一句话看懂：Hugging Face Papers 收录论文提出 Code2Video-Compass，一个覆盖 T2V、I2V、V2V 的通用代码生成视频基准，用 2,104 项任务评测 15 个多模态大模型，结果显示领先模型在完整视频生成上仍不稳定。
事件核心：发生了什么
根据论文摘要（2026 年 10 月 20 日发布），Code2Video-Compass 面向“用代码生成视频”这一路线：模型需把视觉与时间要求转成可执行程序，再产出完整视频。基准包含 2,104 项任务，覆盖 10 个类别、24 个子类型，以及构建、动态动画、状态依赖三个复杂度维度。任务来源既包括文本指令和视觉参考，也包括从专业及用户创作视频派生出的 T2V、I2V、V2V 任务。
评测采用双层框架：12 项客观指标（运行性能、视频质量、文本-视频对齐、参考保真度）加 5 项主观指标，由多模态大模型担任评审，考察指令遵循与整体视频质量。作者对来自 9 个家族的 15 个闭源和开源权重多模态大模型进行了评测。
为什么重要
直接视频生成模型擅长出片，但细粒度控制、定向编辑和组件复用较弱；代码生成视频则把这些能力交给程序化流程。问题在于，此前基准多针对专门任务，缺少对多类别、多输入模态的完整视频创作评估。Code2Video-Compass 补上了这个评测缺口，也让“代码路线”与端到端视频生成路线有了更可比的检验方式。目前公开信息仅为论文摘要，未见全文实验细节和同行评审结论，排名不宜外推为长期定论。
对用户/开发者/创作者的影响
对开发者，基准揭示了 MLLM 在程序化视觉创作上的短板：任务从构建到动态动画、再到状态依赖，表现总体下滑，说明长程状态管理和时序控制仍是难点。对创作者和企业采购方，这类评测可作为挑选模型或 API 的参考维度，但需注意它衡量的是代码生成视频能力，而非直接文生视频产品的成片效果。若后续开放数据集与评测代码，开源社区可能围绕它形成新的微调和工具链方向。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否公开完整任务集、评测脚本和模型输出，便于复现；二是后续模型是否针对状态依赖类任务做专项优化；三是这套基准能否被视频生成产品或 API 团队采纳为内部验收标准。
