CogView4
📌 核心贡献
智谱 AI 发布的高质量文本到图像扩散模型，采用单流 DiT（Diffusion Transformer）架构，支持中英双语理解与高保真图像生成。作为 GLM-Image 的扩散 decoder backbone 使用，擅长文字渲染和知识密集型视觉生成任务。
📖 摘要
CogView4 is ZhipuAI’s text-to-image generation model based on single-stream Diffusion Transformer (DiT) architecture. It supports both Chinese and English prompts and achieves high-fidelity image generation. The model serves as the diffusion decoder backbone in GLM-Image’s hybrid AR+Diffusion architecture.
🔍 关键信息
| 字段 | 内容 |
|---|---|
| 发布 | 2025-01 |
| 机构 | 智谱 AI (THUDM) |
| 链接 | 官网 |
| 备注 | 无 arxiv 论文，技术报告/博客发布 |