Trzy pokolenia CogVideoX, trzy stopnie zamknięcia: Apache 2.0, licencja odwoływalna, w końcu żadnych wag

Linia wideo Z.ai wydała w dwa lata trzy pokolenia i każde następne trudniej wykorzystać swobodnie niż poprzednie. Katalog ma teraz wszystkie trzy, więc całą sekwencję da się przeczytać w jednym miejscu. 6 sierpnia 2024 roku producent opublikował CogVideoX-2B, swój pierwszy model wideo z wagami do pobrania: sześć sekund obrazu 720x480 przy ośmiu klatkach na sekundę, od 4 GB pamięci karty w bibliotece diffusers i od 3,6 GB przy kwantyzacji INT8. Wyszedł na własnym, restrykcyjnym dokumencie producenta. Trzy tygodnie później, 27 sierpnia 2024 roku, jeden wpis w dzienniku zmian projektu załatwił dwie sprawy naraz. Ogłosił większy model CogVideoX-5B — te same sześć sekund, to samo 720x480, około 5,6 mld parametrów w transformerze wideo zamiast 1,7, od 5 GB pamięci w BF16 — a w ostatnim zdaniu przeniósł model 2B na licencję Apache 2.0. Większy model tego samego nie dostał. Wyszedł na dokumencie CogVideoX License, w którym udzielone prawo jest wprost odwoływalne, użytek naukowy jest wolny, a każdy użytkownik komercyjny musi zarejestrować się u producenta i nie przekraczać miliona odwiedzin usługi miesięcznie. Mały model stał się więc naprawdę wolny dokładnie tego dnia, w którym duży przyszedł bez tej wolności. To odwrotność zwykłego układu, w którym producent otwiera mały model jako próbkę, a flagowca zatrzymuje dla siebie — tutaj flagowiec został wydany, ale na warunkach, z których mniejszy właśnie się wypisał. Trzeci krok odebrał wybór. CogVideoX-3 z lipca 2025 roku nie ma publicznych wag w ogóle. To produkt hostowany: do 3840x2160, pięć albo dziesięć sekund, 30 albo 60 klatek na sekundę, opcjonalna wygenerowana ścieżka dźwiękowa, ryczałt 0,20 USD za nagranie. Kto zbudował coś na wersjach otwartych, nie pójdzie z tą linią dalej — może tylko zacząć od nowa na cudzych wagach albo płacić za każde nagranie. Dwa otwarte modele nie zostały porzucone. W 30 dniach do 4 września 2026 roku CogVideoX-2B pobrano na Hugging Face 20 387 razy, a CogVideoX-5B 17 161 razy — dwa lata po premierze i rok po tym, jak pokolenie, które je zastąpiło, przestało być do pobrania.