Zhipu AI(칭화대 계열)가 오픈소스로 공개한 최고 수준의 비디오 생성 모델, 3D 인과 VAE와 전문가 트랜스포머 아키텍처 탑재.
GitHub 및 Hugging Face를 통해 모델 가중치와 코드(CogVideoX-2B/5B) 전면 오픈소스 공개, 로컬 GPU 무료 배포 지원.
CogVideoX는 칭화대 기반의 중국 대표 인공지능 연구 기업 Zhipu AI가 개발하여 글로벌 AI 커뮤니티에 전면 오픈소스로 공개한 차세대 고화질 비디오 생성 모델입니다. Sora나 Runway Gen-3와 같은 독점 폐쇄형 모델과 달리, 누구나 로컬 환경에서 무료로 실행하고 파인튜닝할 수 있는 최고 수준의 개방형 연구 성과입니다. 핵심 기술 혁신으로 시공간을 8x8x4 비율로 무손실 압축하는 독창적인 3D Causal VAE(3D 인과 변분 오토인코더)를 도입하여 VRAM 메모리 점유율을 획기적으로 낮췄으며, 텍스트와 비디오 토큰을 하나로 통합 처리하는 멀티모달 Expert Transformer 아키텍처를 적용했습니다. 텍스트-비디오(T2V) 및 이미지-비디오(I2V)를 모두 지원하며, 일반 소비자용 GPU(RTX 3090/4090)에서도 구동 가능한 2B 모델과 시네마틱 품질의 5B 모델을 제공합니다.