智谱宣布开源其与「清影」同源的视频生成模型CogVideoX，首先开源的是CogVideoX-2B版本。该模型能在30秒内将任意文图转换成视频。CogVideoX-2B在FP-16精度下的推理仅需18GB显存，微调则只需要40GB显存，因此配备4090显卡的计算机可用于推理，而A6000显卡则足够完成微调工作。