ApX 标志ApX 标志

趋近智

CogVideoX 2B

参数

2B

模态

Video

辅助参数

4.86B

架构

Diffusion Transformer

许可证

Apache 2.0

发布日期

6 Aug 2024

API 价格 (每 1M)

仅支持自建托管

硬件选型

精度

工作负载显存: 3.67 GB

INT4 · 1024x1024

DiT 骨干权重: 0.93 GB

VAE 解码工作区: 0.23 GB

运行时与计算图: 2.50 GB

最小所需硬件

1x NVIDIA L4 24GB

3.7 / 21.6 GB usable

1x RTX 3060 12GB

3.7 / 10.8 GB usable

Apple M4 24GB

3.7 / 18.0 GB usable

确定特定工作负载的硬件需求:

在显存计算器中打开

架构图

Noisy Video Latents3D Spatio-Temporal VAE Latents3D Patch Embedding3D Spatio-Temporal PatchifyHidden: 1.9k · Text: 4.86B enc · Timestep (t)x 30 DiT blocksAdaLN ModulationNorm · Timestep scale/shiftSpatio-Temporal Attention30 headsHead dim: 64+AdaLN ModulationNorm · Timestep scale/shiftFeed-Forward (MLP)Activation+Final Norm (AdaLN Scale)Predicted Velocity (v)Denoised 3D Latents to VAE

关于 CogVideoX 2B

CogVideoX 2B is a lightweight 2B parameter video transformer by Zhipu AI, providing fast video generation on consumer GPUs with lower compute requirements.

技术规格

注意力

注意力头

30

注意力头维度

64

维度

辅助参数

4.86B

隐藏维度大小

1,920

层数

30

关于 CogVideoX


其他 CogVideoX 模型