/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
ZDTaichu5.0-9B
Библиотека
gguf
Опубликована
16 сен 2026

ZDTaichu5.0-9B-GGUF

Изображение и текст → текст12 профессий

ZDTaichu5.0-9B-GGUF — это GGUF-квантизированная версия мультимодальной модели ZDTaichu5.0-9B, разработанной командой Zi Dong Tai Chu и преобразованной для использования с llama.cpp.

7 551скачиваний за 30 дней10лайковвеса обновлены16 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель предназначена для понимания изображений, пространственного рассуждения, агентского взаимодействия с инструментами, задач embodied AI и анализа видео. Поддерживаются текстовые и визуальные входные данные, а заявленный контекст достигает 128K токенов (131 072). Указаны языки English и Chinese.

В основе используется языковая модель Qwen3.5-9B и визуальный энкодер C-RADIOv4-H. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q4_0, Q3_K_M, IQ3_M и IQ3_XXS размером примерно от 3,94 до 9,53 ГБ. Для мультимодального режима требуется отдельный vision projector mmproj в формате BF16 размером 1,65 ГБ; для текстовых задач он необязателен. Модель можно запускать через llama.cpp и ускорять с помощью speculative decoding с совместимой draft-моделью DSpark.

К сильным сторонам относятся мультимодальность, большой контекст, поддержка пространственного и визуального анализа, а также несколько вариантов квантизации для выбора компромисса между качеством и требованиями к памяти. Ограничения связаны с зависимостью мультимодального режима от совместимого runtime и projector, а поведение вызова инструментов зависит от серверной реализации и интеграции parser. Benchmark-показатели в README относятся к исходной модели TaichuAI/ZDTaichu5.0-9B, а не к данной GGUF-конверсии. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🤗 Model Requests

ZDTaichu5.0-9B GGUF

GGUF files for ZDTaichu5.0-9B, an advanced multimodal foundation model developed by the Zi Dong Tai Chu team for visual understanding, spatial reasoning, agentic tool use, and embodied AI workloads. Built on a Qwen3.5-9B language backbone and C-RADIOv4-H vision encoder, the model supports a context length of up to 128K tokens (131,072).

For accelerated text generation via speculative decoding, this model can be paired with the companion draft model abenzerps/ZDTaichu5.0-9B-DSpark-GGUF.

Benchmarks

ZDTaichu5.0-9B benchmark results

Benchmark results reported by TaichuAI for the original ZDTaichu5.0-9B foundation model. These figures are not measurements of this GGUF conversion.

GGUF files

QuantizationFileSize (GB)
Q8_0ZDTaichu5.0-9B-Q8_0.gguf9.53 GB
Q6_KZDTaichu5.0-9B-Q6_K.gguf7.36 GB
Q5_K_MZDTaichu5.0-9B-Q5_K_M.gguf6.47 GB
Q4_K_MZDTaichu5.0-9B-Q4_K_M.gguf5.63 GB
Q4_0ZDTaichu5.0-9B-Q4_0.gguf5.31 GB
Q3_K_MZDTaichu5.0-9B-Q3_K_M.gguf4.62 GB
IQ3_MZDTaichu5.0-9B-IQ3_M.gguf4.42 GB
IQ3_XXSZDTaichu5.0-9B-IQ3_XXS.gguf3.94 GB

IQ3_M and IQ3_XXS use importance-matrix quantization.

Multimodal projector

FileSizeDescription
mmproj-ZDTaichu5.0-9B-BF16.gguf1.65 GBBF16 vision projector for runtimes with multimodal support

The projector is optional for text-only use. Use it with a current llama.cpp build that supports the model's multimodal path.

Chat template

The GGUF embeds the upstream chat template. An external copy is provided as chat_template.jinja for runtimes that require a separate template file.

Usage

For text generation with llama.cpp:

llama-cli \
  -m ZDTaichu5.0-9B-Q4_K_M.gguf \
  -c 8192 --jinja \
  --temp 0.7 --top-p 0.95 \
  -p "Explain why reproducible builds matter."

For multimodal vision understanding with llama.cpp:

llama-cli \
  -m ZDTaichu5.0-9B-Q4_K_M.gguf \
  --mmproj mmproj-ZDTaichu5.0-9B-BF16.gguf \
  --image path/to/image.jpg \
  -p "Describe what is shown in this image in detail."

For an OpenAI-compatible server:

llama-server \
  -m ZDTaichu5.0-9B-Q4_K_M.gguf \
  --mmproj mmproj-ZDTaichu5.0-9B-BF16.gguf \
  -c 8192 --jinja --host 0.0.0.0 --port 8080

Increase -c up to 131072 when sufficient memory is available. Tool-call behavior depends on the serving runtime and its parser integration; use the embedded template and verify tool calls in the target application.

Speculative Decoding (with DSpark)

Accelerate inference using the companion ZDTaichu5.0-9B-DSpark-GGUF draft model:

llama-cli \
  -m ZDTaichu5.0-9B-Q4_K_M.gguf \
  -md ZDTaichu5.0-9B-DSpark-Q4_0.gguf \
  -c 8192 --jinja \
  -p "Explain why reproducible builds matter."

Or with llama-server:

llama-server \
  -m ZDTaichu5.0-9B-Q4_K_M.gguf \
  -md ZDTaichu5.0-9B-DSpark-Q4_0.gguf \
  -c 8192 --jinja --host 0.0.0.0 --port 8080

Source and build

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
e1f0f4c

0 моделей