SenseTimeがQwen3.8-27Bからファインチューニングした「コードで動画を作る」モデル：Claude Code内で公式のcode-videoスキルと連携し、プログラムを自作してフレームごとにレンダリング、レンダリング結果のスクリーンショットを確認して修正を繰り返し、最終的にfinal.mp4を納品する。コードで表現可能なモーショングラフィックス、数学解説、スタイル化された2D / 3Dシーン、およびプロシージャルな効果音を生成し、リアルな映像は生成しない。
上昇スコア 61 · いいね 61 · ダウンロード数 266
理由
- 拡散モデルベースの動画生成とは異なり、画面内の各要素はコード内の名前付きオブジェクトであるため、テキスト、数式、グラフデータが文字単位で正確であり、サイズ、タイミング、または動きの軌跡を変更する際は数行のコードを修正するだけで、他の部分は変更されない。納品後も修正意見に基づき、同一プロジェクト内で再レンダリングが可能。
- 公式によれば、連続稼働時間は10時間以上、2,000ラウンド以上、コンテキスト長は512Kに達する。また、完全な制作プロセス（対話、ツール呼び出し、および357枚の検証用スクリーンショット）が公開されており、長期的なエージェントの研究に有用である。
- 10月24日にリリースされ、ライセンスはApache-2.0。以前の号では未収録。カードには90秒のリリース用ショート動画が付属しており、公式によればこのモデルによって制作されたもの。
使い方
- デプロイ：LightLLM、vLLM、またはSGLangで4カードのテンソル並列（--tp 4 / --tensor-parallel-size 4）を使用し、コンテキスト長を524288に設定。vLLM / SGLangではqwen3推論パーサーとqwen3_coderツールパーサーを使用。
- Claude Codeを自身のエンドポイントに向ける：プライベート設定でANTHROPIC_BASE_URL、CLAUDE_CODE_MAX_CONTEXT_TOKENS=524288、CLAUDE_AUTOCOMPACT_PCT_OVERRIDE=80、CLAUDE_CODE_MAX_OUTPUT_TOKENSを設定し、--max-turns 2000を指定。リポジトリのskills/code-videoをタスクディレクトリの.claude/skills/code-videoへそのままコピー。さらにNode.js 18+、Python 3、ffmpeg、およびPlaywright Chromiumが必要。
- 3段階の手順：まず強力なモデルを用いて公式のenhance_promptテンプレートに従い、簡潔な要件をdense_prompt.mdに拡張する。次に本モデルにスキルに従って動画を出力させる（out/final.mp4、SPEC.md、VERIFY.md）。その後、--continueオプションを使用して修正意見を書き込み、反復的に改善する。
リスク
- 定性的な例示のみであり、公式は体系的なベンチマーク評価がまだ実施されていないことを明記し、視覚的な完成度と長期的な信頼性において、最強のクローズドソースモデルに明確に劣後していることを認めている。
- 1回の動画生成には数時間分のエージェント実行時間と非常に長いコンテキストが必要であり、27Bモデルは4カードでのデプロイを前提とする。公式の例では、エージェントが確認なしでコマンドを実行するacceptEditsモードを使用しているため、隔離された環境での実行が必要。
- リアルな動画は生成できない。プロンプト拡張の段階では、より強力な汎用モデルに委ねることが公式から推奨されている。