SenseNova 6.8 Code2Video是一个开源的 AI 代码视频生成模型——它不靠扩散模型"画"视频，而是直接编写可执行代码来构建并渲染整部短片。模型基于 Qwen3.8-27B 微调而来，支持 512K 超长上下文，一次运行可以持续 10 小时以上、2000+ 轮。本文为你整理部署与使用中 10 个新手最常踩的坑：上下文长度报错、请求被截断、GPU 显存不足、超时中断、隔离环境配置等，照着排查即可快速跑通。

30 秒认识 SenseNova 6.8 Code2Video

它的核心思路是：代码成为"想法"与"成片"之间的通用语言。模型用代码描述画面、编排运动，还能通过代码调用图像生成、视频生成、3D 建模等工具，把生成、编辑、合成串成完整工作流。适合做数学讲解、纸艺风短片、等距世界、动态字体、数据故事等创意短片。

关键规格一览（来自模型配置文件）：

💡 权重、配置、tokenizer 都在这份仓库里：config.json、generation_config.json、chat_template.jinja、preprocessor_config.json 与 processor_config.json。

先看懂三步创作流程，再开始配置

一部完整的片子分三个阶段，90% 的配置问题都发生在第 2 步：

一个完整片长的制作是典型的"长程任务"：模型反复写代码 → 渲染 → 审查帧画面 → 修改，一轮接一轮。官方示例轨迹（trajectories/all.openai.jsonl）记录了这类完整过程，全部 357 张审查帧存放在 trajectories/figures/。

10 个新手常见问题（避坑清单）

坑 1：服务端直接报错"上下文太长"——引擎默认上限没放开

512K 上下文超过了多数推理引擎的默认长度上限，启动服务时必须显式放开并指定长度：

• vLLM：加环境变量VLLM_ALLOW_LONG_MAX_MODEL_LEN=1，参数写--max-model-len 524288
• SGLang：加SGLANG_ALLOW_OVERWRITE_LONGER_CONTEXT_LEN=1，参数写--context-length 524288
• LightLLM：参数写--max_req_total_len 524288

完整启动命令见 README.md。忘了环境变量，服务要么起不来、要么长度被悄悄截短。

坑 2：服务起来了，Claude Code 却只给模型 200K 上下文

Claude Code 对"不认识"的模型默认按200K处理。如果你没有显式声明，长任务很快会撞到天花板。在配置中写明：

CLAUDE_CODE_MAX_CONTEXT_TOKENS=524288

这是官方文档里特别强调的一点，详见 README.md 的设置表格。

坑 3：长任务请求被截断——自动压缩（compaction）没配好

上下文窗口 512K 看着很大，但"单次请求 = 历史 + 本次输出"，输出没限制照样超。官方推荐组合：

• CLAUDE_AUTOCOMPACT_PCT_OVERRIDE=80：上下文用到 80% 时自动压缩历史
• CLAUDE_CODE_MAX_OUTPUT_TOKENS=64000：单次输出上限 64K

两者配合，每次请求都能落在 512K 服务端限制之内。这三项建议与坑 2 的变量一起写进同一个私有配置文件，端点和凭证通过ANTHROPIC_AUTH_TOKEN或ANTHROPIC_API_KEY传入。

坑 4：片子只做到一半就停了——超时与轮数没给够

一部片子官方实测需要10 小时以上、2000+ 轮。你的命令里至少要：

• 超时：timeout 10h或更长
• 轮数：--max-turns 2000或更多

轮数设小了，模型还没来得及修完细节就"下班"了；这是新手最常见的"为什么我的片子只有开头"问题。

坑 5：工具调用乱码、思考内容解析失败——parser 没指定

该模型的工具调用格式与 Qwen3 系列一致，vLLM / SGLang 启动时要显式指定：

• --tool-call-parser qwen3_coder
• --reasoning-parser qwen3

不指定时，多模态工具调用经常解析失败，表现为"模型说了一堆却从不执行命令"。

坑 6：显存不够用——先算清 27B 要多少 VRAM

权重为 bfloat16（见 config.json），12 个分片合计约54.7 GB，加上运行时开销，单卡基本不够。官方示例统一使用4 卡张量并行（--tp 4/--tensor-parallel-size 4/--tp-size 4），这也是新手最稳妥的起点。

坑 7：每一轮都慢吞吞——shell 初始化太慢

Claude Code 的每次 Bash 调用都会开一个新 shell。如果~/.bashrc里有加载 conda、SDKMAN、远程初始化等慢操作，2000 轮下来会慢出几小时。官方建议：让 shell 初始化尽量轻量，重活移进按需加载的脚本里。

坑 8：直接在宿主机跑？——务必使用隔离环境 ⚠️

正式制作时使用--permission-mode acceptEdits，意味着模型会不经询问地执行 shell 命令、读写文件。官方明确要求：

在隔离的工作环境中启动运行。

推荐 Docker 容器、虚拟机或独立目录沙箱。这一点没有商量余地，属于安全红线，见 README.md。

坑 9：出片效果平平——不是模型不行，是少了"Prompt 增强"这步

很多人把一句话需求直接丢给模型，效果自然一般。正确姿势是先按第 1 阶段，用强通用模型 + 增强模板把需求扩写成结构化的dense_prompt.md，再交给 Code2Video 制作。另外注意：

• 任务目录里要放好dense_prompt.md、assets/和.claude/skills/code-video
• skill 文件保持原样复制，任务特定要求全部写进 prompt，不要改 skill

坑 10：修改（revision）时越改越乱——别开新会话

修改阶段直接在同一个项目文件夹里执行claude -p --continue，把你的修改意见作为 prompt 传入即可。新开会话会丢失项目上下文，导致画面风格跳变、设定丢失。

想看"它是怎么做片的"？翻官方生产轨迹

trajectories/all.openai.jsonl 每行一部完整影片（OpenAI messages 格式），包含推理、工具调用与结果、重试与压缩摘要。图片以<image>占位符出现，对应文件按顺序存放在 trajectories/figures/。轨迹中的路径和主机已匿名化，不能直接重放命令，但非常适合学习长程任务是如何一轮轮推进的。

写在最后

SenseNova 6.8 Code2Video 的门槛不在"能不能部署"，而在长程运行参数与工程习惯：512K 上下文要显式声明、压缩与输出上限要成对配置、超时与轮数要留足余量、运行环境要隔离。把本文的 10 个坑逐条对照一遍，你就能稳定地把一部完整短片从 prompt 做到out/final.mp4🎬。项目基于 Apache 2.0 协议开源，欢迎动手实验。