Claude Opus 5.5 dreht ein Musikvideo in einem einzigen Durchlauf: Was „Plan a Video“ tatsächlich hervorbringt

Ein am 23. September 2026 auf X veröffentlichter Beitrag lautet: „Claudes Plan: ein Video von Opus 5.5 mit einem einzigen Versuch erstellt“, mit einer beigefügten Hommage an @jeffgwoah. Das ist eine Demo-Behauptung, keine Release-Behauptung – und sie landet auf der falschen Seite der Sache, auf die es normalerweise ankommt. Claude Opus 5.5 ist kein unveröffentlichtes Modell, das aus einem Leak erschnüffelt werden müsste. Anthropic hat es am 22. September 2026 veröffentlicht, zu 4 US-Dollar pro Million Eingabe-Token und 20 US-Dollar pro Million Ausgabe-Token. Es ist einen Tag alt, allgemein verfügbar und steht bereits auf der Preisliste. Die interessante Frage ist also nicht, ob Opus 5.5 existiert. Sie lautet, was diese Beiträge zum „One-Shot“ eines Videos tatsächlich zeigen, denn der Ausdruck bedeutet etwas Engeres, als er klingt, und der Unterschied entscheidet darüber, ob man irgendetwas davon nutzen kann.

Hier ist die Kurzfassung, und es ist der Teil, den die meisten Reposts auslassen: In den Demos, die einer Überprüfung standhalten, erzeugt Claude Opus 5.5 keine Pixel. Es schreibt Code, der Pixel malt. Die Ausgabe ist ein Programm, keine Videodatei.

Was die beiden im Umlauf befindlichen Demos tatsächlich taten

Zwei öffentliche Artefakte stehen hinter dieser Art von Behauptung, und beide sind überprüfbar, weil beide ihre Quelle veröffentlicht haben.

Das erste ist ein 156,6-sekündiges Musikvideo für einen Song namens „I'm Upping My P(doom)“, ein Repository namens PDoomVideo, das am 22. September 2026 auf GitHub veröffentlicht wurde – am selben Tag, an dem Opus 5.5 startete. In seiner README heißt es, das Video habe „zwei Generationen gebraucht, beide in Claude Code“; die erste werde Claude Opus 5.5 (Medium) zugeschrieben, die zweite Claude Opus 5.5 mit Standard-Aufwand. Außerdem heißt es dort, „alles in diesem Repository wurde vom Modell generiert“ und „es wurden keine Szenenideen vorgegeben“ – die einzige Vorgabe sei gewesen, ein bestimmtes Charakterdesign zu verwenden und jeder Textzeile interessante Visuals und Übergänge zu geben.

Das zweite ist ein am 23. September 2026 veröffentlichtes Demo-Repo mit drei Spielen, das eher einem kontrollierten Experiment als einer Präsentation gleicht: drei spielbare 3D-Browserspiele, jeweils ein Prompt aus einem einzigen Satz, in einer einzigen Sitzung generiert – laut Beschreibung des Repos ohne jegliche menschliche Änderungen am Code – und anschließend bereitgestellt. Die Spiele sind einzelne HTML-Dateien ohne externe Assets – Modelle, Texturen, Animationen und Sound werden vollständig prozedural durch Code erzeugt. Eines der drei erforderte, dass das Modell das offizielle Layout einer Spielkarte nachschlägt und seine Geometrie anhand dieser Recherche neu aufbaut, bevor es irgendetwas schreibt.

Keines der beiden Repos ist eine Veröffentlichung des Anbieters. Beide sind Artefakte von Drittanbietern, selbstberichtet, und insbesondere die Behauptung „keine menschlichen Bearbeitungen“ ist eine Behauptung über eine Git-Historie, nicht etwas, das eine außenstehende Stelle geprüft hat. Behandeln Sie die Prozessbeschreibung als Darstellung des Autors und die Artefakte selbst als Beweismittel.

Das Storyboard ist das eigentliche Ergebnis

Das Detail, das entscheidet, ob „one-shotted“ eine faire Beschreibung ist, ist eine Datei im ersten Repo namens STORYBOARD.md. Sie ist keine Shotliste eines Menschen. Sie ist ein Dokument, das das Modell nach seinem ersten Generierungsdurchlauf für sich selbst geschrieben hat, und es ist wirklich konkret: eine Regel, dass in jeder Einstellung „etwas auf dem Bildschirm passiert“, eine Anweisung, Text aus den Bildern herauszuhalten, ein benanntes Figurenensemble mit festen Designs, eine Palette, die von warmem Creme über Weltraumviolett bis Alarmrot und zurück wandert, eine Regel, dass Gesichtsausdrücke der Figuren fließend übergehen statt umspringen, und eine Vorgabe, dass jeder Schnitt durch eine Handlung motiviert sein muss – ein Biss ins Schwarz, ein Sturz, ein Zoom durch ein Auge.

Dieses Dokument ist der Plan, auf den der Signaltext hinweist. Das Modell erstellte ein Regie-Briefing und ließ dann parallel Subagenten darauf ansetzen, einen pro Kapitel, wobei jeder eine JavaScript-Datei schrieb, die seinen eigenen Abschnitt der Timeline darstellt.

Die Rendering-Pipeline ist gewöhnlich, und es lohnt sich, sie klar zu benennen, denn hier bricht die Deutung „KI hat ein Video erstellt“ zusammen: Frames werden in einer Seite mit p5.js und einer Aquarellpinsel-Bibliothek gemalt, ein Node-Skript steuert diese Seite in Headless Chrome und macht von jedem Frame einen Screenshot, und ffmpeg fügt die Frames mit der Audiospur zusammen. Bei 24 Bildern pro Sekunde über 156,6 Sekunden sind das ungefähr 3.760 Frames, die einzeln gerendert werden.

Die korrekte Formulierung lautet also nicht „Claude Opus 5.5 hat ein Video generiert.“, sondern „Claude Opus 5.5 hat ein Programm geschrieben und dann Regie geführt, das ein Video rendert.“ Diese Unterscheidung ist nicht pedantisch – sie ist der eigentliche Grund, warum die Technik für alle nützlich ist, die kein Musikvideo produzieren.

Warum die Zeile „zwei Generationen“ wichtiger ist als die Zeile „One-Shot“

Dieselbe README untergräbt ihre eigene Schlagzeile. Das Video brauchte zwei Generationen, nicht eine. Der erste Durchlauf brachte ein Ergebnis hervor, das der Autor anschließend weiter ausbaute; das Storyboard und der Animationsleitfaden – die Dokumente, die den zweiten Durchlauf kohärent machen – wurden nach diesem ersten Durchlauf geschrieben, nicht davor.

Das ist die ehrliche Form jeder ernsthaften Generierungsaufgabe mit langem Zeithorizont, und es lohnt sich, das zu sagen, weil die One-Shot-Rahmung eine Erwartung weckt, die die Artefakte nicht erfüllen. Der Prompt war eine einzige Nachricht. Die Arbeit war nicht ein einziger Durchgang. Was das Modell tat, war, einen großen, dateiübergreifenden, mehrstündigen Build so weit zusammenzuhalten, dass der zweite Durchgang eine Überarbeitung und kein Neustart war – eine echte und deutlich weniger glanzvolle Fähigkeit als „ein Prompt, ein Video“.

Es gibt eine unabhängige Kennzahl, die dies besser beschreibt als die Demos. Artificial Analysis hat Claude Opus 5.5 auf seinem Intelligence Index bei maximalem Aufwand mit 58 gemessen – der höchste Wert, den es je verzeichnet hat, mehrere Punkte vor den nächsten Modellen – und berichtet, dass das Modell pro Index-Aufgabe rund 119.000 Ausgabe-Tokens verbraucht, gegenüber etwa 73.000 bei Claude Opus 5 und etwa 78.000 bei Claude Fable 5.1. Es verwendet etwa das 1,6-Fache an Ausgabe-Tokens und landet bei ungefähr denselben Kosten pro Aufgabe (~5,98 $ gegenüber ~5,86 $), trotz eines um 20 % niedrigeren Preises pro Token. Die Generierung über lange Horizonte ist das, was dieses Token-Profil von außen betrachtet ausmacht: Das Modell gibt das Budget für sich selbst aus.

Wo die Artefakte nicht mehr verwendbar sind

Die Fehlermodi in dieser Art von Arbeit sind konsistent, und beide Repos weisen aus unterschiedlichen Richtungen auf denselben hin.

• Die Ausgabe ist ein Programm, keine Datei. Wenn du eine MP4-Datei brauchst, die du jemandem weitergeben kannst, brauchst du weiterhin 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.

• Es skaliert mit Frames, nicht mit Prompts. 3.760 Frames brauchten einen skriptgesteuerten Durchlauf über Nacht auf der eigenen Hardware des Autors. Nichts an Opus 5.5 ändert die Kosten dafür, Frame 2.000 zu malen.

• Determinismus ist eine Anforderung, kein bloßes Extra. Frames werden parallel und in ungeordneter Reihenfolge gerendert, daher muss jeder Frame eine reine Funktion seines Zeitstempels sein – kein mitgeführter Zustand, keine ungesäte Zufälligkeit. Ein Modell, das das nicht verinnerlicht hat, erzeugt ein Video, das flackert. Beide Repos kommen damit zurecht; nichts im Prompt erzwingt es.

• One-Shot bedeutet nicht ungeprüft. Der deutlichste Beleg ist die Arbeit am Spiel im zweiten Repo: Das Modell musste das Layout einer bestehenden Karte untersuchen, bevor es sie erstellte – was zeigt, dass das Modell zu dem Schluss kam, seine erste Antwort wäre falsch gewesen.

• Niemand hat die Kosten des Scheiterns beziffert. Keines der beiden Repos berichtet, wie viele Versuche nötig waren, wie viele Tokens verbraucht wurden oder wie viel der zweiten Generation auf die Korrektur der ersten entfiel. Das ist die Zahl, die ein Team tatsächlich braucht, bevor es sich festlegt.

Was das für Sie ändert – und was nicht.

Wenn du auf ein Videogenerierungsmodell gehofft hast: Claude Opus 5.5 ist keines, und keine noch so große Menge an Demoaufnahmen macht es dazu. Das Launch-Material von Anthropic enthält keine Videogenerierungsfähigkeit; die veröffentlichten Evaluierungen des Modells betreffen agentisches Coding, Computernutzung und Wissensarbeit. Was die Demos zeigen, ist langfristige Codegenerierung mit einem Creative Brief – dieselbe Fähigkeit, die auch in der Migration von 680.000 Codezeilen und der C-nach-Rust-Portierung zum Tragen kommt, die Anthropic in seinem eigenen Launch-Post nennt, nur eben auf etwas gerichtet, das man sich ansehen kann.

Wenn das die Fähigkeit ist, die man will, ist die praktische Frage nicht mehr „welches Modell“, sondern „wie betreibe ich so etwas, ohne einen Produktionspfad darauf festzulegen“. Generierung über lange Zeiträume ist teuer, und ihr Fehlermodus ist still – man bekommt ein plausibles Programm, das vier Minuten lang rendert und dann abbricht. Der vernünftige Weg, das zu testen, besteht darin, die Arbeit über einen Endpoint zu leiten, den man bereits hat, statt über einen neuen Vertrag: Opus 5.5 ist auf OrcaRouter zum Listenpreis von Anthropic ohne Aufschlag verfügbar, zusammen mit den anderen Modellen der Familie, sodass ein nächtlicher Generierungslauf denselben Key und dieselben Failover-Regeln nutzen kann wie alles andere, was man aufruft. Wenn der Lauf bei Frame 3.000 stirbt, ist das ein Routingproblem und keine Neuarchitektur.

Zwei Dinge gilt es im Auge zu behalten, bevor Sie Ihre Planung darauf stützen. Anthropic hat gesagt, dass Sonnet 5.5 und Haiku 5.5 „in den kommenden Wochen“ folgen werden, was die Kalkulation bei einem langen Rendering verändert – ein günstigeres Modell, das einen Multi-File-Build zusammenhalten kann, würde den Übernachtungslauf zur Routine statt zur Besonderheit machen. Und das Storyboard-Muster selbst ist übertragbar: Nichts in diesem Dokument ist spezifisch für Opus 5.5, und nichts hindert ein kleineres Modell daran, ein schlechteres zu schreiben.

Vorerst ist die ehrliche Lesart von „Claude's Plan a video by opus 5.5 one shotted" enger, als es klingt, und nützlicher, als es aussieht. Das Modell schrieb eine Shotliste, briefte seine eigenen Subagenten und schrieb dann den Renderer – und die Tatsache, dass ein solcher Plan den Kontakt mit 3.760 Frames überstanden hat, ist die Behauptung, die es zu prüfen gilt, nicht das Video.