智谱AI开源CogView4：推动中文图片生成技术新突破

国内AI巨头智谱ai有重大举措，开源了全新文生图模型CogView4，这一行动成功将中文图片生成技术推至新高度。对于设计师、内容创作者以及AI绘画“小白”而言，从此告别英文prompt的限制，能够用母语玩转AI图像生成。

CogView4优势显著。其最大亮点是对中文具备“超强理解力”，用户无需再借助翻译软件将中文prompt转为英文，用自然中文“指令”，模型就能秒懂意图，精准生成所需画面。并且，它是首个能在画面中直接“写”出汉字的开源模型，让创意表达更“原汁原味”。

CogView4还打破了图片尺寸和prompt长度的限制。生成“巨幅”宽屏海报，或是用“长篇大论”的prompt描述复杂场景，它都能轻松应对，充分满足各种创作需求。在权威的DPG-Bench基准测试中，CogView4综合评分排名第一，这表明它不仅使用便捷，图像生成质量也极高。

智谱AI为助力更多开发者和用户运用CogView4，后续还会开源配套的ControlNet、ComfyUI支持和模型微调工具。如此一来，用户既能直接使用其强大功能，又能根据自身需求深度定制，打造个性化、强大的图像生成模型。

CogView4技术升级多方面。在双语能力上，其“大脑”升级为更强大的GLM-4编码器，通过学习海量中英双语图文数据，真正实现“中英双语，自由切换”。文本处理采用“动态文本长度”技术，像“智能裁缝”般量体裁衣，提升了效率，理解更精准，生成速度也更快。分辨率生成方面，运用“混合分辨率训练”等“黑科技”，能驾驭各种尺寸图片生成，图像生成过程更“丝滑”“可控”。训练流程“精雕细琢”，经历“多阶段训练”等环节，保留Share-param DiT架构，让模型更“强大”“高效”。

项目地址：https://github.com/THUDM/CogView4