Mô hình "viết code để tạo video" của SenseTime được tinh chỉnh từ Qwen3.8-27B: Kết hợp với kỹ năng code-video chính thức trong Claude Code, mô hình tự viết chương trình để kết xuất từng khung hình, xem ảnh chụp màn hình kết xuất để kiểm tra, chỉnh sửa lặp đi lặp lại và cuối cùng xuất ra final.mp4; mô hình này tạo ra các đồ họa động, giải thích toán học, các cảnh 2D / 3D được cách điệu và hiệu ứng âm thanh theo chương trình có thể biểu diễn bằng code, không tạo ra hình ảnh chân thực.
Điểm tăng 61 · Lượt thích 61 · Lượt tải 266
Lý do
- Khác với các mô hình video khuếch tán (diffusion), mỗi phần tử trong khung hình đều là một đối tượng được đặt tên cụ thể trong code: văn bản, công thức và dữ liệu biểu đồ đều chính xác từng ký tự; việc thay đổi kích thước, thời gian hoặc quỹ đạo chuyển động chỉ cần chỉnh sửa vài dòng code, các phần còn lại giữ nguyên; sau khi giao bài, vẫn có thể tiếp tục kết xuất lại trong cùng một dự án dựa trên các phản hồi chỉnh sửa.
- Nhà phát triển tuyên bố mô hình có thể chạy liên tục hơn 10 giờ, hơn 2,000 vòng lặp, với ngữ cảnh 512K; đồng thời công khai toàn bộ quá trình sản xuất (cuộc hội thoại, các lệnh gọi công cụ và 357 ảnh chụp màn hình kiểm tra), thuận tiện cho việc nghiên cứu các tác nhân (agent) dài hạn.
- Ra mắt vào ngày 24 tháng 10, giấy phép Apache-2.0, trước đó chưa được liệt kê trong các kỳ trước; thẻ mô hình kèm theo một đoạn video ngắn 90 giây, nhà phát triển tuyên bố đoạn video này do chính mô hình tạo ra.
Cách sử dụng
- Triển khai: LightLLM, vLLM hoặc SGLang với song song tensor trên 4 GPU (--tp 4 / --tensor-parallel-size 4), đặt độ dài ngữ cảnh là 524288, sử dụng bộ phân tích suy luận qwen3 và bộ phân tích công cụ qwen3_coder cho vLLM / SGLang.
- Chỉ định Claude Code trỏ đến endpoint của bạn: Trong tệp settings riêng tư, đặt ANTHROPIC_BASE_URL, CLAUDE_CODE_MAX_CONTEXT_TOKENS=524288, CLAUDE_AUTOCOMPACT_PCT_OVERRIDE=80, CLAUDE_CODE_MAX_OUTPUT_TOKENS, --max-turns 2000; sao chép nguyên trạng thư mục skills/code-video từ kho lưu trữ vào .claude/skills/code-video trong thư mục tác vụ, ngoài ra cần có Node.js 18+, Python 3, ffmpeg và Playwright Chromium.
- Ba bước: Đầu tiên, sử dụng một mô hình mạnh hơn để mở rộng một yêu cầu ngắn thành dense_prompt.md theo mẫu enhance_prompt chính thức; tiếp theo, để mô hình này tạo video theo kỹ năng (out/final.mp4, SPEC.md, VERIFY.md); sau đó, sử dụng --continue để viết các phản hồi chỉnh sửa và lặp lại quy trình.
Rủi ro
- Chỉ có các ví dụ định tính, nhà phát triển cho biết chưa có đánh giá hệ thống và thừa nhận rằng độ hoàn thiện của hình ảnh và độ tin cậy trong các tác vụ dài hạn còn kém hơn đáng kể so với các mô hình đóng mã nguồn mạnh nhất.
- Một lần tạo video đòi hỏi nhiều giờ thời gian chạy tác nhân và ngữ cảnh rất dài, mô hình 27B được triển khai trên 4 GPU; các ví dụ chính thức sử dụng chế độ acceptEdits để cho phép tác nhân thực thi lệnh mà không cần xác nhận, do đó cần chạy trong một môi trường cách ly.
- Không thể tạo video chân thực; nhà phát triển khuyến nghị giao phần mở rộng prompt cho các mô hình đa năng mạnh hơn.