2025年3月4日，智谱AI宣布推出「智谱2025开源年」的首个重磅模型——CogView4，这是全球首个支持生成汉字的开源文生图模型，同时以综合评分第一的成绩登顶DPG-Bench基准测试，成为开源文生图领域的SOTA（最先进水平）。
技术突破：复杂语义对齐与指令跟随能力
CogView4采用GLM-4编码器替代传统T5架构，通过中英双语图文对训练，实现双语提示词精准解析，并支持任意长度文本输入与任意分辨率图像生成（512×512至2048×2048）。
采用二维旋转位置编码（2D RoPE）和Flow-matching扩散建模技术，结合多阶段训练策略（基础分辨率→泛分辨率→高质量微调→人类偏好对齐），显著提升训练效率与生成质量。
中文理解与生成能力
首创支持汉字元素自然融入画面，可精准还原古诗文意境（如“野径云俱黑，江船火独明”）及中英文混合提示词（如海报文案配图）。
在DPG-Bench测试中，其复杂语义对齐能力与指令跟随能力均居开源模型首位。
开源生态与协议支持
遵循Apache 2.0协议，允许自由使用、修改和分发，后续将扩展ControlNet、ComfyUI等工具生态，并推出微调工具包。
最新版本CogView4-0304已开源，3月13日登陆智谱清言平台（chatglm.cn），MaaS平台同步接入中。
应用场景
广告与短视频：快速生成中英双语海报、四格漫画等创意内容。
艺术与教育：将文学作品、古诗意境转化为视觉画面，辅助教学与创作。
商业与工业设计：支持超长提示词生成高精度图像，满足复杂需求。
开源年战略深化
作为国内最早的开源大模型公司，智谱宣布2025年为“开源年”，计划陆续开源基础模型、推理模型、多模态模型及Agent模型，推动AI普惠化。此次CogView4的发布，标志着其在多模态领域的技术领先性，也为开发者与创意工作者提供了更强大的工具。
体验可访问：
在线平台：https://huggingface.co/spaces/THUDM-HF-SPACE/CogView4
开源仓库：https://github.com/THUDM/CogView4
