模型定位
CogView4-6B 是智谱发布的文生图模型,采用约 60 亿参数的 CogView-4 Diffusers 版本,接收文本提示词并生成图像。官方于 2025 年 3 月 4 日宣布适配并开源该版本。(github.com)
能力与用途
- 支持中文和英文提示词,能在生成的图像中绘制中文文字;可用于插画、创意视觉素材和含文字的图像制作。
- 使用 GLM-4-9B 作为文本编码器;官方开源模型资料列出的提示词长度上限为 1024 tokens。
- 可通过 Diffusers 进行推理,官方也提供 CogKit 微调与推理工具。(github.com)
限制与部署
- 开源模型的图像宽、高均须在 512–2048 像素之间,且为 32 的倍数;总像素数不能超过 2²¹。
- 官方模型卡列出 BF16 和 FP32 推理精度;不支持 FP16,因为可能溢出并产生全黑图像。
- 硬件开销取决于分辨率和卸载配置。官方在 BF16、批量大小为 4、1024×1024 测试中记录:不卸载时约需 35 GB 显存;启用 CPU 卸载时约需 20 GB;再使用 4 位文本编码器时约需 13 GB。官方建议设备至少有 32 GB 内存。
- 生成的图中文字不保证完全准确,实际效果应人工检查。官方模型卡标注权重采用 Apache 2.0 许可,使用时仍应查阅具体许可条款。(huggingface.co)
价格
以下是官方平台以 CogView-4 名称公布的托管服务价格;定价页面未确认其部署版本与本条开源 6B 权重完全相同,因此不应将其视为自托管模型的运行成本。查询日期:2026 年 11 月 19 日。
- **中国大陆智谱开放平台:**人民币 CNY 0.06 元/次。输入为文本、输出为图像;官方页面按次报价,未分别列出输入和输出 token 价格。来源:CogView-4 国内官方模型与定价页面。(docs.bigmodel.cn)
- **国际 Z.AI 平台:**美元 USD 0.01/张图像。官方按输出图像数量报价,未分别列出输入和输出 token 价格。来源:Z.AI 官方定价页。(docs.z.ai)
国内与国际价格分别适用于各自平台,不能视为通过汇率换算的同一套餐。自托管权重的硬件、部署及其他成本取决于实际环境。