سنس‌تایم مدل SenseNova 6.8 Code2Video را عرضه کرده است؛ مدلی باز که فریم‌های ویدیو را مستقیماً نمی‌کشد، بلکه برنامه‌ای می‌نویسد که آن فریم‌ها را رسم می‌کند. وزن‌های این مدل ۲۴ اکتبر ۲۰۲۶ در هاگینگ‌فیس بارگذاری شد و هم‌زمان مخزنی در گیت‌هاب زیر نام سازمان OpenSenseNova راه افتاد. شرکت ۲۸ اکتبر از طریق حساب رسمی خود در ایکس این عرضه را اعلام کرد. بر اساس کارت معرفی مدل، وزن‌ها با مجوز Apache 2.0 در دسترس است.

این مدل نسخه‌ای تنظیم‌شده با ۲۷ میلیارد پارامتر از مدل Qwen3.8-27B شرکت علی‌بابا است و پنجره بافتی به اندازه ۵۱۲ هزار توکن دارد. مدل با دریافت یک شرح کار، کدی می‌نویسد که در آن هر فریم تابعی از زمان است، آن را اجرا و رندر می‌کند، تصاویر حاصل را بررسی می‌کند و در نوبت‌های پیاپی اصلاحش می‌کند. به گفته سنس‌تایم، این روش چند ضعف مولدهای ویدیویی مبتنی بر نمونه‌گیری پیکسل را برطرف می‌کند: متن، فرمول و داده‌ها بی‌نقص روی صفحه می‌آیند، حرکت را می‌توان با معادله محاسبه کرد و چون هر جزء در کد نامی مشخص دارد، هر یادداشت فقط همان چیزی را تغییر می‌دهد که به آن اشاره دارد. در مخزن، نمونه‌ای از تابلوی پروازهای فرودگاهی به سبک قدیمی دیده می‌شود که با دو دور یادداشت کوتاه به لابی هتلی با رنگ‌های ملایم تبدیل شد و سپس یک هواپیما و چند مسافر به آن افزوده شد، بی‌آنکه متن، زمان‌بندی و سازوکار ورق‌خوردن حروف تغییر کند.

دامنه کاربرد این مدل آگاهانه محدود است. به گفته شرکت، مدل ویدیوهایی می‌سازد که بتوان آن‌ها را با کد توصیف کرد، مانند موشن‌گرافیک، ویدیوهای آموزشی، صحنه‌های دوبعدی و سه‌بعدی با سبک خاص و صدای رویه‌ای، اما تصویر واقع‌نما تولید نمی‌کند. مخزن نه فیلم نمونه و یک فیلم معرفی ۹۰ ثانیه‌ای را نشان می‌دهد که به گفته سنس‌تایم به‌طور کامل با همین مدل ساخته شده است.

این بسته فقط به وزن‌ها محدود نمی‌شود. دستورهای راه‌اندازی برای LightLLM و vLLM و SGLang ارائه شده که نسخه BF16 مدل را با بافت کامل ۵۲۴٬۲۸۸ توکنی روی چهار پردازنده گرافیکی توزیع می‌کند. همچنین یک مهارت با نام code-video برای Claude Code منتشر شده که هشت راهنمای تخصصی دارد: ویدیوی آموزشی، سبک‌های بصری، شبیه‌سازی، شخصیت‌پردازی، صحنه سه‌بعدی، موشن‌گرافیک، صدا و روایت، و هماهنگی با موسیقی، به‌علاوه ابزارهای رندر و بازبینی. یک قالب برای غنی‌سازی دستورها و مسیرهای کامل تولید هم در دسترس است. این گزارش‌ها که در قالب پیام‌های OpenAI ذخیره شده‌اند، شامل استدلال‌ها، فراخوانی ابزارها، تلاش‌های دوباره و ۳۵۷ تصویر بازبینی هستند و مسیرهای خصوصی در آن‌ها ناشناس شده، به همین دلیل نمی‌توان فرمان‌های ثبت‌شده را عیناً دوباره اجرا کرد.

روند کاری پیش‌بینی‌شده عامل‌محور و طولانی است. سنس‌تایم استفاده از Claude Code، ابزار شرکت Anthropic، را همراه با یک سرور شخصی توصیه می‌کند و می‌گوید مدل می‌تواند جلسه‌هایی بیش از ۱۰ ساعت و بیش از ۲٬۰۰۰ نوبت را دوام بیاورد؛ تنظیمات پیشنهادی شامل بافت ۵۱۲ هزار توکنی، فشرده‌سازی در آستانه ۸۰ درصد و خروجی ۶۴ هزار توکنی است. شرکت پیشنهاد می‌کند ابتدا درخواست کاربر با یک مدل عمومی قدرتمند گسترش داده شود و در آزمایش‌های خود از Claude Opus 5.5 استفاده کرده است. کارت معرفی مدل همچنین هشدار می‌دهد که هر اجرا بدون درخواست تأیید، فرمان‌های پوسته را اجرا می‌کند و بنابراین باید در محیطی جداگانه آغاز شود.

سنس‌تایم محدودیت‌ها را پنهان نمی‌کند. شرکت فقط نمونه‌های کیفی ارائه داده، می‌گوید هنوز محک ارزیابی نظام‌مندی برای ویدیوی ساخته‌شده با کد وجود ندارد و می‌پذیرد که مدل در کیفیت بصری و پایداری در کارهای طولانی به‌وضوح از قوی‌ترین مدل‌های تجاری عقب‌تر است. استقبال اولیه هم اندک است: تا ۲۹ اکتبر مخزن حدود ۱۰۸ ستاره، صفحه مدل ۴۷ پسند و پست معرفی نزدیک به ۱٬۶۰۰ بازدید داشت. گزارش‌هایی که تاکنون در TSN و Neural Brew منتشر شده بر مستندات خود سنس‌تایم تکیه دارند و هیچ ارزیابی مستقلی هنوز منتشر نشده است.

برای تیم‌هایی که زنجیره‌های تولید محتوا را با عامل‌های هوش مصنوعی می‌سازند، این عرضه یکی از نخستین تلاش‌ها با وزن‌های باز است که ساخت ویدیو را به چشم یک کار برنامه‌نویسی بلندمدت می‌بیند، نه یک مسئله نمونه‌گیری؛ مسیرهای تولید منتشرشده هم منبعی کمیاب برای فهم چگونگی پیشرفت چنین جلسه‌هایی است. اینکه آیا یک مدل باز و کوچک می‌تواند فاصله خود را با سامانه‌های تجاری کم کند، همان پرسشی است که سنس‌تایم خود در پی پاسخ به آن است.

منابع