紫东太初（中科院自动化所&武汉人工智能研究院）

📌 工具简介

紫东太初是中国科学院自动化研究所与武汉人工智能研究院联合研发的全模态大模型体系，2021年发布全球首个千亿参数图文音三模态大模型，此后已完成多次迭代。当前核心能力由两条线构成：面向数字内容与复杂推理的紫东太初4.0，以及2026年9月开源的ZDTaichu5.0-9B——后者定位为“面向物理世界的通用多模态大模型”，推动AI从“看懂图文”走向“理解空间、规划行动、持续完成任务”。4.0版本具备“边看、边识、边思”的主动认知能力，支持细粒度多模态语义思考和多模态智能体交互；5.0-9B则以约90亿参数在空间理解与具身推理上做到同规模领先，九项国际空间基准中拿下八项同组别第一，并同步开源了整套空间多模态数据生产管线。紫东太初支持文本、图像、语音、视频、3D点云和信号等多种模态的输入与生成，网页端注册审核后可免费体验，API按量后付费，同时提供面向开发者的Coding Plan订阅。

⚡ 主要功能

• 全模态对话与生成：支持图文问答、OCR问答、视觉定位、音乐理解、AI作画、文本指令作曲，以及基于点云数据的3D场景理解和雷达信号鉴别与知识交互
• 多模态深度推理（4.0）：具备“边看、边识、边思”的主动认知能力，可实现细粒度多模态语义思考，对图像进行平移、放大、旋转、定位和重建等操作，从被动分析转向主动推理
• 长视频理解：4.0版本支持180分钟长视频的片段定位、内容总结与秒级精准作答，长视频推理问答能力在多项数据集上表现突出
• 空间感知与具身推理（5.0-9B）：构建“识别物体位置—推演三维空间关系—判断操作条件—输出行动决策”的四层思考链条，理解远近、方位和遮挡关系，在杂乱桌面定位、视角变换和空闲区域判断中输出可直接供机器人使用的点位
• 具身任务规划与机器人落地：在科研自动化场景中可自主调用计算工具求解、交叉校验算法结果并生成报告；在工厂场景中读懂文字工单，自主规划取件、避障和放置的完整动作流程
• 空间多模态数据生产管线开源：5.0-9B随模型一并公开完整可复用的数据生产方案，涵盖原始素材清洗、样本筛选、标签制作、模型微调和强化学习优化，机构和企业可直接复用训练自有场景模型
• 检索增强与溯源：专属知识库和联网搜索缓解幻觉，答案支持多模态内容精准溯源，复杂查询可自动拆解与改写
• 多模态智能体与工具调用：支持多步任务拆解、跨模态信息协同和高效工具调用，在多模态复杂任务中实现图文音同步调度
• API与Coding Plan：模型调用采用按量后付费，同时提供面向Claude Code、Cursor、OpenClaw等编程工具的Coding Plan订阅，支持在编码工作流中调用紫东太初模型

💰 价格信息

网页对话体验：访问 taichu-web.ia.ac.cn 注册账号并提交信息，后台审核通过后可免费使用多模态对话功能，适合个人用户体验和测试。新用户注册紫东太初云另可获取20元测试金用于API体验。
API按量计费：文本生成模型价格较低，Taichu-LLM-2B输入0.0003元/千tokens、输出0.0009元/千tokens；图文问答模型Taichu-VL-2B输入0.0020元/千tokens、输出0.0050元/千tokens；文生图0.14元/张，语音识别0.18元/分钟，语音合成0.15元/千字符。文本生成模型批量推理有限时4折优惠，Taichu-Kangyang模型限时免费。
Coding Plan：Lite版¥40/月，每5小时最多约1,200次请求，每周约9,000次，每月约18,000次；Pro版¥200/月，每5小时约6,000次，每周约45,000次，每月约90,000次。额度仅限在Claude Code、Cursor、OpenClaw等编程工具中使用，不支持以API形式用于自动化脚本或后端批量场景。套餐不支持退订，购买前需确认用量。

👥 适合人群

从事具身智能、机器人、空间智能研究的科研人员和开发者（5.0-9B的空间理解与数据管线可直接用于训练和二次开发）；需要处理图文音视频多模态内容的AI应用开发者（API覆盖文本、视觉、语音、文生图等多种模态）；对国产全栈大模型有需求的政企和科研机构（中科院自动化所与武汉人工智能研究院联合研发，全栈国产化背景明确）；希望用Coding Plan在编程工作流中调用国产模型的开发者；以及想免费体验多模态大模型能力的个人用户（网页端审核制免费）。紫东太初的核心优势在物理世界理解和具身推理，如果核心需求只是通用文本对话或轻量写作，同类通用模型的体验可能更直接；但对于机器人、自动化科研和工业视觉等需要“看懂三维空间、规划行动”的场景，5.0-9B提供了一个参数规模适中、可私有化部署的开源选项。

✅ 优点

• 物理世界理解是清晰的差异化定位：5.0-9B专为空间感知和具身推理设计，在九项国际空间基准中拿下八项同组别第一，MindCube-tiny复杂空间推演以78.27分大幅领先同规模模型，填补了“看懂图文”与“理解三维空间”之间的能力空白
• 通用能力与具身能力兼顾：5.0-9B在强化空间判断的同时，图文识别、OCR、数学和代码调用等基础能力没有明显牺牲，避免了为具身能力而牺牲通用智能的常见取舍
• 数据生产管线一并开源，实用价值超出“只放权重”：机构和企业可以复用清洗、标注、微调和强化学习的完整流程，用自己的仿真画面或工厂实拍数据训练适配场景的模型，降低了具身智能的研发门槛
• 全模态覆盖完整：文本、图像、语音、视频、3D点云和信号分析均有对应能力，API价格在同类国产多模态模型中处于较低水平（如VL-2B输出仅0.005元/千tokens），试错成本可控
• 中科院自动化所与武汉人工智能研究院联合研发，全栈国产化背景明确，在信创和合规要求较高的政企、科研场景中有天然信任优势
• 网页端审核制免费体验，个人用户可以零成本测试多模态对话和4.0的推理能力，再决定是否接入API或Coding Plan

⚠️ 缺点

• 网页体验需要审核，不是注册即用：提交注册信息后需等待后台审核通过，对于希望立即上手测试的用户存在等待成本
• 5.0-9B是开源模型，不是开箱即用的SaaS：要发挥空间具身能力，需要自行部署、准备数据和调优，对非技术用户门槛较高；网页端对话体验主要面向4.0的通用多模态能力，5.0的具身推理需要开发者自行搭建环境
• 产品线信息分散：4.0的网页体验、5.0的开源仓库、API按量计费、Coding Plan订阅、紫东太初云等入口和定价体系各自独立，新用户需要花时间厘清不同能力对应哪个入口、哪套计费规则
• Coding Plan限制严格：额度仅限在指定编程工具中使用，严禁以API形式用于自动化脚本或后端批量场景，否则可能限流或封号；套餐不支持退订，购买决策需要相对确定
• 复杂多模态任务的实际表现受输入质量和场景影响：OCR、空间定位和信号分析的准确率在模糊图片、复杂遮挡或非标准场景中会下降，关键输出仍需人工核验
• 作为快速迭代中的科研/开源体系，产品化打磨和商业支持与成熟SaaS存在差距，遇到问题时更多依赖文档、社区和自行排查，不适合完全零技术基础、期待“打开即用”的用户

💡 使用技巧

• 先明确目标：如果只是想体验多模态对话和4.0的推理能力，直接访问 taichu-web.ia.ac.cn 注册等待审核，免费使用即可；如果需要做具身智能研究或机器人场景开发，应从5.0-9B的开源仓库入手，下载权重和配套数据管线，准备部署环境
• 注册网页体验时，提交信息后留意审核状态。审核通过后，在对话界面中可以尝试“深度思考”和“联网搜索”等快捷入口，并留意同时在线体验的模型数量限制（通常为1—3个）
• 需要API接入时，先在紫东太初云注册并领取20元测试金，用低成本的小模型（如Taichu-LLM-2B或Taichu-VL-2B）验证接入流程和输出质量，再根据任务复杂度切换到更大的模型
• 使用Coding Plan时，严格在Claude Code、Cursor或OpenClaw等编程工具中调用，不要将额度用于自动化脚本或后端批量请求。Lite版建议同时只运行1个终端，Pro版最多2个，多终端并行容易触发限流
• 如果关注5.0-9B的空间具身能力，优先阅读其开源仓库中的数据生产管线和评测结果，用自有场景的图片或视频做小规模推理测试，确认空间定位和行动决策的输出格式符合下游机器人或自动化系统的接口要求
• 对涉及事实、数字和专业术语的输出，利用紫东太初的检索增强与溯源能力核对来源；如果来源不可用或场景对准确性要求极高，人工复核仍是必要环节，不能将多模态模型的输出直接作为最终决策依据
• 关注紫东太初的版本迭代节奏：4.0的能力在网页端持续可用，5.0-9B作为开源模型会随社区反馈和后续版本更新逐步完善，生产环境使用前建议锁定版本并做好回归测试