雷递网 乐天 3月4日
智谱AI昨日宣布近期完成新一轮金额超10亿元人民币的战略融资，参与投资方包括杭州城投产业基金、上城资本等。
最近几个月以来，智谱AI持续宣布获得多轮融资。
其中，智谱AI在2024年12月刚完成30亿元融资，新投资方包括多家战投及国资，君联资本等老股东跟投。2024年9月，中关村科学城公司宣布以投前200亿估值领投智谱，用于支持国产基座大模型的技术创新和生态发展。
更早前的2023年10月，智谱AI曾宣布，当年已累计获得超25亿人民币融资。参与方主要包括社保基金中关村自主创新基金（君联资本为基金管理人）、美团、蚂蚁、阿里、腾讯、小米、金山、顺为、Boss直聘、好未来、红杉、高瓴等多家机构及包括君联资本在内的部分老股东跟投。
智谱AI也是估值率先超过200亿的大模型创业企业之一，同时是目前国内估值最高的创业大模型公司之一。
与此前不同的是，智谱AI此次的超过10亿元融资，主要来自杭州。
2025年以来，随着宇树科技人形机器人走红，深度求索（DeepSeek）深刻改变AI行业，杭州6小龙——深度求索（DeepSeek）、宇树科技、3A游戏《黑神话》品牌方游戏科学、云深处科技、强脑科技、群核科技的概念越来越深入人心。
不过，杭州并不满足于只拥有六小龙，如今又“高薪”抢智谱。
发布能生成汉字的开源文生图模型CogView4
智谱AI今日宣布，发布首个能生成汉字的开源文生图模型CogView4，称其在DPG-Bench基准测试中的综合评分排名第一，在开源文生图模型中达到SOTA。该模型也是首个遵循 Apache 2.0协议的图像生成模型。
据介绍，CogView4具备较强的复杂语义对齐和指令跟随能力，支持任意长度的中英双语输入，能生成在给定范围内的任意分辨率图像，同时具备较强的文字生成能力。
CogView4在 DPG-Bench基准测试中的综合评分排名第一，在开源文生图模型中达到 SOTA。DPG-Bench（Dense Prompt Graph Benchmark）是一个用于评估文本到图像生成模型的基准测试，主要关注模型在复杂语义对齐和指令跟随能力方面的表现。
CogView4具有两大技术性：
首先，支持中英双语提示词输入，擅长理解和遵循中文提示词，是首个能够在画面中生成汉字的开源文生图模型，能更好地满足广告、短视频等领域的创意需求。
在技术实现上，CogView4将文本编码器从纯英文的T5 encoder 换为具备双语能力的GLM-4 encoder，并通过中英双语图文对进行训练，使CogView4模型具备双语提示词输入能力。
案例1：CogView4能够将中英文字符自然地融入画面，使海报、文案配图创作更加便捷。
案例2：擅长理解和遵循中文提示词，例如能够画出古诗文中的意境。
任意分辨率，任意长度提示词
其次，支持输入任意长度提示词，能够生成范围内任意分辨率图像，不仅使用户创作更加自由，也提升了训练效率。
CogView4模型实现了任意长度的文本描述（caption）和任意分辨率图像的混合训练范式。
1、图像位置编码
CogView4采用二维旋转位置编码（2D RoPE）来建模图像的位置信息，并通过内插位置编码的方式支持不同分辨率的图像生成任务。
2、扩散生成建模
模型采用Flow-matching方案进行扩散生成建模，并结合参数化的线性动态噪声规划，以适应不同分辨率图像的信噪比需求。
3、架构设计
在DiT模型架构上，CogView4延续了上一代的Share-param DiT架构，并为文本和图像模态分别设计独立的自适应LayerNorm层，以实现模态间的高效适配。
4、多阶段训练
CogView4采用多阶段训练策略，包括基础分辨率训练、泛分辨率训练、高质量数据微调以及人类偏好对齐训练。这种分阶段训练方式不仅覆盖了广泛的图像分布，还确保生成的图像具有高美感并符合人类偏好。
5、训练框架优化
从文本角度，CogView4突破了传统固定token长度的限制，允许更高的token上限，并减少了训练过程中的文本token冗余。当训练caption的平均长度在200-300 token时，与固定512 token的传统方案相比，CogView4减少了约50%的token冗余，并在模型递进训练阶段实现了5%-30%的效率提升。
混合分辨率训练使模型能够支持较大范围内的任意分辨率生成，极大地提升了创作的自由度。目标分辨率只需满足以下条件：
- $512leq H,Wleq 2048, H imes W leq 2 imes1024^2$
- $H, W == 0 (mod 32)$
案例1：以故事作为超长提示词，生成四格漫画
案例2：超复杂提示词，生成精细画面
首个遵循 Apache 2.0的图像生成模型
CogView4模型支持Apache2.0协议，后续会陆续增加ControlNet、ComfyUI等生态支持，全套的微调工具包也将推出。
最新的CogView4-6B-0304版本将于3月13日上线智谱清言（chatglm.cn）。
2025年是智谱的开源年
智谱AI成立于2019年，脱胎于清华 KEG（知识工程实验室），2020年，智谱AI开始了GLM预训练架构的研发，并训练了百亿参数模型GLM-10B。
2021年，公司利用MoE架构训练出万亿稀疏模型，于次年合作研发了双语千亿级超大规模预训练模型GLM-130B，并基于此千亿基座模型开始打造大模型平台及产品矩阵。
2023年，智谱AI推出了千亿基座的对话模型ChatGLM，并开源单卡版模型ChatGLM-6B，使得研究者和个人开发者进行微调和部署成为可能。
2024年1月，智谱推出新一代基座大模型GLM-4；6 月开源 GLM-4-9B 及视觉模型 GLM-4V-9B，多模态能力媲美 GPT-4V；7月推出视频生成模型 CogVideoX；8 月，智谱新升级基座大模型 GLM-4-Plus 推出。10 月，智谱发布端到端情感语音模型GLM-4-Voice 和大模型交互智能体（Agent）AutoGLM。11月迎来Agent新升级，推出GLM-PC。
2025年也将是智谱的开源年，智谱还将陆续开源基础模型、推理模型、多模态模型、Agent模型等。
当前，智谱在大模型商业化方面进展相比月之暗面等要好。比如，自成立以来，智谱就适配国内40多种GPU芯片，智谱还构建了MaaS、私有化部署、智能体平台等服务模式，形成包含百万规模开发者的模型服务新生态：MaaS平台支撑70余万企业、应用开发者；私有化部署方面服务金融、医疗、教育、政务等20多个行业，在万余家企事业单位实现规模化应用。
近期，智谱AI内部也调整不仅多，年前，智谱首席战略官张阔、副总裁曲滕于离职。同期，前Midjourney亚洲副总裁王玥婷加入智谱AI，主要负责多模态产品和市场。
早前，前微软亚洲研究院研究员、阿里达摩院资深技术专家、支付宝中国首席数据官胡云华也加入智谱，并担任C端应用“智谱清言”的负责人。
———————————————
雷递由媒体人雷建平创办，若转载请写明来源。
雷递网 乐天 3月4日
智谱AI昨日宣布近期完成新一轮金额超10亿元人民币的战略融资，参与投资方包括杭州城投产业基金、上城资本等。
最近几个月以来，智谱AI持续宣布获得多轮融资。
其中，智谱AI在2024年12月刚完成30亿元融资，新投资方包括多家战投及国资，君联资本等老股东跟投。2024年9月，中关村科学城公司宣布以投前200亿估值领投智谱，用于支持国产基座大模型的技术创新和生态发展。
更早前的2023年10月，智谱AI曾宣布，当年已累计获得超25亿人民币融资。参与方主要包括社保基金中关村自主创新基金（君联资本为基金管理人）、美团、蚂蚁、阿里、腾讯、小米、金山、顺为、Boss直聘、好未来、红杉、高瓴等多家机构及包括君联资本在内的部分老股东跟投。
智谱AI也是估值率先超过200亿的大模型创业企业之一，同时是目前国内估值最高的创业大模型公司之一。
与此前不同的是，智谱AI此次的超过10亿元融资，主要来自杭州。
2025年以来，随着宇树科技人形机器人走红，深度求索（DeepSeek）深刻改变AI行业，杭州6小龙——深度求索（DeepSeek）、宇树科技、3A游戏《黑神话》品牌方游戏科学、云深处科技、强脑科技、群核科技的概念越来越深入人心。
不过，杭州并不满足于只拥有六小龙，如今又“高薪”抢智谱。
发布能生成汉字的开源文生图模型CogView4
智谱AI今日宣布，发布首个能生成汉字的开源文生图模型CogView4，称其在DPG-Bench基准测试中的综合评分排名第一，在开源文生图模型中达到SOTA。该模型也是首个遵循 Apache 2.0协议的图像生成模型。
据介绍，CogView4具备较强的复杂语义对齐和指令跟随能力，支持任意长度的中英双语输入，能生成在给定范围内的任意分辨率图像，同时具备较强的文字生成能力。
CogView4在 DPG-Bench基准测试中的综合评分排名第一，在开源文生图模型中达到 SOTA。DPG-Bench（Dense Prompt Graph Benchmark）是一个用于评估文本到图像生成模型的基准测试，主要关注模型在复杂语义对齐和指令跟随能力方面的表现。
CogView4具有两大技术性：
首先，支持中英双语提示词输入，擅长理解和遵循中文提示词，是首个能够在画面中生成汉字的开源文生图模型，能更好地满足广告、短视频等领域的创意需求。
在技术实现上，CogView4将文本编码器从纯英文的T5 encoder 换为具备双语能力的GLM-4 encoder，并通过中英双语图文对进行训练，使CogView4模型具备双语提示词输入能力。
案例1：CogView4能够将中英文字符自然地融入画面，使海报、文案配图创作更加便捷。
案例2：擅长理解和遵循中文提示词，例如能够画出古诗文中的意境。
任意分辨率，任意长度提示词
其次，支持输入任意长度提示词，能够生成范围内任意分辨率图像，不仅使用户创作更加自由，也提升了训练效率。
CogView4模型实现了任意长度的文本描述（caption）和任意分辨率图像的混合训练范式。
1、图像位置编码
CogView4采用二维旋转位置编码（2D RoPE）来建模图像的位置信息，并通过内插位置编码的方式支持不同分辨率的图像生成任务。
2、扩散生成建模
模型采用Flow-matching方案进行扩散生成建模，并结合参数化的线性动态噪声规划，以适应不同分辨率图像的信噪比需求。
3、架构设计
在DiT模型架构上，CogView4延续了上一代的Share-param DiT架构，并为文本和图像模态分别设计独立的自适应LayerNorm层，以实现模态间的高效适配。
4、多阶段训练
CogView4采用多阶段训练策略，包括基础分辨率训练、泛分辨率训练、高质量数据微调以及人类偏好对齐训练。这种分阶段训练方式不仅覆盖了广泛的图像分布，还确保生成的图像具有高美感并符合人类偏好。
5、训练框架优化
从文本角度，CogView4突破了传统固定token长度的限制，允许更高的token上限，并减少了训练过程中的文本token冗余。当训练caption的平均长度在200-300 token时，与固定512 token的传统方案相比，CogView4减少了约50%的token冗余，并在模型递进训练阶段实现了5%-30%的效率提升。
混合分辨率训练使模型能够支持较大范围内的任意分辨率生成，极大地提升了创作的自由度。目标分辨率只需满足以下条件：
- $512leq H,Wleq 2048, H imes W leq 2 imes1024^2$
- $H, W == 0 (mod 32)$
案例1：以故事作为超长提示词，生成四格漫画
案例2：超复杂提示词，生成精细画面
首个遵循 Apache 2.0的图像生成模型
CogView4模型支持Apache2.0协议，后续会陆续增加ControlNet、ComfyUI等生态支持，全套的微调工具包也将推出。
最新的CogView4-6B-0304版本将于3月13日上线智谱清言（chatglm.cn）。
2025年是智谱的开源年
智谱AI成立于2019年，脱胎于清华 KEG（知识工程实验室），2020年，智谱AI开始了GLM预训练架构的研发，并训练了百亿参数模型GLM-10B。
2021年，公司利用MoE架构训练出万亿稀疏模型，于次年合作研发了双语千亿级超大规模预训练模型GLM-130B，并基于此千亿基座模型开始打造大模型平台及产品矩阵。
2023年，智谱AI推出了千亿基座的对话模型ChatGLM，并开源单卡版模型ChatGLM-6B，使得研究者和个人开发者进行微调和部署成为可能。
2024年1月，智谱推出新一代基座大模型GLM-4；6 月开源 GLM-4-9B 及视觉模型 GLM-4V-9B，多模态能力媲美 GPT-4V；7月推出视频生成模型 CogVideoX；8 月，智谱新升级基座大模型 GLM-4-Plus 推出。10 月，智谱发布端到端情感语音模型GLM-4-Voice 和大模型交互智能体（Agent）AutoGLM。11月迎来Agent新升级，推出GLM-PC。
2025年也将是智谱的开源年，智谱还将陆续开源基础模型、推理模型、多模态模型、Agent模型等。
当前，智谱在大模型商业化方面进展相比月之暗面等要好。比如，自成立以来，智谱就适配国内40多种GPU芯片，智谱还构建了MaaS、私有化部署、智能体平台等服务模式，形成包含百万规模开发者的模型服务新生态：MaaS平台支撑70余万企业、应用开发者；私有化部署方面服务金融、医疗、教育、政务等20多个行业，在万余家企事业单位实现规模化应用。
近期，智谱AI内部也调整不仅多，年前，智谱首席战略官张阔、副总裁曲滕于离职。同期，前Midjourney亚洲副总裁王玥婷加入智谱AI，主要负责多模态产品和市场。
早前，前微软亚洲研究院研究员、阿里达摩院资深技术专家、支付宝中国首席数据官胡云华也加入智谱，并担任C端应用“智谱清言”的负责人。
———————————————
雷递由媒体人雷建平创办，若转载请写明来源。
