商汤开源 SenseNova 6.8 Code2Video 视频创作模型：生成可执行代码渲染短视频

2026 年 10 月 28 日——商汤科技于 10 月 24 日开源代码驱动视频创作模型 SenseNova 6.8 Code2Video，模型基于 Qwen3.8-27B 微调、支持 512K 上下文，通过生成可执行代码构建并渲染视频，权重、示例轨迹与 code-video Skill 以 Apache 2.0 许可一并开放。

发布概况

据 GitHub 仓库 OpenSenseNova/SenseNova-6.8-Code2Video 与 HuggingFace 模型卡信息，该模型定位为轻量级开源模型，目前专注于完全由代码实现的短视频创作。本次发布包含四部分：模型权重（54.9GB，12 个 safetensors 分片）、358 个完整生产轨迹文件（含消息、工具调用与渲染审查图像）、code-video Skill 工作流技能包，以及提示词增强模板。

截至 10 月 28 日实测，HuggingFace 仓库获 37 个赞、66 次下载，GitHub 仓库获 62 个星标。官方 README 声明，发布页 90 秒宣传片与展示区的 9 部短片均由该模型自行制作。

官方选择代码路线的理由

官方在 README 中表示，现有生成式视频模型在单次黑盒采样中整段出片，存在三类问题：动作看似合理但物理上不成立、改动一处需重新采样整段、屏幕上的文字公式图表等要求精确的内容容易出错。

官方认为代码路线对应具备四点优势：每个元素都是代码中的具名对象，改一处其余不变；文字逐字排版、公式与数据取自真实来源，每帧都是时间 t 的纯函数，同样代码渲染结果确定；运动、碰撞与光照按方程计算而非从外观猜测；帧由程序在普通硬件上绘制，编辑时只重渲染改动部分，渲染成本远低于视频模型采样。

关于长期规划，官方表示希望让代码成为从想法到成品的通用语言，下一步将把该能力扩展到剪辑、合成、动画与 3D 内容创作；代码渲染还可作为视频生成模型的快速预演（previs），并因所有数值已知，可产出带精确标注的深度、相机位姿、多视角渲染数据，服务世界模型与 3D/4D 重建研究。

成片交付后的持续修改机制

据官方演示，成片交付后用户可在同一会话中提出修改意见（更换风格、增加元素、调整节奏），模型在同一项目内编辑代码并重新渲染，未要求改动的文案、时序与机制保持原样。官方展示了复古机场翻牌板案例：初版为聚光灯下的深色翻牌板，第二轮改为明亮的粉彩酒店大堂，第三轮加入头顶飞过的飞机与拖行李旅客，每轮只需一句简短反馈。

运行能力方面，官方称模型可持续 1000 轮以上的会话；搭配推荐的 Claude Code 框架可支持 10 小时以上、2000 轮以上的单次运行，并给出上下文 512K、自动压缩阈值 80%、单次输出 64K 等具体配置参数。code-video Skill 将生产固化为明确可核查的流程：撰写规格、逐帧按时间函数渲染、以联系表图像审查、对交付文件校验，并附讲解片、风格化视觉、物理仿真、角色、3D 场景、动态图形、声音与旁白、音乐同步 8 个工艺指南。部署侧提供 LightLLM、vLLM、SGLang 三种推理方案，均为张量并行 4 卡配置。

官方披露的局限

官方在 Limitations 章节明确表示，该模型在视觉质感与长程稳定性上明显落后于最强的闭源模型，缩小这一差距正是本次以小模型开源的目的。其他局限包括：不生成照片级真实画面，能力范围限于动态图形、讲解片、风格化 2D/3D 场景与程序化音频；一次完整生产需数小时智能体时间与长上下文，效果依赖框架配置；目前仅提供定性示例，尚未建立代码驱动视频的系统性基准，官方称构建该基准是重要的开放问题；模型自带的提示词增强仅为基础水平，建议先用 Claude Opus 5.5 等强模型将短需求扩写为完整制作brief以提升成片美感。

数据一览