如题，sat/sample_video.py 中：
model_config.network_config.params.in_channels 被写死成 16（configs/cogvideox_2b.yaml 第 29-34 行），没有预留额外通道；DynamicCFG 里确实支持 cond["concat"]，但一旦我们把图像 latent 填进去，就会出现：expected input[...] to have 16 channels, but got 32，因为模型权重没有对应的额外卷积核。
因此，SAT 版本目前根本没有真正的 i2v 分支？代码虽然把图片编码成 latent（concat_images），但一直没有和噪声 latent 合并，变相相当于纯 t2v，是这样吗
如题，sat/sample_video.py 中：
model_config.network_config.params.in_channels 被写死成 16（configs/cogvideox_2b.yaml 第 29-34 行），没有预留额外通道；DynamicCFG 里确实支持 cond["concat"]，但一旦我们把图像 latent 填进去，就会出现：expected input[...] to have 16 channels, but got 32，因为模型权重没有对应的额外卷积核。
因此，SAT 版本目前根本没有真正的 i2v 分支？代码虽然把图片编码成 latent（concat_images），但一直没有和噪声 latent 合并，变相相当于纯 t2v，是这样吗