CogView4

CogView4是智譜公司於2025年3月4日發布的首個支持生成漢字並遵循Apache 2.0協定的開源文生圖模型。該模型採用GLM-4雙語編碼器替代傳統英文編碼器，實現了對中英雙語提示詞的深度理解，在DPG-Bench基準測試中綜合評分排名第一，達到開源領域最先進水平（SOTA）。其技術突破包括支持1024 Tokens超長提示詞輸入、任意解析度圖像生成（512×512至2048×2048）以及直接在畫面中嵌入漢字的能力。作為智譜2025開源年計畫的首個成果，CogView4已套用於廣告設計、古詩意境還原等創意領域，並計畫推出ControlNet外掛程式和ComfyUI支持。

基本介紹

• 開發者：智譜
• 發布時間：2025年3月4日 
• 開源協定：Apache 2.0 
• 參數規模：60億
• 支持語言：中英雙語  
• 套用領域：廣告設計、教育插圖

技術特性

• 採用GLM-4雙語編碼器架構，通過中英雙語圖文聯合訓練提升語義對齊能力，解決了傳統英文編碼器處理中文的局限性
• 支持任意解析度圖像生成，用戶在輸入提示詞時可自由設定圖像尺寸參數（512×512至2048×2048），提升創作靈活性
• 套用多階段訓練策略和Variational Auto-Encoder（VAE）技術，結合擴散模型與Transformer架構，生成圖像穩定性顯著提高
• 通過模型CPU卸載和文本編碼器量化技術，顯存占用降低30%以上，推理效率提升至每秒處理5個並發請求

套用場景

• 廣告設計：可直接生成帶有篆體文字、水墨元素等中國文化符號的商業海報，支持廣告文案到成品的一鍵轉換
• 教育出版：還原古詩場景（如“野徑雲俱黑”生成江船夜景插圖），輔助編寫兒童繪本的數字繪畫內容
• 影視創作：將劇本自動轉化為分鏡漫畫，支持導演預演鏡頭構圖與場景布局
• 社交媒體：為短視頻創作者提供定製化背景圖，實現中文標語與視覺元素的自然融合

開源生態

• 遵循Apache 2.0協定開源，允許商業機構免費使用及二次開發，降低中小團隊接入成本
• 計畫推出全套微調工具包，支持用戶通過LoRA技術定製模型風格，適配不同行業需求
• 將於2025年3月13日正式上線智譜清言平台
• 作為智譜多模態開源計畫的首個模型，後續將開源基礎模型、推理框架及Agent模型，構建AI創作工具生態