Claude Opus 5.5 はAIの歴史を純粋なコードで描き出した：それが実際に何を証明しているのか

Xへの投稿によると、誰かがClaude Opus 5.5に、AIの歴史について3分間の映画を作るよう頼んだという——「Attention Is All You Need」からAGIまで——ストック映像も画像生成器や動画生成器も使わず、全フレームをコードからレンダリングした。それは単一アカウントによるデモの主張であり、ベンダーの発表ではない。そして映画は、この分野で最も再投稿しやすく、最も検証しにくい成果物だ。検証できるのは、それが属するクラスだ。2026年9月22日にベンダーがClaude Opus 5.5を出荷した後の2日間で、何人かがそれを使ってコードでレンダリングされた映画やアニメーションを公開し、数人はソースも公開した。それだけで、この投稿が実際に提起している問いに答えるのに十分だ：「100%コードで作られた」とは何を意味するのか、そしてAIの歴史は、ミュージックビデオが要求しない何を要求するのか？

手短に言えば、そしてこれは転載が省く部分だが、モデルはピクセルを生成しているわけではない。ピクセルを描くプログラムを書き、それを実行している。興味深いステップの出力は、フィルムではなくレンダラーだ。

「コードからレンダリングされる」が排除するもの — そしてそれが残すもの

プロンプト内の制約は実際に重要な役割を果たしているので、正確に述べておく価値がある。画像モデルなし、動画モデルなし、ストックライブラリなし、ライセンス許諾された映像素材なし、生成音声なし。画面上のすべては、誰かが書き留めた算術によって生成されなければならない。

そこに残るのは一つのパイプラインであり、その形はこれらすべてのプロジェクトを通じて一貫している：

• ペインティング — p5.js、Canvas 2D もしくは WebGL を使ったページ、または Python と NumPy のループでピクセル配列を直接書き出すもの。色、幾何学、タイポグラフィ、動きのすべてがコードである。

• レンダリング — 何かがすべてのフレームを順番に処理しなければならない。ブラウザベースのプロジェクトでは、それはヘッドレス Chrome インスタンスを動かしてキャンバスをスクリーンショットする Node スクリプトであり、Python プロジェクトでは、画像ファイルを書き出すループである。

• エンコード — ffmpeg がフレームを結合し、その上にオーディオトラックを重ねます。

毎秒24フレームでは、3分はおよそ4,320フレームになる。Claude Opus 5.5についても、フレーム2,000にかかるコストが変わることはない。なぜならフレーム2,000はキャンバスのスクリーンショットであり、モデル呼び出しではないからだ。モデルの仕事は、高コストな部分が始まる前に終わっている——そしてその高コストな部分はAPI上ではなく、あなたのハードウェア上にある。

なぜAIの歴史を描くことは、ミュージックビデオよりも難しい依頼なのか

ミュージックビデオでは、内容は楽曲そのものだ。アニメーションは装飾であり、装飾は抽象的でもかまわない。AIの歴史を扱う映画は、これとは逆の構造をとる。タイムラインはまさに内容なのだ。もしその映画がRLHFをトランスフォーマーより前に置いたり、GPT-3とChatGPTの間の2年間を飛ばしたりしていれば、どれほどレンダリング品質を高めても埋め合わせのきかない誤りである。水彩のリリックビデオを見ている人には、モデルがその曲を理解したかどうかはわからない。だが3分間の歴史を眺める人なら、モデルが歴史を知っているかどうかはわかる。

それは1回の実行で3つの別個の負荷を重ねている。モデルは、全体を一度に保持できないほどの長さの範囲にわたって、事実を正しく順序づけなければならない。複数ファイルのレンダラーを構築し、デバッグしなければならない。そして演出上の選択——何を見せ、何を省き、どこで切るか——を下さなければならない。歴史は編集されなければリストになってしまうからだ。3つのうちどれか1つが失敗しても、スクリーンショットでは見えない。美しいレンダラーと乱れたタイムラインを備えた映画は、読み解くまでは問題なく見える。

検査に耐える成果物とは、ソースを公開したものであり、今ではそれが複数ある。9月22日、Claude Opus 5.5のリリースと同じ日に、「I'm Upping My P(doom)」という曲のミュージックビデオがGitHubに公開された。READMEには、2世代を要し、1回目はモデルが中程度のエフォートで、2回目はデフォルトで生成されたこと、「このリポジトリ内のすべてはモデルによって生成された」こと、キャラクターデザインと各歌詞に興味深い映像を与えるという一般的な指示以外にシーンのアイデアは指定されていなかったことが記されていた。9月23日には3ゲームのデモリポジトリが続いた。ブラウザで遊べる3つのゲームで、それぞれ一文のプロンプトのみ、外部アセットはなく、モデル、テクスチャ、音声はすべてプロシージャルだった。3つのうち1つでは、モデルが既存ゲームマップの公式レイアウトを調べ、何かを書く前にその調査からジオメトリを再構築する必要があった——モデルは、自分の最初の答えでは間違っていただろうと判断したのだ。そして、音声APIなしで約90分にわたり4つのエージェントによるものとされる、報告されている4分間のコードのみの映画が、同じ週に出回った。

特定の「AI 史」映画は、私が検証できた成果物のなかには含まれておらず、その上映時間やプロンプト、タイムラインも、外部の第三者が監査したものではなく、著者自身による説明である。これは、どんなデモであれ扱うのと同じように扱ってほしい。それが示している技法は実在し、再現可能だが、その特定の映画は一つの主張にすぎない。

生成されたコードの3分が実際に要するコストとは

このワークロードをデモよりも適切に説明する独立した測定値が1つあり、それはArtificial Analysisによるものです。そのIntelligence Index — バージョンv4.3.2、10の評価 — では、Claude Opus 5.5は最大エフォートで58を記録し、そのページでは212モデル中1位にランクされています。同じページでは、このモデルはIndexスイート全体で2億6,000万の出力トークンを消費し、冗長性ランクは212中95位、Indexタスクあたりの加重平均コストは$5.98とされています。Anthropicの定価は入力100万トークンあたり$4、出力100万トークンあたり$20で、キャッシュ読み取りは100万トークンあたり$0.20です。

その2つを一緒に読むと、トークンプロファイルが物語そのものになる。大量の出力トークンを使いながら、冗長さでは中位に落ち着くモデルは、圧縮しているのではなく、ページ上で考えているモデルだ。長期的な生成とは、外から見ればそういう姿である。予算は、大規模で複数ファイル・複数時間にわたるビルドを丸ごと保持することに費やされ、目に見える成果物はその残渣なのだ。

算術——請求書ではなく算術だ、これらの映画のどれについてもトークンコストを誰も公表していないのだから——：出力トークン100万あたり$20では、50万出力トークンを生成する実行は出力で$10かかる。入力の再読み込みこそ、長いビルドが高くつくところだ——自らの成長するソースを繰り返し再読み込みするレンダラーは、入力側で100万あたり$4を支払う。あるいは、プレフィックスがキャッシュされれば100万あたり$0.20だ。これは20倍の差であり、長いエージェント実行のコストに対する単一最大のレバーである。

上記のすべての数値、そしてAnthropic自身の発表表にも当てはまる注意点が1つあります。ベンダーが公開したベンチマーク行のほとんどは最大エフォートでの結果ですが、APIのデフォルトのエフォートはmediumです。Terminal-Bench 4.0は66.4%、CursorBench 4.0はデフォルトのmediumで52.5%、GDPval-AA v2.1は1,846 Elo — これらはベンダー報告であり、未再現で、エフォートに依存します。エフォートは、それがそうであるところの予算ダイヤルとして扱い、脚注として扱わないでください。

アーティファクトが使用できなくなるところ

この種の作業における失敗のパターンは、検証するのに十分な量を公開したリポジトリのすべてで一貫して見られ、しかもそれらはモデル固有というより構造的なものだ。

• 出力はファイルではなくプログラムです。誰かに渡すMP4が必要なら、依然としてNode、ブラウザ、ffmpegが必要です。モデルが生成したのはレンダラーであり、レンダリング結果ではありません。それはあなたが永遠に抱え込むビルド依存であり、ブラウザが変わった最初の時点で壊れます。

• これはプロンプトではなく、フレーム数に比例してスケールします。4,320フレームは4,320枚のスクリーンショットです。プロンプトの中身でそれが短くなることはなく、モデルの能力がどうであれ、最後の1,000フレームが最初の1,000フレームより安く済むことはありません。

• 決定性は要件であり、贅沢ではない。フレームは並列かつ順不同でレンダリングされるため、各フレームはタイムスタンプの純粋関数でなければならない — 持ち越される状態も、シードされていない乱数も、そのフレームがたまたま計算された時点への依存もあってはならない。それを内部化していないモデルは、ちらつくフィルムを生み出す。そしてそのちらつきは、検査するどの単一フレームにも見えない。

• ワンショットは、未検証という意味ではない。最も明快な証拠は地図の調査にある。モデルは自らの再構成を信じるのではなく、公開されたレイアウトを確認した。それはまさに望ましい行動であり、プロンプトにはそれを強制するものは何もない。

• 事実確認こそ、誰も確認していない部分だ。この種の公開物はどれも、そのレンダリングパイプラインを報告している。だが、そのどれもファクトチェックの工程を報告していない。歴史映画にとって、そこがリスクの全域であり、そしてスクリーンショットでは決して見せられない唯一の点なのだ。

• 失敗の代価を計算した者はいない。これらのリポジトリはどれも、何回の試行を要したか、どれだけのトークンを消費したか、第二世代のどれだけが第一世代の修復に充てられたかを報告していない。それはチームがコミットする前に必要とする数字であり、そしてデモが最も口を閉ざしている数字なのだ。

本番経路を賭けずに3分間のレンダリングを実行する

もしあなたが求めているのが映画なら、Claude Opus 5.5 は動画モデルではなく、どれだけデモ映像を積み重ねても動画モデルにはならない。Anthropic の発表資料に動画生成機能は含まれておらず、公開されている評価はエージェント型コーディング、コンピュータ操作、ナレッジワークだ。デモが示しているのは、あなたが視聴できる何かに向けられた長期的なコード生成である。

それが求める能力なのであれば、実務上の問いはもはや「どのモデルか」ではなく、本番経路をそれに固定することなく、数時間におよぶ生成ジョブをどう回すかになります。この種のレンダリングは静かに、そして遅れて失敗します——もっともらしいプログラムができあがり、4分間描画したあと3,000フレーム目で壊れる——つまりこれは専用の作り込みには向かず、すでに手元にあるエンドポイントには向いた案件だということです。Claude Opus 5.5 は OrcaRouter で、Anthropic の定価どおり、マークアップ0%——入力100万トークンあたり$4、出力100万トークンあたり$20、キャッシュ読み取りは$0.200——で提供されており、Anthropic Messages API と OpenAI 互換の chat completions エンドポイントの両方から到達できるため、既存の SDK もベース URL を当社に向けるだけでそのまま動きます。夜通しの実行も、ほかのすべてと同じキーで、以下の背後に置いてください——200以上のモデルに対応する1つの APIと自動フェイルオーバー、そして3,000フレーム目で死ぬ実行は、再アーキテクチャではなくルーティングの問題になります。

コストを左右するのはキャッシュであり、初回レンダリングの後ではなく前に設定する価値がある。キャッシュ読み取りトークン100万件あたり0.20ドルに対して新規入力は100万件あたり4ドルなので、増え続けるソースをキャッシュ済みプレフィックスに保つことが、安価な夜間ジョブになるか高価なジョブになるかの分かれ目だ。これは、モデルを誰が提供しているかに関係なく当てはまる。

何がその疑問を解決するだろうか

3つのことが、これをデモ用クラスから、計画に組み込めるものへと変えるだろう。しかもそのどれも、新しいモデルを必要としない。

最初のものは、特に歴史映画のための公開ソースだ。ミュージックビデオ、ゲーム、ピクセルエンジン映像は、作者がコードを公開しているので検証可能である。動画としてのみ流通する映画は——これも含めて——注意深く編集された画面録画と区別がつかず、その違いが最も重要になるのは、まさにその内容が事実的主張である作品についてである。

二つ目は年表の監査である。AIの3分間の歴史は正解のあるテストであり、その映画が3分間であるという事実がテストを難しくしている。モデルは2017年から今日までを、要となる項目を落とさず、決して起きなかった順序をでっち上げることなく圧縮しなければならない。誰でもその映画を見て確認できる。ほとんど誰もしていない。

第三は、同じ仕事をより安くこなせるキャパシティだ。Anthropicは、Sonnet 5.5とHaiku 5.5が今後数週間以内に続くと述べている。複数ファイルのビルドを一貫して維持できる、より安価なモデルは、一晩がかりのレンダリングを、注目すべき実験から日常的なものへと変える。そしてそれは、失敗予算——許容できるリトライ回数——の計算を、単一フレームの品質を変えるよりもはるかに大きく変えるだろう。

今のところ、この投稿に対する正直な読み取りは、聞こえるよりも狭く、見た目よりも興味深い。あるモデルがレンダラーと計画とタイムラインを書き、その後ビルドプロセスがそれらを3分間の動画に変えた。検証に値する主張は、その映画がよく見えるということではない。タイムラインが生き残ったということだ。