SenseNova 6.8 Code2Video 完整解读：AI 用代码而非扩散“写”出视频，把脑洞变成成片
SenseNova 6.8 Code2Video是一款开源的代码驱动视频生成模型，走了一条和扩散模型完全不同的路：AI 不直接"画"像素，而是编写可执行代码，由程序逐帧渲染出视频。它基于 Qwen3.8-27B 微调，拥有27B 参数与512K 超长上下文，支持数学讲解、动态排版、数据故事、产品宣传片等 7 类短片创作，并以 Apache 2.0 协议开源。
为什么用代码，而不是扩散模型？💻
传统 AI 视频生成（text-to-video）靠扩散模型从噪声里"猜"出像素，效果好但像开盲盒：同样的提示词两次结果可能不同，精细改动只能反复抽卡。
SenseNova 6.8 Code2Video 的思路是让模型当程序员：
| 维度 | 扩散式视频生成 | SenseNova 6.8 Code2Video |
|---|---|---|
| 中间产物 | 潜在噪声 | 一套可执行的代码工程 |
| 交付物 | 一段 mp4 | 代码工程 + mp4 + 规格文档 |
| 可控性 | 依赖提示词反复试错 | 代码可精确编辑、参数化调整 |
| 可复现性 | 同 seed 不保证同画面 | 代码确定性渲染，可复现 |
| 生态扩展 | 相对封闭 | 代码可调用图像生成、3D 建模、视频剪辑工具，串起完整工作流 |
官方在 README.md 中的定位很明确：代码是"创意与成片之间的通用语言"。当前版本聚焦纯代码实现的短视频，长期目标是让模型通过代码协调多种生成工具，覆盖剪辑、合成、动画与 3D 内容。
它到底能做出什么：7 类短片场景 🎬
模型的能力面覆盖七类创作方向：数学讲解动画 / 纸艺风格短片 / 等距（isometric）世界 / 动态排版 / 数据故事 / 角色动画 / 产品宣传片。
下图是模型在"动态排版"场景中产出的分镜设计稿：画布上标注了字距、行距、时间轴与参数，整张"设计图"本身就是代码算出来的。
再比如"数据故事"方向：用程序构建地形三维模型，调节光照角度与垂直夸张系数，让山脊与土丘清晰浮现，画面自动配上解说字幕——这种参数化的可视化正是代码路线的强项。
代码如何"画"出一帧画面：傅里叶级数的魔法
很多人好奇：代码怎么画字？答案其实是数学。下面这张成片中，单词 "WORD" 的每个发光笔画，都是用傅里叶级数（多个旋转圆叠加）计算出来的轨迹：
同一套规则换个系数，就能画出方波、字母乃至任意路径。比如这帧"SUM OF MANY"画面：左侧一叠大小不一的圆（谐波链）旋转累加，右侧实时描出对应的波形——这就是 AI 写的代码在逐帧渲染时的样子：
由于每一帧都由确定性公式计算，模型改一个参数（半径、相位、速度）就能精确微调画面，而不需要重新"抽卡"。
三步走：从一句想法到成片的制作流程
官方给出的生产流程分三个阶段，人只需要在第一、三阶段提需求：
| 阶段 | 执行者 | 产出 |
|---|---|---|
| 1️⃣ 提示词增强 | 通用强模型 + 官方增强模板 | dense_prompt.md（细化创意脚本） |
| 2️⃣ 制作 | SenseNova 6.8 Code2Video + Claude Code 环境 | out/final.mp4、SPEC.md、VERIFY.md |
| 3️⃣ 修改（可选） | 创作者写修改意见，模型在同一工程内应用 | 影片新版本 |
制作阶段本质是一个**"写代码 → 渲染 → 看帧 → 改代码"的自我迭代循环**。比如下面这帧，模型正在逐笔渲染霓虹单词 "LIGHT"，画面上方保留着公式与频谱信息，右下角是代码里内置的频率可视化面板：
模型是多模态架构（config.json 中包含视觉编码器与image_token_id/video_token_id），所以它真的能"看见"自己渲染出的画面，据此发现穿帮、节奏问题并自行修正——这是纯文本模型做不到的闭环。
长程 Agent：一次运行 10 小时、2000+ 轮 ⏱️
一部完整短片是典型的长程任务。官方建议用 Claude Code 作为执行环境，并给出了一组关键参数（完整说明见 README.md 的 "Recommended harness" 一节）：
| 设置项 | 推荐值 |
|---|---|
| 上下文窗口 | 512K（CLAUDE_CODE_MAX_CONTEXT_TOKENS=524288） |
| 自动压缩阈值 | 0.8（CLAUDE_AUTOCOMPACT_PCT_OVERRIDE=80） |
| 单次最大输出 | 64K tokens |
| 单轮运行 | 2000 轮以上 |
| 单片耗时 | 10 小时以上 |
官方实测模型可以稳定支撑超过 10 小时、2000+ 轮的连续运行：写代码、跑渲染、审查帧、再修改，一个循环接一个循环，直到交付成片。
快速部署：三种推理框架任选 ⚙️
模型是标准 Hugging Face 权重，用主流推理框架即可起服务。先把仓库克隆到本地：
git clone https://gitcode.com/SenseNova/SenseNova-6.8-Code2Video然后三选一（以 vLLM 为例，核心参数为4 卡张量并行 + 524288 上下文）：
docker run --rm --gpus all --ipc=host -p 8000:8000 \ -e VLLM_ALLOW_LONG_MAX_MODEL_LEN=1 \ -v /path/to/SenseNova-6.8-Code2Video:/model \ vllm/vllm-openai:latest \ --model /model --tensor-parallel-size 4 \ --max-model-len 524288 --reasoning-parser qwen3 \ --enable-auto-tool-choice --tool-call-parser qwen3_coder \ --host 0.0.0.0 --port 8000LightLLM 与 SGLang 的等价启动命令同样列在 README.md 中，参数基本一致（tp 4+ 512K 上下文 + qwen3 工具调用解析器），按机器环境任选即可。
开源的生产轨迹：一部片子的"完整工作日记" 📼
最有价值的是 trajectories/all.openai.jsonl：每行一整部影片，OpenAI 消息格式，包含完整推理、工具调用、重试与压缩摘要。配套的 357 张过程截图全部放在 trajectories/figures/ 目录下，相当于把 AI 导演的工作台整个开放出来，非常适合作为微调、复现或研究 Agent 长程任务的语料。
例如这帧 "SAME RULE, NEW COEFFICIENTS"：同一套谐波规则换一组系数，轨迹就重绘成方形路径——正是模型在迭代调试系数时的截图：
模型规格一览 📊
| 项目 | 内容 |
|---|---|
| 基座模型 | Qwen3.8-27B 微调 |
| 架构 | Qwen3_5ForConditionalGeneration（多模态，线性注意力混合） |
| 参数量 / 上下文 | 27B / 512K |
| 权重分片 | 12 个 safetensors 文件，索引见 model.safetensors.index.json |
| 默认生成参数 | temperature 1.0、top_p 0.95、top_k 20（见 generation_config.json） |
| 对话模板 | chat_template.jinja |
| 许可证 | Apache 2.0 |
写在最后
SenseNova 6.8 Code2Video 证明了"轻量模型 + 代码"这条路的潜力：视频不必从噪声里生成，也可以一行行写出来。代码带来确定性、可编辑性与工具串联能力，让 AI 视频创作第一次有了"工程化"的质感。对于想复现、二次开发或研究长程 Agent 的开发者，这套模型 + 技能包 + 开源轨迹的组合，是目前相当完整的起点。🎬
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
