Claude Opus 5.5 plasmó la historia de la IA en código puro: qué demuestra eso en realidad

Una publicación en X dice que alguien le pidió a Claude Opus 5.5 que hiciera una película de tres minutos sobre la historia de la IA —desde "Attention Is All You Need" hasta AGI— sin metraje de archivo y sin generadores de imágenes o videos, con cada fotograma renderizado a partir de código. Esa es una afirmación de demo de una sola cuenta, no un anuncio de un proveedor, y una película es el artefacto más fácil de volver a publicar en este campo y el más difícil de verificar. Lo que sí es verificable es la clase a la que pertenece. En los dos días posteriores a que el proveedor lanzara Claude Opus 5.5 el 22 de septiembre de 2026, varias personas publicaron películas y animaciones renderizadas por código creadas con él, y algunos de ellos publicaron su código fuente. Eso es suficiente para responder la pregunta que la publicación realmente plantea: ¿qué significa "hecho 100 % en código" y qué exige una historia de la IA que no exige un video musical?

Versión corta, y es la parte que los reposts omiten. El modelo no genera píxeles. Escribe un programa que pinta píxeles y luego lo ejecuta. La salida del paso interesante es un renderizador, no una película.

Lo que descarta «renderizado desde código» — y lo que deja

La restricción en el prompt está haciendo un trabajo real, así que vale la pena formularla con precisión. Ningún modelo de imágenes, ningún modelo de video, ninguna biblioteca de stock, ningún metraje con licencia, ninguna voz generada. Todo lo que aparece en pantalla tiene que ser producido por aritmética que alguien escribió.

Lo que queda es un pipeline, y su forma es consistente en cada uno de estos proyectos:

• Pintura — una página que usa p5.js, Canvas 2D o WebGL, o un bucle de Python y NumPy que escribe matrices de píxeles directamente. Color, geometría, tipografía y movimiento son todo código.

• Renderizado — algo tiene que recorrer cada fotograma en orden. En los proyectos basados en el navegador, eso es un script de Node que controla una instancia de Chrome sin interfaz gráfica y toma capturas del lienzo; en los proyectos de Python, es un bucle que escribe archivos de imagen.

• Codificación — ffmpeg une los fotogramas y coloca la pista de audio encima.

A 24 fotogramas por segundo, tres minutos son aproximadamente 4.320 fotogramas. Nada en Claude Opus 5.5 cambia lo que cuesta el fotograma 2.000, porque el fotograma 2.000 es una captura de pantalla de un lienzo, no una llamada al modelo. El trabajo del modelo termina antes de que empiece la parte costosa — y la parte costosa está en tu hardware, no en la API.

Por qué una historia de la IA es un encargo más difícil que un videoclip

En un video musical, el contenido es la canción. La animación es decoración, y la decoración puede ser abstracta. Una película sobre la historia de la IA tiene la estructura opuesta: la línea de tiempo es el contenido. Si la película coloca el RLHF antes del transformer, o se salta los dos años entre GPT-3 y ChatGPT, está mal de una manera que ninguna cantidad de calidad de renderizado arregla. Nadie que vea un video lírico en acuarela puede saber si el modelo entendió la canción. Cualquiera que vea una historia de tres minutos puede saber si el modelo conoce la historia.

Eso apila tres cargas separadas en una sola ejecución. El modelo tiene que secuenciar los hechos correctamente a lo largo de un lapso lo suficientemente largo como para que no pueda retener todo el conjunto en una sola pasada. Tiene que construir y depurar un renderizador de varios archivos. Y tiene que tomar decisiones de dirección — qué mostrar, qué dejar fuera, cuándo cortar — porque una historia tiene que ser editada o es una lista. El fallo en cualquiera de las tres es invisible en una captura de pantalla. Una película con un renderizador hermoso y una línea temporal desordenada se ve bien hasta que la lees.

Los artefactos que resisten el escrutinio son los que publicaron su código fuente, y ahora hay varios. Un video musical para una canción llamada "I'm Upping My P(doom)" se publicó en GitHub el 22 de septiembre —el mismo día en que se lanzó Claude Opus 5.5— con un README que afirma que requirió dos generaciones, la primera atribuida al modelo con esfuerzo medio y la segunda con el predeterminado, que "todo en este repositorio fue generado por el modelo" y que no se especificó ninguna idea de escena más allá de un diseño de personaje y una instrucción general de dar a cada letra visuales interesantes. Un repositorio de demostración con tres juegos siguió el 23 de septiembre: tres juegos de navegador jugables, cada uno con un prompt de una sola frase, sin recursos externos, modelos, texturas y audio, todo procedural. Uno de los tres requirió que el modelo buscara el diseño oficial de un mapa de juego existente y reconstruyera su geometría a partir de esa investigación antes de escribir nada —el modelo decidió que su primera respuesta habría sido errónea. Y una película de cuatro minutos solo de código, según se informó, atribuida a cuatro agentes en unos noventa minutos sin API de voz, circuló esa misma semana.

La película específica sobre la historia de la IA no está entre los artefactos que pude verificar, y su duración, prompt y cronología son el relato del autor, no algo que un tercero haya auditado. Trátala como tratarías cualquier demo: la técnica que demuestra es real y reproducible; la película en particular es una afirmación.

Lo que realmente cuestan tres minutos de código generado

Hay una medición independiente que describe mejor esta carga de trabajo que las demos, y proviene de Artificial Analysis. En su Intelligence Index —versión v4.3.2, diez evaluaciones—, Claude Opus 5.5 obtiene 58 con esfuerzo máximo, lo que esa página clasifica en primer lugar entre 212 modelos. La misma página sitúa al modelo en 260 millones de tokens de salida consumidos en toda la suite del Index, con un rango de verbosidad de 95.º de 212, y un costo promedio ponderado de $5.98 por tarea del Index. El precio de lista de Anthropic es de $4 por millón de tokens de entrada y $20 por millón de salida, con lecturas de caché a $0.20 por millón.

Lee esas dos cosas en conjunto y el perfil de tokens es la historia. Un modelo que gasta muchos tokens de salida y queda en la mitad de la tabla en verbosidad es un modelo que piensa sobre la página en lugar de comprimir. La generación de horizonte largo es lo que eso parece desde fuera: el presupuesto se dedica a mantener en pie una construcción grande, de varios archivos y varias horas, y el artefacto visible es el residuo.

La aritmética, que es aritmética y no una factura, ya que nadie ha publicado el costo en tokens de ninguna de estas películas: a $20 por millón de tokens de salida, una ejecución que emite 500,000 tokens de salida cuesta $10 en salida. Las relecturas de entrada son donde una compilación larga se vuelve costosa — un renderizador que relee repetidamente su propio código fuente en crecimiento paga $4 por millón a la entrada, o $0.20 por millón una vez que el prefijo está en caché, lo cual es una diferencia de veinte veces y la palanca más grande en el costo de una ejecución larga de agente.

Una advertencia que se aplica a cada cifra anterior y a la propia tabla de lanzamiento de Anthropic. La mayoría de las filas de benchmarks publicadas por el proveedor corresponden a un esfuerzo máximo, mientras que el esfuerzo predeterminado en la API es medio. Terminal-Bench 4.0 con un 66,4 %, CursorBench 4.0 con un 52,5 % en el nivel medio predeterminado, GDPval-AA v2.1 con 1.846 Elo — todos ellos son datos reportados por el proveedor, no reproducidos y dependientes del esfuerzo. Trata el esfuerzo como el dial de presupuesto que es, no como una nota al pie.

Donde los artefactos dejan de ser utilizables

Los modos de fallo en esta clase de trabajo son consistentes en todos los repositorios que publicaron lo suficiente como para verificarlo, y todos son estructurales en lugar de específicos del modelo.

• El resultado es un programa, no un archivo. Si necesitas un MP4 para entregárselo a alguien, igual necesitas Node, un navegador y ffmpeg. El modelo produjo el renderizador, no el render. Esa es una dependencia de compilación que posees para siempre, y se romperá la primera vez que cambie el navegador.

• Escala con los fotogramas, no con los prompts. 4.320 fotogramas son 4.320 capturas de pantalla. Nada en el prompt acorta eso, y nada en la capacidad del modelo hace que los últimos mil fotogramas sean más baratos que los primeros mil.

• El determinismo es un requisito, no un lujo. Los fotogramas se renderizan en paralelo y en desorden, así que cada fotograma debe ser una función pura de su marca temporal: sin estado arrastrado, sin aleatoriedad sin semilla, sin dependencia de cuándo se calculó el fotograma. Un modelo que no ha interiorizado eso produce una película que parpadea, y el parpadeo no se ve en ningún fotograma individual que inspecciones.

• Que sea de un solo intento no significa que no se audite. La evidencia más clara es la investigación del mapa: el modelo comprobó un diseño publicado en lugar de confiar en su propia reconstrucción. Ese es el comportamiento que se desea y nada en el prompt lo fuerza.

• Los hechos son la parte que nadie verificó. Todo artefacto publicado de esta clase informa sobre su pipeline de renderizado. Ninguno de ellos menciona una pasada de verificación de hechos. Para una película histórica, esa es toda la superficie de riesgo, y es lo único que una captura de pantalla no puede mostrarte.

• Nadie le ha puesto precio al fracaso. Ninguno de estos repositorios informa cuántos intentos hizo falta, cuántos tokens quemó ni qué parte de la segunda generación consistió en reparar la primera. Ese es el número que un equipo necesita antes de comprometerse, y es el número del que las demos hablan menos.

Ejecutar un render de tres minutos sin apostar una ruta de producción a ello

Si lo que quieres es una película, Claude Opus 5.5 no es un modelo de vídeo, y ninguna cantidad de metraje de demostración lo convierte en uno. El material de lanzamiento de Anthropic no contiene ninguna capacidad de generación de vídeo; las evaluaciones publicadas son de codificación agéntica, uso de computadoras y trabajo de conocimiento. Lo que muestran las demostraciones es generación de código de horizonte largo apuntada a algo que puedes ver.

Si esa es la capacidad que buscas, la pregunta práctica deja de ser qué modelo y pasa a ser cómo ejecutar un trabajo de generación de varias horas sin comprometer con él una ruta de producción. Un render como este falla de forma silenciosa y tardía —obtienes un programa plausible que pinta durante cuatro minutos y luego se rompe en el fotograma 3000—, lo que lo convierte en un mal candidato para una integración a medida y en un buen candidato para un endpoint que ya tienes.Claude Opus 5.5 está en OrcaRouter al precio de lista de Anthropic con 0 % de margen —$4 por millón de tokens de entrada, $20 por millón de salida, lecturas de caché a $0.200—, accesible tanto a través de la API de Messages de Anthropic como del endpoint de chat completions compatible con OpenAI, así que un SDK existente funciona con solo apuntar su URL base a nosotros. Pon la ejecución nocturna en la misma clave que todo lo demás, detrás de una sola API para más de 200 modelos con conmutación por error automática, y una ejecución que muere en el fotograma 3000 es un problema de enrutamiento y no una rearquitectura.

La palanca de costos es la caché, y conviene configurarla antes del primer render y no después: a $0.20 por millón de tokens de lectura de caché frente a $4 por millón de entrada nueva, mantener la fuente en crecimiento en el prefijo en caché es la diferencia entre un trabajo nocturno barato y uno caro. Eso es cierto sin importar quién preste el servicio del modelo.

¿Qué resolvería la cuestión?

Tres cosas harían que esto pasara de ser una clase de demostración a algo con lo que se puede planificar, y ninguna de ellas requiere un nuevo modelo.

La primera es código fuente publicado específicamente para la película de historia. El video musical, los juegos y las películas de motor de píxeles son verificables porque sus autores publicaron el código. Las películas que circulan solo como video —incluida esta— no pueden distinguirse de una grabación de pantalla cuidadosamente editada, y la diferencia importa sobre todo precisamente para el artefacto cuyo contenido son afirmaciones fácticas.

El segundo es una auditoría de la cronología. Una historia de la IA en tres minutos es una prueba con una respuesta correcta, y el hecho de que la película dure tres minutos es lo que hace que la prueba sea difícil: el modelo tiene que comprimir desde 2017 hasta hoy sin omitir las entradas que sostienen la estructura ni inventar un orden que nunca ocurrió. Cualquiera puede ver la película y comprobarlo. Casi nadie lo ha hecho.

La tercera es capacidad más barata para el mismo trabajo. Anthropic ha dicho que Sonnet 5.5 y Haiku 5.5 llegarán en las próximas semanas. Un modelo más barato que pueda mantener unida una compilación de varios archivos convierte un renderizado nocturno de un experimento notable en uno rutinario, y cambiaría la aritmética del presupuesto de fallos —el número de reintentos que puedes permitirte— mucho más de lo que cambia la calidad de cualquier fotograma individual.

Por ahora, la lectura honesta de la publicación es más acotada de lo que suena y más interesante de lo que aparenta. Un modelo escribió un renderizador, un plan y una línea de tiempo, y luego un proceso de compilación los convirtió en tres minutos de vídeo. La afirmación que vale la pena poner a prueba no es que la película se vea bien. Es que la línea de tiempo sobrevivió.