQwen3.5-9B (Product): news timeline & CVEs · ZeroHour
ai-all.infoZDTaichu5.0-9B – A New Generation Open-Source General-Purpose Multimodal Large Model from Taichu-AI - AI Tools Directory
timeline.sohu.com刚刚，中国队9B「全能王」开源登场！横扫8项全球通用第一
sohu.com紫东太初开源ZDTaichu5.0-9B：10B 参数内空间具身能力最 ...