CogVideoX
智谱AI推出的开源视频生成模型，支持文本到视频生成，与MiniMax Video-01等为同期竞品
时间轴 (近 90 天)
ComfyUI社区曾有针对Flux、CogVideoX等模型的显存管理改进案例
主流的开源视频模型如CogVideoX、Wan在相机控制上普遍存在响应不精确的问题
与 Wan、CogVideoX 等同期模型相比，MiniMax 模型的参数规模较大，本地部署对硬件要求偏高
主流可本地部署视频生成模型包括字节跳动的 CogVideoX、快手的 Wan，商业 API 方面有 Runway、Pika、Kling 等
CogVideo(及其后续版本CogVideoX)由清华大学和智谱AI开发,采用3D因果VAE
主流图像和视频生成模型在编码阶段使用VAE进行多次下采样，每次通常将分辨率减半，因此原始尺寸需能被8、16或32整除以避免张量维度不匹配
CogVideoX 是智谱 AI 开源的视频生成模型，基于 3D 因果 VAE 和专家 Transformer 架构，支持文本到视频和图像到视频两种生成模式
全部知识事实 (7)
ComfyUI社区曾有针对Flux、CogVideoX等模型的显存管理改进案例
50%待验证主流的开源视频模型如CogVideoX、Wan在相机控制上普遍存在响应不精确的问题
50%待验证与 Wan、CogVideoX 等同期模型相比，MiniMax 模型的参数规模较大，本地部署对硬件要求偏高
50%待验证主流可本地部署视频生成模型包括字节跳动的 CogVideoX、快手的 Wan，商业 API 方面有 Runway、Pika、Kling 等
50%待验证CogVideo(及其后续版本CogVideoX)由清华大学和智谱AI开发,采用3D因果VAE
50%待验证主流图像和视频生成模型在编码阶段使用VAE进行多次下采样，每次通常将分辨率减半，因此原始尺寸需能被8、16或32整除以避免张量维度不匹配
50%待验证CogVideoX 是智谱 AI 开源的视频生成模型，基于 3D 因果 VAE 和专家 Transformer 架构，支持文本到视频和图像到视频两种生成模式
50%