从 CogVideoX / CogVideoX-1.5 看视频模型的音画同步趋势（算笔账·补充）

上周花了点时间做验证，结果还挺意外。最近有不少朋友问起，正好一起聊聊。 「成本账」把硬件、时间与授权成本摊开来算，别只看跑分。 CogVideoX / CogVideoX-1.5 是智谱 AI·清华 KEG的作品，公开信息显示发布于2024；1.5 代 2025。参数规模方面，2B / 5B；1.5-5B，许可协议是2B 为 Apache 2.0；5B 为 CogVideoX 专用许可（商用需登记，月访问 100 万次上限）。 实操层面，5B 合理设置约 8GB；1.5-5B INT8+CPU offload 量化后约 4.4GB；2B 16GB 卡可跑。 从高校研究员的角度看，实用价值是第一考量。值得划重点的地方：6-8GB 老卡是全清单唯一现实选项；3D Causal VAE（空间 8×8、时间 4 帧压缩）。 觉得有用的话，回帖告诉我。有不同看法欢迎补充，一起进步。—— 保持好奇，保持敬畏。