不是采样像素，而是写代码
10 月 24 日，商汤 SenseNova 团队在 Hugging Face 上传 SenseNova 6.8 Code2Video 权重，10 月 28 日通过官方渠道正式公布。这款模型给出的不是又一段「更像」的采样视频，而是一套把视频当作长程编程任务来处理的思路：给定一段需求，它写出可执行的代码，由代码逐帧渲染出成片，再自检、修订，如此循环。团队把权重、部署命令、code-video 技能与完整生产轨迹一并开源，许可为 Apache 2.0，可商用、可自托管。
从规格看，SenseNova 6.8 Code2Video 是一个 27B 参数的模型，基于 Qwen3.8-27B 微调，上下文长达 512K（524288 token）。它聚焦「整段都能用代码实现」的短视频：动效、讲解动画、风格化 2D/3D 场景与程序化音效，并不生成写实影像。官方建议用 Claude Code 作为运行外壳，单次制作可跑到 2000 轮以上、10 小时以上。
为什么要把视频生成换成代码路径
传统扩散视频模型一次黑盒采样出整段画面，尺寸、时序与运动轨迹都隐含在结果里，改一处往往要重新生成整段，屏幕上的文字、公式、数据更是最容易糊化的地方。Code2Video 的思路反过来：每个画面元素都是代码里命名的对象，文字按字排版、数据来自源文件，坐标与镜头路径都是可核对的显式数字，同一段代码对同一时刻永远渲染同一帧。
好处落在三处。一是可改：改颜色、节奏或风格只是改几行，没被要求改的部分纹丝不动；二是可控：文字精确、物理由方程计算而非从外观猜测；三是更省：一帧由程序绘制，局部修改只重渲被改动的部分，比采样一整段视频便宜。正因如此，代码渲染还能充当快速预览，交给更强的视频模型去「上色」，而代码本身可产出带深度、镜头位姿的精确标注数据，反哺世界模型与三维重建。
开放到什么程度，边界在哪
这次开源不只是权重。仓库里同时给出 LightLLM、vLLM、SGLang 三套部署命令（示例为 4 卡并行、上下文 524288），一套含八类 craft 指南与渲染/检查工具的 code-video 技能，以及以 OpenAI messages 格式保存、含推理与工具调用与 357 张复核图的完整生产轨迹（路径已脱敏）。官方还给出了把简短需求扩写成制作纲要的提示增强模板。换句话说，研究者拿到的是从「写代码」到「出片」的可复现工作流，而不只是一个 checkpoint。
边界也写得直白：不做写实影像；单次制作常需数小时；目前只有定性样例，代码驱动视频还没有系统评测基准；在画面精致度与长程稳定性上，官方明确承认明显落后领先的闭源模型。这些自述让这份开源更像一份「换赛道」的方法论演示，而非与采样视频模型在同一指标上硬碰。
为什么值得关注：开源视频生成换了一条赛道
过去一年的开源视频工作大多在与闭源模型比「每采样更优的像素」，SenseNova 6.8 Code2Video 绕开了这场竞赛，去啃那些采样帧本就是错误输出的活儿——标题、图表、公式、产品演示，任何画面上有数字或文字的场景。对做智能体内容流水线的团队而言，它把视频生成重新定义成长程编码任务，并附上稀缺的生产轨迹素材，这比又多一个基准条目更有参考价值。
更长的价值在生态层。代码既能直接搭建视觉内容，也能调用图像、视频、三维与编辑模型，把生成、剪辑、合成串成完整创作流；同一段程序因为一切数量都可核对，又能反过来产出精确标注的训练数据。在 27B 这一体量上，商汤用 Apache 2.0 把「代码即画面」的早期形态交到社区手里，后续能否靠小模型拉近与闭源的差距，正是团队自己在发布里抛出的问题。无论答案如何，它都给开源视频生成多开了一条不靠堆像素的路线。