模型定位
CogView4-6B 是智譜發布的文生圖模型,採用約 60 億參數的 CogView-4 Diffusers 版本,接收文字提示詞並生成圖像。官方於 2025 年 3 月 4 日宣布適配並開源該版本。(github.com)
能力與用途
- 支援中文和英文提示詞,能在生成的圖像中繪製中文字;可用於插畫、創意視覺素材和含文字的圖像製作。
- 使用 GLM-4-9B 作為文字編碼器;官方開源模型資料列出的提示詞長度上限為 1024 tokens。
- 可透過 Diffusers 進行推論,官方也提供 CogKit 微調與推論工具。(github.com)
限制與部署
- 開源模型的圖像寬、高均須在 512–2048 像素之間,且為 32 的倍數;總像素數不能超過 2²¹。
- 官方模型卡列出 BF16 和 FP32 推論精度;不支援 FP16,因為可能溢位並產生全黑圖像。
- 硬體開銷取決於解析度和卸載設定。官方在 BF16、批次大小為 4、1024×1024 測試中記錄:不卸載時約需 35 GB 顯示記憶體;啟用 CPU 卸載時約需 20 GB;再使用 4 位元文字編碼器時約需 13 GB。官方建議設備至少有 32 GB 記憶體。
- 生成的圖中文字不保證完全準確,實際效果應由人工檢查。官方模型卡標註權重採用 Apache 2.0 授權,使用時仍應查閱具體授權條款。(huggingface.co)
價格
以下是官方平台以 CogView-4 名稱公布的託管服務價格;定價頁面未確認其部署版本與本條開源 6B 權重完全相同,因此不應將其視為自託管模型的運行成本。查詢日期:2026 年 11 月 19 日。
- **中國大陸智譜開放平台:**人民幣 CNY 0.06 元/次。輸入為文字、輸出為圖像;官方頁面按次報價,未分別列出輸入和輸出 token 價格。來源:CogView-4 國內官方模型與定價頁面。(docs.bigmodel.cn)
- **國際 Z.AI 平台:**美元 USD 0.01/張圖像。官方按輸出圖像數量報價,未分別列出輸入和輸出 token 價格。來源:Z.AI 官方定價頁。(docs.z.ai)
國內與國際價格分別適用於各自平台,不能視為透過匯率換算的同一套餐。自託管權重的硬體、部署及其他成本取決於實際環境。