CogView3-Plus，开源了！

最新推荐文章于 2025-04-24 13:50:26 发布

Langchain

最新推荐文章于 2025-04-24 13:50:26 发布

阅读量1.1k

点赞数 23

CC 4.0 BY-SA版权

文章标签：开源自然语言处理人工智能 langchain llama

本文链接：https://blog.youkuaiyun.com/Langchain/article/details/142918943

我们已经开源了 CogView3 以及 CogView3-Plus-3B 。

先看下 CogView3-Plus-3B 的效果：

还不错，对吧？

CogView3

CogView3 是一个基于级联扩散的 text2img 模型。

更具体来讲，CogView3 包含三个阶段：

第一阶段：利用标准扩散过程生成 512x512 低分辨率的图像。

第二阶段：利用中继扩散过程，执行 2 倍的超分辨率生成，从 512x512 输入生成 1024x1024 的图像。

第三阶段：将生成结果再次基于中继扩散迭代，生成 2048×2048 高分辨率的图像。

在实际效果上，CogView3 在人工评估中比目前最先进的开源文本到图像扩散模型 SDXL 高出 77.0%，同时只需要 SDXL 大约 1/10 的推理时间。

更具体的方法细节，可以在这篇文章中查看。

论文链接：https://arxiv.org/abs/2403.05121

CogView3-Plus

CogView-3-Plus 在 CogView3（ECCV’24）的基础上引入了最新的 DiT 框架，以实现整体性能的进一步提升。

其采用了 Zero-SNR 扩散噪声调度，并引入了文本-图像联合注意力机制。与常用的 MMDiT 结构相比，它在保持模型基本能力的同时，有效降低了训练和推理成本。CogView-3Plus 使用潜在维度为 16 的 VAE。

借由混合分辨率训练，CogView-3Plus 模型支持 512 ~ 2048 像素区间内分辨率的灵活生成。

下面是在各类评测上的结果：

从效果上看，CogView3-plus 有着和最领先的 text2img 模型持平的水平。

上：A pink colored car.

下：A stack of 3 cubes. A red cube is on the top, sitting on a red cube. The red cube is in the middle, sitting on a green cube. The green cube is on the bottom.

图像编辑功能

该系列模型的能力，已经上线「智谱清言」（chatglm.cn），可以在清言上体验。

本次，我们开源了该系列中的 3B 模型。

开源仓库地址：

https://github.com/THUDM/CogView3

Plus 开源模型仓库：

https://huggingface.co/THUDM/CogView3-Plus-3B

https://modelscope.cn/models/ZhipuAI/CogView3-Plus-3B

开源规划：

CogView3 以及 CogView3-Plus 模型均使用 Apache 2.0 协议。
9月29日，我们在 ECCV 大会上开源了 CogView3 模型和 CogView3-Plus 模型。
10月11日，我们完成了 CogView3-Plus-3B 模型的 Diffusers 版本的适配，目前，你可以从 https://github.com/huggingface/diffusers 源代码安装以快速开始使用。
Lora / SFT：我们将会基于 Diffusers 框架搭建一套微调方案。
ControlNet 适配：使用 Diffusers 框架适配 ControlNet。

更多智谱开源：

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望