CogVideoX ist die Open-Source-Fassung des Modells hinter QingYing. Fünf Checkpoints reichen von 720 mal 480 bis 1360 mal 768, der Speicherbedarf fällt mit INT8 von 18GB auf 3.6GB, und die 2B-Gewichte teilen die Apache-2.0-Lizenz des Codes.

Zwei Experten mit je rund 14B ergeben 27B, pro Schritt feuert aber nur einer, weshalb die Kosten nahe an einem Einzelexperten bleiben. Eine eigene 5B-Linie hält 720P bei 24fps in einer einzigen Verbraucherkarte, und den Platz dafür schafft die Kompression im VAE.

Prompts, Standbilder und Ton werden in einem Durchgang verstanden, der Stereoklang entsteht im Rendering statt danach, und 2K ist der Ausgangspunkt statt ein Zusatz. Der günstigste Werbesatz nennt einen Sekundenpreis unter einem Drittel dessen, was gängige Modelle verlangen.