智谱文生图革命：CogView3模型开源，生成速率SDXL十倍超越，图像创造新纪元

近日，智谱AI向公众揭晓了其创新成果——CogView3及增强版本CogView-3Plus-3B的开源计划，为图文生成技术领域带来了崭新的动力与无限可能。

CogView3的亮相无疑是一个重要里程碑。作为首个在文本到图像生成领域实现中继扩散的模型，它采用了独特的级联扩散方法。这种创新性的approach首先生成低分辨率图像，随后通过基于中继的超分辨率技术来完成最终输出。这不仅大幅提升了生成图像的质量，还显著降低了训练和推理的成本。

最令人瞩目的是CogView3的性能表现。根据人类评价结果，CogView3在生成质量上超越了当前最先进的开源文本到图像模型SDXL，胜率高达77.0%。更令人惊叹的是，它仅用了SDXL约一半的推理时间就达到了这一成就。如果使用CogView3的精简版本，在仅占用SDXL十分之一推理时间的情况下，依然能够保持可比的性能水平。这一突破性进展无疑为高效率、高质量的图像生成开辟了新的可能。

与此同时，智谱AI还推出了CogView-3Plus-3B，这是一个基于DiT（Diffusion Transformers）框架的图像模型。虽然其具体测试结果尚未公布，但业界对其潜力充满期待。CogView-3Plus-3B在CogView3的基础上进行了进一步优化，引入了Zero-SNR扩散噪声调度和联合文本-图像注意力机制等先进技术。这些改进不仅降低了训练和推理成本，还保持了强大的图像生成能力。

值得一提的是，CogView-3Plus-3B支持的图像分辨率范围十分广泛，从512x512到2048x2048不等，这极大地增加了其应用场景的灵活性。无论是日常使用还是专业创作，都能找到适合的分辨率选项。

为了帮助用户更好地利用这些模型，智谱AI还提供了实用的建议和工具。他们建议用户通过大型语言模型（LLM）来优化提示词，这可以显著提升生成图像的质量。同时，智谱AI还提供了示例脚本，大大降低了用户的使用门槛。

智谱发布GLM-4-Air、GLM-4V-Plus模型：Flash全模态免费模型设立

近日消息，北京智谱华章科技有限公司推出了一系列新的模型，并且已经在bigmodel.cn上线。继8月推出“智谱清言”之后，该公司在语言、语音、图像以及视频的理解和生成方面进行深度的探索，陆续推出了GLM - Voice、GLM - 4V、CogView、CogVideoX等多种多模态模型。

此次发布的全新端到端模型GLM-Realtime，实现了低延迟的视频理解与语音交互，融入了清唱功能，并支持长达2分钟的记忆及Function Call功能。公司还同步升级了GLM-4-Air和GLM-4V-Plus模型，致力于提供业界最强性能和性价比的语言模型解决方案。智谱始终致力于以先进的大模型技术回馈社会，特别设立了Flash全模态免费模型，涵盖语言、文生图、文生视频及图像理解等多个场景，助力开发者轻松实现应用创新。

GLM-Realtime在视频通话上具备2分钟的内容记忆能力，语音交互方面创新性地实现了清唱功能，让大模型具备在对话中的歌唱能力。公司将Realtime API集成到智能眼镜和陪伴娃娃中，以便用户体验近乎实时的智能助手交互。Realtime进一步支持Function Call功能，能够依靠自身知识和能力，灵活调用外部知识和工具，拓展到更广泛的商业场景。GLM-Realtime API已上线智谱开放平台bigmodel.cn，现阶段免费调用。

GLM-4-Air自上线以来以高性价比受开发者欢迎，此次全面升级为GLM-4-Air-0111，通过优化训练数据和流程，在某些维度性能接近规模更大的GLM-4-Plus，同时模型价格降至原来的50%，降低大模型应用门槛。视觉理解模型GLM-4V-Plus也全面升级，新版本在多个公开榜单上效果显著提升，支持变分辨率功能，适应不同尺寸图像输入，小图场景下显著降低token消耗，支持4K超清图像和极致长宽比图像的无损识别，具备长达2小时的视频理解能力，为长视频理解和分析提供高效精准解决方案。

智谱致力于大模型普惠，为助力开发者创新，专门设置了针对全社会免费开放的Flash系列普惠模型API。作为行业首个全模态的免费系列模型，开发者可免费调用语言、多模态理解、多模态生成功能。近期Flash系列将全面升级，成员包括语言模型GLM-4-Flash、图像理解模型GLM-4V-Flash、图像生成模型CogView-3-Flash、视频生成模型CogVideoX-Flash。

智谱首发免费多模态模型GLM-4V-Flash，具备图像描述与视觉问答功能

近日消息，智谱 AI 在推出免费语言模型 GLM-4-Flash 仅数月后，再次宣布上线其首款免费的多模态模型——GLM-4V-Flash。该模型不仅继承了 4V 系列模型的诸多优势，还在图像处理方面取得了显著的精度提升。

据介绍，GLM-4V-Flash 模型拥有图像描述生成、图像分类、视觉推理、视觉问答（VQA）以及图像情感分析等高级图像处理功能，并且支持包括中文、英语、日语、韩语、德语在内的 26 种语言。

在企业应用中，GLM-4V-Flash 能够针对特定垂直行业提供精准的场景解决方案，以低成本投入助力开发者迅速融入大模型时代，无需顾虑大模型图像处理的高昂成本。

智谱AI引领开源创新：CodeGeeX4-ALL-9B代码生成大模型震撼发布

近日消息，由智谱 AI 开发的 CodeGeeX 第四代模型，现已正式发布且开源。该模型属于 10B 参数以下性能最为出色、功能最为全面的代码生成大模型。自 2014 年发布第一代起，每半年便会进行一次更新，一直致力于增强代码生成的能力。

CodeGeeX提供代码补全、注释、修复、翻译等基础功能，以及联网问答、代码解释器、检索增强等高级功能，对个人用户完全免费，并在各种主流IDE中可用。个人用户数已超100万，企业版本也广泛应用于多个行业，并在中国信通院的评估中获得高评级。

CodeGeeX4系列模型的开源版本CodeGeeX4-ALL-9B，集多种编程开发功能于一体，覆盖了编程的多个场景，并在多个代码评测集上表现优异，展现了强大的代码生成能力。模型支持128K上下文，处理长代码文件，并在代码检索任务中实现100%准确度。此外，CodeGeeX4-ALL-9B是唯一实现Function Call的代码大模型，在函数调用测试中成功率超过90%。

CodeGeeX插件v2.12.0版本已全面接入第四代模型，带来更快的代码生成速度和多项功能创新，如自动生成项目README文件、长文本上下文记忆、跨文件分析和问答、本地模式支持，以及NL2SQL能力提升。这些功能增强了代码查找、理解和维护的效率，提升了开发体验。

用户可以通过升级IDE中的CodeGeeX插件或在插件市场搜索下载来体验最新技术。同时，智谱AI还发布了企业级CodeGeeX4代软硬一体机产品，提供代码仓库级补写、问答和检索增强，支持信创方案，适用于更多企业级应用场景。