Claude Opus 5.5がミュージックビデオをワンショットで制作：「動画を計画する」が実際に生み出すもの

2026年9月23日にXへ投稿されたシグナルはこうだ：「Claude's Plan の動画を opus 5.5 がワンショットで作った」——@jeffgwoah へのトリビュートが添えられている。それはリリースの主張ではなくデモの主張であり、たいてい重要な事柄の間違った側に着地する。 Claude Opus 5.5 は、リークから嗅ぎ出されるような未リリースモデルではない。Anthropic は2026年9月22日にそれを出荷した。入力トークン100万あたり4ドル、出力トークン100万あたり20ドルだ。公開から1日で、一般提供されており、すでに料金表に載っている。したがって興味深い問いは、Opus 5.5 が存在するかどうかではない。これらの「動画をワンショットで作った」投稿が実際に何を示しているかだ。というのも、この表現は響きよりも狭い意味であり、その違いが、そのどれかを活用できるかどうかを決めるからだ。

短く言えばこうだ。そして、ほとんどの転載が省いているのはこの部分だ。検証に耐えるデモでは、Claude Opus 5.5 はピクセルを生成していない。ピクセルを描くコードを書いている。出力はプログラムであり、動画ファイルではない。

出回っている2つのデモが実際に何をしたか

この種の主張の背後には2つの公開された成果物があり、どちらもソースを公開しているため検証可能だ。

最初の作品は「I'm Upping My P(doom)」という曲のための156.6秒のミュージックビデオで、PDoomVideoというリポジトリは2026年9月22日にGitHubで公開された——Opus 5.5がローンチしたのと同じ日である。そのREADMEには、このビデオは「2回の生成で作られ、どちらもClaude Code内で行われた」と記されており、1回目はClaude Opus 5.5（Medium）、2回目はデフォルトのeffort設定のClaude Opus 5.5の功績とされている。また、「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」とあり、「シーンのアイデアは一切指定されていない」とも述べられている——与えられた唯一の指示は、特定のキャラクターデザインを使うことと、各歌詞に興味深いビジュアルとトランジションを与えることだけだった。

二つ目は2026年9月23日に公開された3ゲームのデモリポジトリで、ショーケースというよりむしろ統制された実験に近い。3つのプレイ可能な3Dブラウザゲームがあり、それぞれ一文のプロンプト一つから、単一のセッションで生成され、リポジトリの説明によればコードへの人間による編集は一切行われず、その後デプロイされた。ゲームは外部アセットのない単一ファイルのHTMLで、モデル、テクスチャ、アニメーション、サウンドはすべてコードによって手続き的に生成される。3つのうち1つは、何かを書く前に、モデルがゲームマップの公式レイアウトを調べ、その調査からジオメトリを再構築することを必要とした。

どちらのリポジトリもベンダーによる公表物ではない。どちらも第三者による成果物であり、自己申告であって、特に「人間による編集ゼロ」という主張はgit履歴に関する主張であり、外部の当事者が監査したものではない。プロセスの説明は著者による説明として扱い、証拠としては成果物そのものを扱え。

ストーリーボードこそが本当のアウトプットです

「ワンショットで」という表現が妥当かどうかを決める細部は、最初のリポジトリにある STORYBOARD.md というファイルだ。それは人間のショットリストではない。モデルが最初の生成パス後に自分のために書いた文書であり、本当に具体的だ。すべてのショットで「画面上で何かが起こる」というルール、フレーム内にテキストを入れないという指示、固定デザインの名前付きキャラクター陣、暖かいクリーム色からスペースバイオレットを経てアラームレッドへ、そしてまた戻るパレット、キャラクターの表情はパッと切り替わるのではなくモーフィングするというルール、そしてすべてのカットがアクションによって動機づけられなければならないという要件——暗転への噛みつき、落下、目を突き抜けるズーム。

その文書は、シグナルのテキストが指し示している計画だ。モデルは演出ブリーフを作成し、それに対して章ごとに1つずつサブエージェントを並列で実行した。各サブエージェントは、タイムラインの自分の区間を描画するJavaScriptファイルを書いた。

レンダリングパイプラインはごく普通のもので、率直に言う価値がある。なぜなら、そこが「AIが動画を作った」という枠組みの崩れるところだからだ。フレームはp5.jsと水彩ブラシライブラリを使ってページ上に描画され、NodeスクリプトがヘッドレスChromeでそのページを操作して毎フレームをスクリーンショットし、ffmpegがフレームを音声トラックと結合する。毎秒24フレームで156.6秒間となると、およそ3,760フレームを1枚ずつレンダリングしたことになる。

つまり、正確な文は「Claude Opus 5.5が動画を生成した」ではない。「Claude Opus 5.5が、動画をレンダリングするプログラムを書き、次にそれを演出した」である。この区別は揚げ足取りではない——ミュージックビデオを作っているわけではない人にとって、この技法が役立つ理由そのものなのだ。

「二世代」という表現が「一発」という表現よりも重要な理由

同じREADMEが、自らの見出しを自ら損なっている。この動画には1世代ではなく、2世代が必要だった。最初のパスで生まれた結果を、作者はさらに推し進めた。2回目のパスを一貫したものにする文書、すなわち絵コンテとアニメーションガイドは、最初のパスの後に書かれたのであり、その前ではない。

それが、あらゆる本格的な長期的生成タスクに共通する正直な姿であり、こう言う価値がある。なぜなら、一発仕上げという捉え方は、成果物が到底満たさない期待を設定してしまうからだ。プロンプトは1つのメッセージだった。作業は1回のパスではなかった。モデルがやったのは、大規模で複数ファイルにまたがり何時間もかかるビルドを、2回目のパスが再出発ではなく改訂になる程度にまで、しっかりとまとめ上げることだった——これは「1つのプロンプト、1本の動画」よりも、現実的でずっと地味な能力である。

これをデモよりも的確に説明する独立した数値がある。Artificial Analysisは、Claude Opus 5.5を最大エフォート時に同社のIntelligence Indexで58と測定した——同社が記録した中で最高スコアであり、次のモデル群を数ポイント引き離している——そして、このモデルはIndexタスクあたり約119,000出力トークンを消費し、Claude Opus 5の約73,000、Claude Fable 5.1の約78,000と対比されると報告した。出力トークンは約1.6倍使用し、トークン単価が20%低いにもかかわらず、タスクあたりコストはほぼ同じ（約$5.98 対 約$5.86）に収まる。ロングホライズン生成とは、そのトークン特性が外から見たときに見える姿だ。つまり、モデルは予算を自分自身に費やしているのである。

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モードは一貫しており、両リポジトリは異なる方向から同じ失敗モードを指し示している。

• 出力はファイルではなく、プログラムです。 誰かに渡せるMP4が必要なら、Nodeとブラウザとffmpegが依然として必要です。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。それは永遠にあなたが背負い続けるビルド依存関係です。

• スケールするのはフレーム数であり、プロンプト数ではない。 3,760フレームは、著者自身のハードウェア上でスクリプトによる夜通しの処理を要した。Opus 5.5のどこを取っても、2,000フレーム目を描くコストは変わらない。

• 決定論は「あると嬉しい」ものではなく、要件である。フレームは並列かつ順不同でレンダリングされるため、各フレームはその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なし。それを内面化していないモデルが生成する動画はちらつく。どちらのリポジトリもこれに対処しているが、プロンプト内の何もそれを強制してはいない。

• 一発で済ませることは、検証なしを意味しない。 最も明白な証拠は、2つ目のリポジトリのゲーム作業にある。モデルは構築する前に既存のマップのレイアウトを調査しなければならなかった。これは、モデルが最初の回答は間違っていたと自ら判断したということだ。

• 失敗の値付けをした者はいない。どちらのリポジトリも、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、第二世代のうちどれだけが第一世代の修正だったかを報告していない。それこそが、チームがコミットする前に実際に必要とする数字だ。

これであなたにとって変わること、変わらないこと

もし動画生成モデルを期待していたなら、Claude Opus 5.5 はそうではありませんし、どれだけデモ映像を積み重ねても動画生成モデルにはなりません。Anthropic の発表資料には動画生成能力は含まれていません。このモデルの公開評価項目は、エージェント型コーディング、コンピュータ操作、ナレッジワークです。デモが示しているのは、クリエイティブブリーフを伴う長期的なコード生成です。それは、Anthropic が自社のローンチ記事で挙げている 68万行の移行や C から Rust への移植にも現れるのと同じ能力であり、ただそれを、目で見られるものに向けているにすぎません。

それがあなたの求める能力なら、実用的な問いは「どのモデルか」ではなくなり、「本番経路をそれにコミットせずに、こういうものをどう動かすか」になる。長期的な生成は高コストで、その失敗モードは静かだ — もっともらしいプログラムが4分間レンダリングした後で壊れる。それをテストする合理的な方法は、新しい契約ではなく、すでに持っているエンドポイントを通して作業をルーティングすることだ。Opus 5.5 は OrcaRouter 上で、Anthropic の定価、マークアップ0%で、同ファミリーの他のモデルと並んで提供されている。したがって、一晩の生成実行を、あなたが呼び出す他のすべてと同じキーと同じフェイルオーバールールに乗せることができる。実行がフレーム3,000で死んだとしても、それは再アーキテクチャではなくルーティングの問題だ。

これを前提に計画を立てる前に、注目しておく価値のある点が2つある。Anthropicは、Sonnet 5.5とHaiku 5.5が「今後数週間のうちに」続くと述べている。これは長時間のレンダリングの計算事情を変えるだろう——複数ファイルのビルドをまとめて維持できる、より安価なモデルがあれば、夜通しの処理は特筆すべきものではなく日常的なものになる。そして、ストーリーボードのパターン自体にも汎用性がある。あの文書のなかにOpus 5.5に固有のものは何もなく、より小さいモデルがより劣ったものを書くことを妨げるものも何もない。

今のところ、「Claude's Plan a video by opus 5.5 one shotted」を正直に読めば、それは言葉の響きより範囲が狭く、見た目より役に立つ。モデルはショットリストを書き、自分のサブエージェントたちにブリーフィングし、それからレンダラーを書いた——そして、そのような計画が3,760フレームとの接触を生き延びたという事実こそが、検証に値する主張であり、動画ではない。