智谱技术团队近日宣布，其最新研发的文生图模型CogView3及CogView3-Plus-3B已正式开源，并已在“智谱清言”App上线。这一系列模型展现了强大的文本到图像的生成能力。
CogView3模型基于级联扩散机制，分为三阶段：首先生成512x512低分辨率图像，然后通过中继扩散过程实现2倍超分辨率，最终生成2048x2048高分辨率图像。
据官方介绍，CogView3在人工评估中表现卓越，比目前最先进的开源文本到图像扩散模型SDXL高出77.0%，且推理时间仅需SDXL的约十分之一。
而CogView3-Plus模型则在CogView3的基础上，引入了最新的DiT框架，采用Zero-SNR扩散噪声调度，并加入文本-图像联合注意力机制，进一步提升了整体性能。
CogView3及CogView3-Plus-3B的开源仓库地址分别为：https://github.com/THUDM/CogView3 和 https://huggingface.co/THUDM/CogView3-Plus-3B，同时在ModelScope平台也可获取：https://modelscope.cn/models/ZhipuAI/CogView3-Plus-3B
