Claude Opus 5.5 hat die Geschichte der KI in reinem Code dargestellt: Was das tatsächlich beweist

Ein Beitrag auf X besagt, jemand habe Claude Opus 5.5 gebeten, einen dreiminütigen Film über die Geschichte der KI zu erstellen – von „Attention Is All You Need“ bis AGI –, ohne Stockmaterial und ohne Bild- oder Videogeneratoren, wobei jedes Einzelbild aus Code gerendert wurde. Das ist eine Demo-Behauptung eines einzelnen Kontos, keine Ankündigung eines Anbieters, und ein Film ist in diesem Bereich das am leichtesten weiterzuverbreitende und am schwersten zu überprüfende Artefakt. Überprüfbar ist die Klasse, zu der er gehört. In den zwei Tagen, nachdem der Anbieter Claude Opus 5.5 am 22. September 2026 veröffentlicht hatte, veröffentlichten mehrere Personen mit ihm erstellte code-gerenderte Filme und Animationen, und einige von ihnen veröffentlichten ihren Quellcode. Das reicht aus, um die Frage zu beantworten, die der Beitrag tatsächlich aufwirft: Was bedeutet „100 % in Code hergestellt“, und was verlangt eine Geschichte der KI, was ein Musikvideo nicht verlangt?

Kurzfassung – und sie ist der Teil, den Reposts auslassen. Das Modell erzeugt keine Pixel. Es schreibt ein Programm, das Pixel malt, und führt es dann aus. Die Ausgabe des interessanten Schritts ist ein Renderer, kein Film.

Was „aus Code gerendert“ ausschließt – und was es übrig lässt

Die Einschränkung im Prompt leistet echte Arbeit, deshalb lohnt es sich, sie präzise zu benennen. Kein Bildmodell, kein Videomodell, keine Stockbibliothek, kein lizenziertes Filmmaterial, keine generierte Stimme. Alles auf dem Bildschirm muss durch Arithmetik erzeugt werden, die jemand aufgeschrieben hat.

Was dabei herauskommt, ist eine Pipeline, und ihre Form ist bei jedem einzelnen dieser Projekte gleich:

• Malerei — eine Seite, die p5.js, Canvas 2D oder WebGL verwendet, oder eine Python- und NumPy-Schleife, die Pixel-Arrays direkt schreibt. Farbe, Geometrie, Typografie und Bewegung sind alles Code.

• Rendering — etwas muss jeden Frame der Reihe nach abarbeiten. In den browserbasierten Projekten ist das ein Node-Skript, das eine Headless-Chrome-Instanz steuert und den Canvas per Screenshot aufnimmt; in den Python-Projekten ist es eine Schleife, die Bilddateien schreibt.

• Kodierung — ffmpeg fügt die Einzelbilder zusammen und legt die Audiospur darüber.

Bei 24 Bildern pro Sekunde sind drei Minuten ungefähr 4.320 Bilder. Nichts an Claude Opus 5.5 ändert etwas daran, was Bild 2.000 kostet, denn Bild 2.000 ist ein Screenshot einer Canvas, kein Modellaufruf. Die Aufgabe des Modells endet, bevor der teure Teil beginnt – und der teure Teil liegt auf deiner Hardware, nicht bei der API.

Warum eine Geschichte der KI ein schwierigeres Briefing ist als ein Musikvideo

In einem Musikvideo ist der Inhalt das Lied. Die Animation ist Dekoration, und Dekoration kann abstrakt sein. Ein Film über die Geschichte der KI hat die entgegengesetzte Struktur: Die Zeitachse ist der Inhalt. Wenn der Film RLHF vor den Transformer setzt oder die zwei Jahre zwischen GPT-3 und ChatGPT überspringt, ist er auf eine Weise falsch, die keine noch so gute Rendering-Qualität reparieren kann. Niemand, der ein Aquarell-Lyric-Video ansieht, kann sagen, ob das Modell das Lied verstanden hat. Jeder, der eine dreiminütige Geschichte ansieht, kann sagen, ob das Modell die Geschichte kennt.

Das bündelt drei separate Lasten in einem Durchlauf. Das Modell muss Fakten korrekt über eine Spanne hinweg anordnen, die so lang ist, dass es nicht alles in einem Durchgang behalten kann. Es muss einen Multi-File-Renderer bauen und debuggen. Und es muss Regieentscheidungen treffen – was gezeigt wird, was weggelassen wird, wann geschnitten wird –, denn eine Historie muss editiert werden, sonst ist sie eine Liste. Ein Fehler in einem der drei Punkte ist auf einem Screenshot unsichtbar. Ein Film mit einem schönen Renderer und einer durcheinandergebrachten Zeitachse sieht gut aus, bis man ihn liest.

Die Artefakte, die einer Prüfung standhalten, sind diejenigen, die ihren Quellcode veröffentlicht haben, und davon gibt es inzwischen mehrere. Ein Musikvideo für einen Song namens „I'm Upping My P(doom)“ wurde am 22. September auf GitHub veröffentlicht – am selben Tag, an dem Claude Opus 5.5 startete – mit einer README-Datei, die angab, dass zwei Generierungen nötig waren, wobei die erste dem Modell bei mittlerem Aufwand und die zweite bei Standardeinstellung zugeschrieben wurde, dass „alles in diesem Repository vom Modell generiert wurde“ und dass keine Szenenideen vorgegeben wurden außer einem Charakterdesign und einer allgemeinen Anweisung, jeder Liedzeile interessante visuelle Elemente zu verleihen. Am 23. September folgte ein Demo-Repository mit drei Spielen: drei spielbare Browser-Spiele, jeweils mit einem Ein-Satz-Prompt, keine externen Assets, Modelle, Texturen und Audio alle prozedural erzeugt. Eines der drei verlangte vom Modell, das offizielle Layout einer bestehenden Spielkarte nachzuschlagen und deren Geometrie anhand dieser Recherche neu aufzubauen, bevor es irgendetwas schrieb – wobei das Modell entschied, dass seine erste Antwort falsch gewesen wäre. Und einem Bericht zufolge machte in derselben Woche ein vier Minuten langer Film die Runde, der nur aus Code besteht, vier Agenten zugeschrieben wurde, die über etwa neunzig Minuten daran arbeiteten, und ohne Voice-API auskam.

Der konkrete Film zur Geschichte der KI gehört nicht zu den Artefakten, die ich verifizieren konnte, und seine Laufzeit, sein Prompt und seine Zeitleiste sind Angaben des Autors und nicht von einer außenstehenden Stelle geprüft. Behandle ihn so, wie du jede Demo behandeln würdest: Die Technik, die er demonstriert, ist real und reproduzierbar; der konkrete Film ist eine Behauptung.

Was drei Minuten generierter Code tatsächlich kosten

Es gibt eine unabhängige Messung, die diese Workload besser beschreibt als die Demos, und sie stammt von Artificial Analysis. In dessen Intelligence Index – Version v4.3.2, zehn Evaluierungen – erreicht Claude Opus 5.5 bei maximalem Aufwand einen Wert von 58, womit die Seite es auf Platz 1 von 212 Modellen führt. Dieselbe Seite gibt für das Modell 260 Millionen verbrauchte Output-Token über die gesamte Index-Suite an, bei einem Ausführlichkeits-Rang von 95 von 212 und gewichteten Durchschnittskosten von 5,98 $ pro Index-Aufgabe. Der Listenpreis von Anthropic beträgt 4 $ pro Million Input-Token und 20 $ pro Million Output-Token, wobei Cache-Lesevorgänge bei 0,20 $ pro Million liegen.

Liest man diese beiden Dinge zusammen, erzählt das Token-Profil die eigentliche Geschichte. Ein Modell, das viele Ausgabe-Tokens verbraucht und bei der Ausführlichkeit im Mittelfeld landet, ist ein Modell, das auf der Seite denkt, anstatt zu komprimieren. Langhorizont-Generierung ist, wie das von außen aussieht: Das Budget geht dafür drauf, einen großen, dateiübergreifenden, mehrstündigen Build zusammenzuhalten, und das sichtbare Artefakt ist das Überbleibsel.

Die Arithmetik, die Arithmetik und keine Rechnung ist, da niemand die Token-Kosten irgendeines dieser Filme veröffentlicht hat: Bei 20 US-Dollar pro Million Ausgabe-Tokens kostet ein Lauf, der 500.000 Ausgabe-Tokens ausgibt, 10 US-Dollar auf der Ausgabeseite. Das erneute Lesen von Eingaben ist der Punkt, an dem ein langer Build teuer wird – ein Renderer, der wiederholt seine eigene wachsende Quelle erneut liest, zahlt 4 US-Dollar pro Million beim Einlesen, oder 0,20 US-Dollar pro Million, sobald das Präfix gecacht ist, was ein zwanzigfacher Unterschied ist und der größte einzelne Hebel bei den Kosten eines langen Agentenlaufs.

Ein Vorbehalt, der für jede oben genannte Zahl und für Anthropics eigene Launch-Tabelle gilt. Die meisten der vom Anbieter veröffentlichten Benchmark-Zeilen sind auf maximalen Aufwand eingestellt, während der Standardaufwand bei der API medium ist. Terminal-Bench 4.0 bei 66,4 %, CursorBench 4.0 bei 52,5 % im Standard-medium, GDPval-AA v2.1 bei 1.846 Elo — diese sind vom Anbieter gemeldet, nicht reproduziert und aufwandsabhängig. Behandle den Aufwand als den Budget-Regler, der er ist, nicht als Fußnote.

Wo die Artefakte nicht mehr verwendbar sind

Die Fehlermodi in dieser Art von Arbeit sind über jedes Repo hinweg konsistent, das genug veröffentlicht hat, um überprüft zu werden, und sie sind alle struktureller Natur und nicht modellspezifisch.

• Die Ausgabe ist ein Programm, keine Datei. Wenn du jemandem eine MP4 aushändigen musst, brauchst du trotzdem Node, einen Browser und ffmpeg. Das Modell hat den Renderer erzeugt, nicht das gerenderte Ergebnis. Das ist eine Build-Abhängigkeit, die dir für immer gehört, und sie wird brechen, sobald sich der Browser das erste Mal ändert.

• Es skaliert mit Frames, nicht mit Prompts. 4.320 Frames sind 4.320 Screenshots. Nichts im Prompt verkürzt das, und nichts an der Fähigkeit des Modells macht die letzten tausend Frames billiger als die ersten tausend.

• Determinismus ist eine Anforderung, keine bloße Annehmlichkeit. Frames werden parallel und außer der Reihenfolge gerendert, daher muss jeder Frame eine reine Funktion seines Zeitstempels sein – kein mitgeführter Zustand, keine Zufälligkeit ohne Seed, keine Abhängigkeit davon, wann der Frame zufällig berechnet wurde. Ein Modell, das das nicht verinnerlicht hat, erzeugt einen Film, der flackert, und das Flackern ist in keinem einzelnen Frame sichtbar, den Sie untersuchen.

• One-Shot bedeutet nicht ungeprüft. Der deutlichste Beleg ist die Kartenrecherche: Das Modell überprüfte ein veröffentlichtes Layout, statt seiner eigenen Rekonstruktion zu vertrauen. Das ist das Verhalten, das man sich wünscht, und nichts im Prompt erzwingt es.

• Die Fakten sind der Teil, den niemand überprüft hat. Jedes veröffentlichte Artefakt dieser Klasse dokumentiert seine Rendering-Pipeline. Keines davon dokumentiert einen Faktencheck-Durchlauf. Bei einem Historienfilm ist das die gesamte Risikofläche, und genau das ist das Einzige, was ein Screenshot nicht zeigen kann.

• Niemand hat den Preis für das Scheitern beziffert. Keines dieser Repos berichtet, wie viele Versuche nötig waren, wie viele Tokens verbrannt wurden oder wie viel von der zweiten Generation damit verbracht wurde, die erste zu reparieren. Das ist die Zahl, die ein Team braucht, bevor es sich festlegt, und es ist die Zahl, über die die Demos am beharrlichsten schweigen.

Einen dreiminütigen Renderlauf ausführen, ohne dabei einen Produktionspfad aufs Spiel zu setzen

Wenn Sie einen Film wollen, ist Claude Opus 5.5 kein Videomodell, und keine noch so große Menge an Demo-Material macht es zu einem. Das Startmaterial von Anthropic enthält keine Videogenerierungsfähigkeit; die veröffentlichten Evaluierungen betreffen agentisches Coding, Computer Use und Wissensarbeit. Was die Demos zeigen, ist Codegenerierung über lange Zeithorizonte, gerichtet auf etwas, das man sich ansehen kann.

Wenn das die Fähigkeit ist, die Sie wollen, dann ist die praktische Frage nicht mehr, welches Modell, sondern wie man einen mehrstündigen Generierungsjob ausführt, ohne einen Produktionspfad daran zu binden. Ein solcher Render schlägt still und spät fehl – man bekommt ein plausibles Programm, das vier Minuten lang malt und dann bei Frame 3.000 abbricht –, was es zu einem schlechten Kandidaten für eine maßgeschneiderte Integration und zu einem guten Kandidaten für einen Endpunkt macht, den Sie ohnehin schon haben. Claude Opus 5.5 ist auf OrcaRouter zum Listenpreis von Anthropic mit 0 % Aufschlag verfügbar – 4 $ pro Million Input-Tokens, 20 $ pro Million Output, Cache-Reads bei 0,200 $ – erreichbar sowohl über die Anthropic Messages API als auch über den OpenAI-kompatiblen Chat-Completions-Endpunkt, sodass ein vorhandenes SDK funktioniert, indem man seine Base-URL auf uns zeigt. Legen Sie den Overnight-Lauf auf denselben Key wie alles andere, hinter einer API für 200+ Modelle mit automatischem Failover, und ein Lauf, der bei Frame 3.000 stirbt, ist ein Routing-Problem und keine Neuarchitektur.

Der Kostenhebel ist der Cache, und es lohnt sich, ihn vor dem ersten Rendern statt danach zu konfigurieren: Bei 0,20 $ pro Million Cache-Lese-Tokens gegenüber 4 $ pro Million frischem Input ist es der Unterschied zwischen einem günstigen Übernacht-Job und einem teuren, die wachsende Quelle im gecachten Präfix zu halten. Das gilt unabhängig davon, wer das Modell bereitstellt.

Was würde die Frage klären?

Drei Dinge würden dies von einer Demo-Klasse zu etwas machen, mit dem man planen kann, und keines davon erfordert ein neues Modell.

Das erste ist veröffentlichter Quellcode speziell für den Geschichtsfilm. Das Musikvideo, die Spiele und die Pixel-Engine-Filme sind überprüfbar, weil ihre Autorinnen und Autoren den Code veröffentlicht haben. Die Filme, die nur als Video kursieren – einschließlich dieses Films –, lassen sich nicht von einer sorgfältig bearbeiteten Bildschirmaufzeichnung unterscheiden, und der Unterschied ist genau für das Artefakt am wichtigsten, dessen Inhalt aus faktischen Behauptungen besteht.

Der zweite ist eine Prüfung der Zeitachse. Eine dreiminütige Geschichte der KI ist ein Test mit einer richtigen Antwort, und die Tatsache, dass der Film drei Minuten lang ist, macht den Test schwierig: Das Modell muss 2017 bis heute komprimieren, ohne die tragenden Einträge wegzulassen oder eine Reihenfolge zu erfinden, die es nie gab. Jeder kann den Film ansehen und nachprüfen. Fast niemand hat es getan.

Der dritte Punkt ist günstigere Kapazität für dieselbe Aufgabe. Anthropic hat angekündigt, dass Sonnet 5.5 und Haiku 5.5 in den kommenden Wochen folgen. Ein günstigeres Modell, das einen Multi-Datei-Build zusammenzuhalten vermag, verwandelt einen über Nacht laufenden Render von einem bemerkenswerten Experiment in eine Routineangelegenheit, und es würde die Rechnung beim Fehlerbudget – die Anzahl der Wiederholungsversuche, die man sich leisten kann – weit stärker verändern als die Qualität eines einzelnen Frames.

Vorerst ist die ehrliche Lesart des Beitrags enger, als es klingt, und interessanter, als es aussieht. Ein Modell schrieb einen Renderer, einen Plan und eine Timeline, und dann verwandelte ein Build-Prozess sie in drei Minuten Video. Die Behauptung, die es zu prüfen lohnt, ist nicht, dass der Film gut aussieht. Sondern dass die Timeline überlebt hat.