CogVideoX est la version open source du modèle derrière QingYing. Cinq checkpoints vont de 720 sur 480 à 1360 sur 768, le besoin mémoire tombe de 18GB à 3.6GB avec INT8, et les poids 2B partagent la licence Apache 2.0 du code.

Deux experts d'environ 14B font 27B au total, mais un seul s'active par étape, donc le coût reste proche d'un modèle à expert unique. Une branche 5B garde le 720P à 24fps dans une seule carte grand public, et c'est la compression du VAE qui fait la place.

Les consignes, les images fixes et le son sont lus d'un seul tenant, la stéréo naît dans le rendu au lieu d'être ajoutée après, et le 2K sert de point de départ. Le tarif mis en avant reste un prix à la seconde que l'éditeur place sous le tiers des modèles courants.