智谱开源AI绘图CogView4，曾经的开源之光回来了。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
智谱开源AI绘图CogView4，曾经的开源之光回来了。
原创 数字生命卡兹克 数字生命卡兹克 2025-03-04 14:06 北京
昨天连更两篇，今天想休息一下，结果。。。
真的快肝吐了，感觉自从DeepSeek开源统治地球之后。
开源的世界，迎来了究极繁荣。
上周DeepSeek连续5天开源硬核技术，阿里开源万相2.1，Qwen的推理模型推出预览版，但是肯定马上也要开源。
而今天，智谱这个曾经的开源之光，在昨天官宣拿了杭州10亿融资之后，在官宣文章里如此写道：
我知道智谱今年会大力开源，但是没想到，开源年的第一棒，来的如此之快，就在第二天。。。
我。。。不是，让我歇会吧。。。
今天智谱和清华团队直接开源了他们的AI绘图模型，CogView4。
这下，真的快补上2025年开源届的拼图了。
模型链接在此：https://github.com/THUDM/CogView4
模型尺寸6B，在BF16和batchsize=4d的情况下，GPU需求如图。
最低估计一张12G的显卡就能跑起来。
我们也在第一时间，把模型下载下来，反手在AutoDL上开了一台A800-80G的显存，部署测试了一下。
我自己测试下来，一张1024*1024的图大概70s左右，AutoDL的云机器会慢一些，本地应该会快不少。
当然如果你们想直接体验，也可以用智谱官方自己搭好的在线服务：
https://modelscope.cn/studios/ZhipuAI/CogView4
在跑了一小时后，我觉得CogView4，有两个比较有意思的点。
一个一个说。
第一个点就是，CogView4支持中英文字直接生成，跟我之前写过的即梦2.1还挺像的，但是智谱的CogView4，是开源的。
这也是开源的AI绘图模型里，第一个支持同时生成中英文字的。
我跑了些case，大家可以直接看看。
比如这些Promtp：
1. 一只布偶猫举着牌子，牌子上写着中文字体的“起来嗨’。
2. 一幅极简主义风格的冬季插画，以”小雪”节气为主题。画面采用清新的浅蓝色调，上方用简约的白色中文字体写着”小雪”二字。构图主要分为三个层次：天空、雪山和铁路。背景是连绵起伏的雪山剪影，呈现出柔和的曲线；中间是一列橙红色的火车，在茫茫雪原上形成鲜明的视觉对比；整个画面点缀着飘落的雪花。
3. 电影宣传海报，画面中间是韦小宝，四周是宫女，标题文字“重生之我是韦小宝”。
4. 画面顶部英文标题：“I NEED YOU”，复古美漫动漫，画面中央是一个小孩在电视机前玩游戏的背影。
非常坦率的讲，整体效果和审美，是没有市面一些主流模型好的，中文字的错误率很高比英文大不少，审美和色彩，也有一点差距。
我测下来，感觉他们是没有把文字拎出来单独做处理，而是非常实诚的直接塞给模型直接处理了，所以中文错别字比例会高一些。
但是优点也很突出。
那就是，这玩意开源啊！唯一一个能生文字的开源。
就智谱的Cogview4的效果来看，我觉得，他们技术肯定是没问题，最大的问题，还是数据集这块，审美确实差不少，但是如果你就把它当个底座，来重搞数据集，微调一个很牛逼的电影海报设计模型，那真的不是不可能。
第二个特点，就是它的语义理解，还是真的有点东西的。
比如这些Prompt：
1. 8K超宽幅画卷，分四区域： 左侧：唐代城门，朱红城墙，商队骆驼穿行，匾额题“朱雀门”； 中左：西市胡商集市，丝绸瓷器摊位，人群熙攘； 中右：曲江池畔，仕女泛舟，柳树垂岸； 右侧：大明宫殿群，飞檐斗栱，晨雾缭绕。整体风格为工笔重彩，绢布质感。
2. 一幅横向长卷，从左到右依次是远古狩猎营地、古埃及金字塔群、中世纪市场、工业革命工厂、当代摩天楼、未来垂直花园城。
3. 一笼刚出笼的上海小笼包，皮薄馅嫩，汤汁丰富，摆放在精致的竹制蒸笼中。旁边是一碟香醋和一双竹筷，背景是木质的餐桌和一壶绿茶，体现出江南的细腻和雅致风格。江南风味，精致，雅致
4. 野径云俱黑，江船火独明。
5. 一张照片级真实感的奇幻毛茸茸汽车，车身完全覆盖着厚实柔软的白色绒毛，明亮灵动的车灯宛如一双友善的大眼睛，轮胎隐藏在浓密蓬松的毛发之中，夜晚散发出温暖柔和的光晕，呈现出魔法生物般的风格，细节精致，质感极度逼真，充满梦幻气息与温馨感，电影级灯光效果
可以看到，美不美的另说，但是画的，是真的准确。
这块还是得益于，他们把T5换成了GLM4，这个还是爽多了。
目前他们在出图的分辨率上，也没限制特定比例，2048以下几乎都可以无极调节，这一点还是比较爽的。
后续，他们也会支持ComfyUI和ControlNET套件，还有微调的脚本。这个还是比较重要的，用CogView4来当基座模型微调的话，应该能玩出不少的花活。
目前开源的这个模型支持Apache2.0协议，而给普通用户用的版本，也会在3月13日上线在智谱清言上，到时候可以蹲一下。
最后，我想聊聊智谱这个公司。
国内我之前有一个非常主观不客观的评价，我把五家公司放在一起，并称为开源五虎。
其实在DeepSeek还没成立的时候，智谱就已经在kuku开源模型了。
如果是2023年就开始玩大模型玩AI的，应该见过这个风靡一时的基座模型，ChatGLM-6B。
4w的星标，在Github上意味着啥相信大家懂得都懂。
那个时候，我还在公司里面做项目，微调了好几个不同的GLM6B，串成工作流来执行任务。
后续，他们又开源了非常非常非常多的模型，比如GLM-4、GLM-4-Voice、CogVideoX v1.5、CogAgent等等等等。
时光匆匆，一晃眼，两年了。
这两年，感觉到了智谱的纠结、智谱的挣扎，还有他们的摇摆。
虽然在2024年的后半程，他们靠着AutoGLM和智能体，在整个AI圈杀出了一条自己的血路，但是在开源世界的声量，好像也被通义和DeepSeek压了过去。
老骥伏枥，志在千里。
在今天CogView4的仓库里面有这么一张官方生成的Demo图。
他们把2025年，定义为智谱AI自己的开源年。
不破不立，破而后立。
期待智谱拿下更多超级融资的同时，也能在开源路上越走越远。
毕竟，对我们所有人而言，每一家厂商的进步，都是让中国AI越发闪耀的灯火。
祝愿这片风云激荡的江湖，燃得更盛吧。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言