Claude Opus 5.5 animierte eine Kākāpō-Party in einer einzigen HTML-Datei: Was die Demo tatsächlich liefert

Eine Abschluss-Keynote-Folie ist ein seltsamer Ort für einen Modelltest, aber genau dort landete dieser. Am 25. September 2026 beendete Simon Willison den WeAreDevelopers World Congress North America mit einem fünfzehnsekündigen Video von zwei Dutzend Pixel-Art-Kākāpōs, die unter fallendem Konfetti hüpften — und das Video ist nicht der interessante Teil. Der interessante Teil ist, was Claude Opus 5.5 zu erstellen gebeten wurde und was es zurückgab: kein Filmmaterial, keine Bildsequenz, sondern eine einzige HTML-Datei mit 45.880 Bytes, die keine Bilder, kein Video und keine Netzwerkaufrufe enthält. Claude Opus 5.5 erschien am 22. September 2026 zu $4 pro Million Eingabe-Tokens und $20 pro Million Ausgabe-Tokens, und das ist, was das Modell tut, wenn man ihm drei Papageienfotos gibt und nach einer Party fragt.

Beide Hälften der Behauptung sind veröffentlicht, und das ist der einzige Grund, warum sie einen Beitrag wert ist. Das Artefakt selbst liegt unter tools.simonwillison.net/kakapo-party, und die Sitzung, die daraus eine MP4 machte, wurde mit vollständigem Transkript und dem verwendeten Playwright-Skript dokumentiert. Das ist also auf eine Weise überprüfbar, wie es bei den meisten „Schaut, was das Modell gemacht hat“-Beiträgen nicht der Fall ist – während es zugleich immer noch der Nachmittag eines einzelnen Praktikers und kein Benchmark ist. Anthropic hat nichts darüber veröffentlicht, und nirgendwo ist eine unabhängige Bewertung damit verbunden.

Was das Artefakt tatsächlich ist

Liest man den Quelltext der Seite, wird die Beschaffenheit der Sache klar. Es gibt genau ein <canvas>-Element und einen 2D-Kontext. Es gibt keine <img>, <video> oder <audio>-Tags, kein fetch, kein XHR, kein WebSocket, keinen CDN-Link, keine Web-Schrift, nichts in localStorage oder Cookies geschrieben. Die Datei wird von einem heruntergeladenen file://-Pfad aus identisch gerendert, wenn das Netzwerk getrennt ist — genau deshalb konnte ein lokaler Recorder sie aufzeichnen.

Die Kunst ist dort, wo die Arbeit steckt. Jeder Sprite wird als Array aus Zeichenketten gespeichert und Buchstabe für Buchstabe über eine Palettenzuordnung gezeichnet, sodass eine Kontur ein K, ein Körpergrün ein G, und ein Highlight ein L ist. Der Vogel kommt in 6 Farbvarianten — drei Körpergrüns, gekreuzt mit zwei Gesichts- und Fußpaletten — mal 5 Animationsframes, sodass 30 kleine Offscreen-Canvases aufgebaut werden, bevor sich irgendetwas bewegt. Die Menge wird prozedural in versetzten Reihen platziert, mit der Garantie im Quellcode, dass mindestens 22 Vögel auf dem Bildschirm landen. Die Vorgabe verlangte „mindestens 20 davon“.

Die Requisiten werden auf dieselbe Weise gebaut: 6 Ballonfarben, 6 Farben für Wimpelketten, 5 Glühbirnenfarben an der Lichterkette, eine Discokugel, Hüte in 6 Farbtripeln bei 3 Neigungswinkeln, drei Fliegen und 8 Konfettifarben, jeweils mit einer abgedunkelten Variante für die Schattierung. Sogar der Nachthimmel ist handgemacht — eine 4×4-Matrix für geordnetes Dithering plus eine kleine Bitmap-Schrift mit einer Makron-Tabelle, damit das Banner KĀKĀPŌ PARTY! schreiben kann, ohne eine Systemschriftart zu verwenden.

Die Bewegung ist choreografiert statt zufällig. Die Schleife läuft mit 124 BPM, und jede Acht-Beat-Phrase wählt einen von sechs Crowd-Modi: alle zusammen, eine La-Ola-Welle, jeder zweite Vogel, ein wildes Durcheinander, eine Welle von der Mitte nach außen oder Reihen, die sich abwechseln. Sie respektiert prefers-reduced-motion, und der Hinweis auf dem Bildschirm lautet „Tippen“ oder „Klicken“, je nachdem, ob das Gerät Touch meldet.

Warum Pixel Art ein ungewöhnlich ehrlicher Test ist

Claude Opus 5.5 zeichnet das nicht. Es schrieb das Programm, das es zeichnet, was bedeutet, dass das Modell eine große Menge festgelegter Details gleichzeitig im Kopf behalten musste: eine Farbpalette, die nicht kollidiert, eine Sprite-Geometrie, die bei 18 Pixeln Breite lesbar ist, einen Sprungbogen, der sich wiederholt, und Konfetti, das überzeugend fällt. Das lässt sich nicht mit einem Glückstreffer vortäuschen. Eine einzige falsch gesetzte Koordinate zeigt sich als Loch im Kopf eines Vogels.

Es musste außerdem anhand von Fotografien funktionieren. Die drei Referenzbilder gingen als Bildeingabe hinein, und heraus kam ein symbolischer Sprite – eine Abstraktion eines moosgrünen Papageis mit schnurrhaarigem Gesicht, keine Spur des Fotos. Das ist die gesamte Pipeline im Kleinen: Wahrnehmung hinein, Code heraus, Pixel, die vom Code erzeugt werden.

Die Sichtprüfung ist der schärfste Teil, und sie schneidet auch in die andere Richtung. In der Datei wurde nichts gerendert, das der Autor hätte prüfen können, bevor er sie öffnete; das Artefakt sieht entweder nach einer Party aus oder nicht, und er hat einen Link veröffentlicht, also kannst du selbst urteilen. Das ist eine stärkere Beweisform als ein Screenshot in einem Thread — und immer noch viel schwächer als eine Zahl.

Das Video ist eine Claude-Code-Geschichte, keine Claude-Opus-5.5-Geschichte.

Die fünfzehn Sekunden auf der Abschlussfolie wurden von einer lokalen Claude Code-Sitzung erzeugt, die Playwright steuerte, nicht von dem Modell, das die Animation geschrieben hat, und dieser Unterschied ist wichtig, wenn man irgendeinen Teil davon reproduzieren möchte.

Die interaktive Seite lässt nur dann Konfetti los, wenn man sie anklickt. Also musste der Recorder klicken – zehn Mal, an skriptgesteuerten Koordinaten, die über die Zeichenfläche verteilt waren, von Sekunde 3 bis Sekunde 13,2, innerhalb einer 1280×720-Aufzeichnung, die nach sechzehn Sekunden beendet wurde. Das veröffentlichte Skript umfasst etwa zwanzig Zeilen, und das ist die ehrliche Schlagzeile: Der schwierige Teil dabei, eine Webanimation in ein Folien-Asset zu verwandeln, waren zehn zeitgesteuerte Mausereignisse.

Eine zweite Sitzung am folgenden Tag nahm sich stattdessen die Dateigröße vor. Der erste Encode war eine MP4 mit 10.445.811 Byte; ein Zweipass-H.264-Encode mit 2 Mbps, leichtem Denoising und einem auf flache Grafiken abgestimmten Preset landete bei 3.299.473 Byte – 68 % kleiner, weiterhin 1280×720, weiterhin 25 fps, weiterhin fünfzehn Sekunden, keine Audiospur. Gemessen an der Rohaufnahme sank die strukturelle Ähnlichkeit von 0,984 auf 0,932. Ein Versuch mit 960×540 fiel sowohl größer als auch unschärfer aus, weil Pixel Art das Herunterskalieren nicht übersteht. Solche Zahlen veröffentlicht eine bildschirmaufgezeichnete Demo nie, und sie sind der Grund, warum diesem speziellen Bericht in Bezug auf die Mechanik ungewöhnlich leicht zu trauen ist.

Was dies nicht über Claude Opus 5.5 beweist

• Stichprobengröße — ein Prompt, ein Subjekt, eine Person. Die Darstellung als „überraschend fähig bei Pixel-Art-Animation“ war ein Ruf, den der Autor gelesen hatte, nicht eine Messung, die er durchgeführt hatte.

• Kosten — für keine der beiden Sitzungen wurden Tokenanzahlen veröffentlicht, daher lässt sich der Durchlauf anhand des Materials nicht bepreisen. Das Artefakt selbst umfasst 45.880 Bytes, ungefähr 11,5K Ausgabe-Tokens, was bei den von Anthropic veröffentlichten 20 US-Dollar pro Million Ausgabe-Tokens einer Untergrenze von etwa 23 Cent allein für die endgültige Datei entspricht — und mehr als eine Untergrenze ist es nicht, denn alles, was das Modell geschrieben hat und nicht in das fertige HTML eingegangen ist, ist unsichtbar.

• Allgemeinheit — eine Schar identischer Vögel ist eine Szene, die viel verzeiht. Ein Sprite, neu eingefärbt, plus kamerafreie Effekte. Das sagt nichts über Szenen aus, die viele unterschiedliche Objekte benötigen, oder darüber, ob dieselbe Qualität bei drei Minuten statt fünfzehn Sekunden standhält.

• Unabhängigkeit — jede hier genannte Zahl ist entweder anhand der veröffentlichten Quelle gemessen oder aus Anthropics eigener Preisliste übernommen. Es gibt keine Bewertung durch Dritte von Claude Opus 5.5 beim Erstellen von Pixel Art, und dieser Beitrag erfindet keine.

Dasselbe Experiment an Ihrer eigenen Versuchsperson durchzuführen

Der Grund, warum es sich lohnt, diese Demo zu kopieren, ist, dass sie günstig und in sich geschlossen ist. Eine einzige HTML-Datei, ein Canvas, keine Assets – du kannst denselben Prompt zusammen mit deinem eigenen Referenzfoto an ein Modell übergeben und das Ergebnis in einem Durchgang sehen, ohne zuerst eine Pipeline aufsetzen zu müssen.

Claude Opus 5.5 gibt es auf OrcaRouter zum von Anthropic veröffentlichten Listenpreis, wobei der Aufschlag mit 0 % weitergegeben wird – 4,00 $ pro Million Eingabe-Token, 20,00 $ pro Million Ausgabe-Token, 0,20 $ pro Million Cache-Lesevorgänge, mit dem vollen Kontext von 1 Mio. Token zum Standardpreis. Das ist speziell für diese Art von Experiment wichtig: Ein Novelty-Prompt ist genau der Fall, in dem man vergleichen möchte, ohne irgendetwas zu unterschreiben, und eine API für über 200 Modelle bedeutet, dass dieselbe Aufrufform die günstigeren Routen erreicht, wenn Sie sehen möchten, wie ein kleineres Modell mit demselben Sprite-Sheet umgeht. Automatisches Failover deckt Sie ab, wenn eine Route mitten im Vergleich schlechter wird, und wenn Sie lieber gar nicht wählen möchten, die Routing-DSL kann denselben Prompt an zwei Modelle senden und Sie den besseren Kandidaten auswählen lassen.

Von hier aus lohnt es sich, zwei Dinge im Auge zu behalten. Das erste ist, ob so etwas gemessen statt bewundert wird – ein fester Prompt, ein festes Motiv und eine Handvoll Modelle, die dasselbe Briefing umsetzen, würden dir weit mehr sagen als ein weiterer Thread mit Animationen. Das zweite ist Kostentransparenz: Die eine Zahl, die eine Demo wie diese nie mit sich führt, ist die, was es gekostet hat, dorthin zu kommen – Wiederholungsversuche eingeschlossen –, und solange das nicht in Berichten wie diesem auftaucht, wird „überraschend leistungsfähig“ weiter für eine Zahl einstehen, die niemand veröffentlicht hat.

Vorerst ist die ehrliche Zusammenfassung der Kākāpō-Party enger gefasst als die Reposts und nützlicher, als sie aussehen. Ein Flaggschiff-Modell schrieb 45.880 Bytes Sprite-Code, der offline läuft, 22 Vögel bei 124 BPM animiert und ein Playwright-Skript mit zehn Klicks brauchte, um ein Video zu werden. Die Demonstration ist real, die Quelle ist öffentlich, und die Behauptung, die sie stützt, betrifft das, was ein Modell in einer Datei halten kann — nicht das, was es im Durchschnitt leisten kann.