Positionnement du modèle
CogView4-6B est un modèle de génération d’images à partir de texte publié par Zhipu. Il utilise la version CogView-4 Diffusers d’environ 6 milliards de paramètres, reçoit des instructions textuelles et génère des images. L’adaptation et la publication en open source de cette version ont été annoncées officiellement le 4 mars 2025. (github.com)
Capacités et usages
- Prend en charge les instructions en chinois et en anglais et peut dessiner du texte chinois dans les images générées ; peut servir à créer des illustrations, des éléments visuels créatifs et des images contenant du texte.
- Utilise GLM-4-9B comme encodeur de texte ; la documentation officielle du modèle open source indique une longueur maximale des instructions de 1024 tokens.
- L’inférence peut être effectuée avec Diffusers ; l’éditeur propose également les outils CogKit pour l’ajustement fin et l’inférence. (github.com)
Limites et déploiement
- La largeur et la hauteur des images du modèle open source doivent chacune être comprises entre 512 et 2048 pixels et être des multiples de 32 ; le nombre total de pixels ne peut pas dépasser 2²¹.
- La fiche officielle du modèle indique les précisions d’inférence BF16 et FP32 ; FP16 n’est pas pris en charge, car il peut provoquer un dépassement et produire des images entièrement noires.
- Les ressources matérielles nécessaires dépendent de la résolution et de la configuration de déchargement. Lors d’un test officiel en BF16, avec une taille de lot de 4 et une résolution de 1024×1024, les besoins en mémoire vidéo étaient d’environ 35 GB sans déchargement, 20 GB avec déchargement vers le CPU et 13 GB en utilisant en plus un encodeur de texte 4 bits. L’éditeur recommande un appareil doté d’au moins 32 GB de mémoire.
- L’exactitude complète du texte dans les images générées n’est pas garantie ; le résultat doit être vérifié par une personne. La fiche officielle du modèle indique que les poids sont sous licence Apache 2.0 ; il convient néanmoins de consulter les conditions précises de la licence avant utilisation. (huggingface.co)
Prix
Les prix ci-dessous sont ceux du service hébergé publiés par les plateformes officielles sous le nom CogView-4 ; la page tarifaire ne confirme pas que la version déployée est entièrement identique aux poids open source 6B présentés ici. Ils ne doivent donc pas être considérés comme les coûts d’exploitation du modèle auto-hébergé. Date de consultation : 19 novembre 2026.
- Plateforme ouverte Zhipu en Chine continentale : CNY 0.06 yuan/appel. L’entrée est du texte et la sortie une image ; la page officielle indique un prix par appel, sans prix distincts pour les tokens d’entrée et de sortie. Source : Page officielle chinoise du modèle et des tarifs CogView-4. (docs.bigmodel.cn)
- Plateforme internationale Z.AI : USD 0.01/image. Le prix officiel est établi selon le nombre d’images produites, sans prix distincts pour les tokens d’entrée et de sortie. Source : Page officielle des tarifs Z.AI. (docs.z.ai)
Les prix chinois et internationaux s’appliquent chacun à leur plateforme respective et ne doivent pas être considérés comme une même offre convertie selon un taux de change. Les coûts de matériel, de déploiement et les autres coûts des poids auto-hébergés dépendent de l’environnement réel.