智谱AI开源CogView4：开源AI绘图模型的新篇章？

今天，我们来聊聊智谱AI开源的AI绘图模型——CogView4，以及它所代表的意义。在经历了开源的初期辉煌后，智谱似乎又重拾了对开源的重视，这无疑为整个AI社区注入了一剂强心针。

CogView4是什么？它有哪些亮点？

CogView4的背景：智谱的开源之路

智谱AI，曾经的开源之光，在DeepSeek等新兴力量崛起后，似乎在开源领域的声量有所减弱。然而，在获得杭州10亿融资后，智谱迅速行动，开源了CogView4，展现了其重塑开源地位的决心。这让人不禁想起曾经风靡一时的ChatGLM-6B，那个在Github上拥有4w星标的基座模型。

CogView4的技术特点：中英文字混合生成与语义理解

CogView4最引人注目的特点是支持中英文字混合生成，这是开源AI绘图模型中的首例。同时，它在语义理解方面也表现出色，能够根据复杂的prompt生成准确的图像。

• 中英文字混合生成： 类似于即梦2.1，但CogView4是开源的，允许用户自由使用和修改。
• 语义理解： 通过将T5替换为GLM4，CogView4在理解复杂prompt方面有了显著提升，能够更准确地将文字描述转化为图像。

CogView4的部署与体验：云端与本地

• 模型尺寸： 6B
• GPU需求： 在BF16和batchsize=4的情况下，最低估计一张12G显卡即可运行。
• 部署方式：
  • AutoDL： 在AutoDL上使用A800-80G显存的机器进行测试，生成一张1024*1024的图片大约需要70秒。
  • 本地部署： 预计本地部署速度会更快。
  • 在线体验： 智谱官方提供了在线服务：https://modelscope.cn/studios/ZhipuAI/CogView4

CogView4的优缺点：开源的价值与数据集的挑战

CogView4的优点：

• 开源： 这是CogView4最大的优势，允许开发者自由使用、修改和定制模型。
• 支持中英文字混合生成： 这是开源模型中的首例，为创意表达提供了更多可能性。
• 语义理解能力强： 能够根据复杂的prompt生成准确的图像。
• 可调节分辨率： 支持2048以下分辨率的无极调节。
• 支持ComfyUI和ControlNet套件： 后续将支持，为用户提供更多控制和定制选项。
• Apache2.0协议： 允许商业使用。

CogView4的缺点：

• 审美与色彩： 整体效果和审美与市面上的主流模型相比仍有差距。
• 中文错误率： 中文字的错误率较高，表明在文字处理方面仍有提升空间。
• 数据集： 可能存在数据集质量的问题，导致生成图像的审美和色彩表现不佳。

CogView4的应用场景：

虽然CogView4在审美上存在一些不足，但其开源的特性使其具有巨大的潜力。它可以作为一个强大的基座模型，通过重新构建数据集和微调，用于生成各种高质量的图像，例如：

• 电影海报设计模型： 通过微调，可以生成具有专业水准的电影海报。
• 个性化定制图像： 满足用户对特定风格和主题的图像需求。

CogView4的未来：

智谱计划在3月13日将CogView4上线到智谱清言平台，届时用户可以直接体验。同时，智谱也计划支持ComfyUI和ControlNET套件，以及提供微调脚本，这将进一步提升CogView4的可用性和灵活性。

智谱AI的开源战略：重塑辉煌？

智谱AI的开源战略，似乎预示着其希望在开源领域重塑辉煌。从ChatGLM-6B到CogView4，智谱一直在努力为开源社区贡献力量。虽然在过去两年中，智谱经历了一些挑战，但其在AutoGLM和智能体方面的创新，也为其在AI领域开辟了一条新的道路。

智谱将2025年定义为自己的开源年，这表明其对开源的重视程度。我们期待智谱在未来能够开源更多优秀的模型，为中国AI的发展贡献力量。

我认为：智谱AI开源CogView4，犹如在平静的湖面投下一颗石子，激起阵阵涟漪。这不仅是一款AI绘图模型的发布，更是智谱AI对开源精神的再次宣誓。它像一支火炬，照亮了开源社区前进的道路，也点燃了无数开发者心中的希望。然而，要让这星星之火燎原，还需要更多的数据滋养和技术的沉，