Claude Opus 5.5 återgav AI:s historia i ren kod: Vad det faktiskt demonstrerar

Ett inlägg på X säger att någon bad Claude Opus 5.5 att göra en treminutersfilm om AI:s historia — från "Attention Is All You Need" till AGI — utan arkivmaterial och utan bild- eller videogeneratorer, med varje bildruta renderad från kod. Det är ett demopåstående från ett enda konto, inte ett tillkännagivande från leverantören, och en film är den enklaste artefakten i det här fältet att återpublicera och den svåraste att kontrollera. Det som går att kontrollera är den klass den tillhör. Under de två dagarna efter att leverantören släppte Claude Opus 5.5 den 22 september 2026 publicerade flera personer kodrenderade filmer och animationer byggda med den, och några av dem publicerade sin källkod. Det räcker för att svara på frågan som inlägget faktiskt ställer: vad betyder "skapad 100 % i kod", och vad kräver en AI-historia som en musikvideo inte gör?

Kortversionen, och det är den delen som återpubliceringar utelämnar. Modellen genererar inte pixlar. Den skriver ett program som målar pixlar och kör det sedan. Utdata från det intressanta steget är en renderare, inte en film.

Vad "renderad från kod" utesluter – och vad det lämnar

Begränsningen i prompten gör ett verkligt arbete, så den är värd att formuleras exakt. Ingen bildmodell, ingen videomodell, inget stockbibliotek, inget licensierat filmmaterial, ingen genererad röst. Allt på skärmen måste produceras av aritmetik som någon har skrivit ned.

Det som återstår är en pipeline, och dess form är konsekvent i vart och ett av dessa projekt:

• Måleri — en sida som använder p5.js, Canvas 2D eller WebGL, eller en Python- och NumPy-loop som skriver pixelmatriser direkt. Färg, geometri, typografi och rörelse är allt kod.

• Rendering — något måste besöka varje bildruta i ordning. I de webbläsarbaserade projekten är det ett Node-skript som driver en headless Chrome-instans och tar skärmbilder av canvasen; i Python-projekten är det en loop som skriver bildfiler.

• Inkodning — ffmpeg sammanfogar bildrutorna och lägger ljudspåret ovanpå.

Vid 24 bilder per sekund är tre minuter ungefär 4 320 bildrutor. Inget med Claude Opus 5.5 förändrar vad bildruta 2 000 kostar, eftersom bildruta 2 000 är en skärmbild av en canvas, inte ett modellanrop. Modellens arbete är slut innan den dyra delen börjar – och den dyra delen ligger på din hårdvara, inte i API:et.

Varför AI:s historia är en svårare brief än en musikvideo

I en musikvideo är innehållet själva låten. Animationen är dekoration, och dekoration kan vara abstrakt. En film om AI:s historia har den motsatta strukturen: tidslinjen är innehållet. Om filmen placerar RLHF före transformatorn, eller hoppar över de två åren mellan GPT-3 och ChatGPT, är den fel på ett sätt som ingen mängd renderingskvalitet kan reparera. Ingen som tittar på en akvarell-lyricvideo kan avgöra huruvida modellen förstod låten. Den som tittar på en treminuters historia kan avgöra huruvida modellen kan historien.

Det staplar tre separata laster på en körning. Modellen måste sekvensera fakta korrekt över en sträcka som är tillräckligt lång för att den inte kan hålla hela innehållet i ett enda svep. Den måste bygga och felsöka en flerfilig renderare. Och den måste göra regissörsval — vad som ska visas, vad som ska utelämnas, när man ska klippa — eftersom en historia måste redigeras, annars är den bara en lista. Ett misslyckande i någon av de tre är osynligt på en skärmbild. En film med en vacker renderare och en rörig tidslinje ser bra ut tills man läser den.

De artefakter som håller för granskning är de som publicerade sin källkod, och nu finns det flera. En musikvideo till en låt som heter "I'm Upping My P(doom)" lades upp på GitHub den 22 september – samma dag som Claude Opus 5.5 lanserades – med en README som anger att den tog två generationer, varav den första tillskrevs modellen vid medium effort och den andra vid default, att "allt i detta arkiv genererades av modellen", och att inga scenidéer specificerades utöver en karaktärsdesign och en allmän instruktion att ge varje textrad intressanta bilder. Ett demorepo med tre spel följde den 23 september: tre spelbara webbläsarspel, vart och ett med en prompt på en enda mening, inga externa resurser, modeller och texturer och ljud allt procedurellt genererat. Ett av de tre krävde att modellen slog upp en befintlig spelbanas officiella layout och byggde upp dess geometri utifrån den efterforskningen innan den skrev något – varvid modellen bedömde att dess första svar skulle ha varit fel. Och en rapporterad fyra minuter lång film som bara består av kod, tillskriven fyra agenter under omkring nittio minuter utan röst-API, cirkulerade samma vecka.

Den specifika filmen om AI:s historia finns inte bland de artefakter jag kunde verifiera, och dess speltid, prompt och tidslinje är författarens redogörelse snarare än något som en utomstående part har granskat. Behandla den som du skulle behandla vilken demo som helst: tekniken den demonstrerar är verklig och reproducerbar; just den filmen är ett påstående.

Vad tre minuters genererad kod faktiskt kostar

Det finns en oberoende mätning som beskriver denna arbetsbelastning bättre än demosarna gör, och den kommer från Artificial Analysis. På dess Intelligence Index – version v4.3.2, tio utvärderingar – får Claude Opus 5.5 58 poäng vid maximal ansträngning, vilket den sidan rankar som nummer ett av 212 modeller. Samma sida anger modellen till 260 miljoner förbrukade utdatatoken i Index-sviten, med en rang för mångordighet på 95:e av 212 och en vägd genomsnittskostnad på 5,98 USD per Index-uppgift. Anthropics listpris är 4 USD per miljon indatatoken och 20 USD per miljon utdatatoken, med cacheläsningar på 0,20 USD per miljon.

Läser man de två sakerna tillsammans är tokenprofilen hela berättelsen. En modell som gör av med många utdatatokens och hamnar i mitten av fältet när det gäller mångordighet är en modell som tänker på sidan i stället för att komprimera. Generering över långa tidshorisonter är vad det ser ut som utifrån: budgeten går åt till att hålla ihop ett stort bygge med många filer och många timmar, och den synliga artefakten är restprodukten.

Räkneexemplet, som är just ett räkneexempel och inte en faktura, eftersom ingen har publicerat tokenkostnaden för någon av dessa filmer: vid 20 dollar per miljon utdatatokens kostar en körning som avger 500 000 utdatatokens 10 dollar i utdata. Återläsningar av indata är där en lång byggprocess blir dyr — en renderare som upprepade gånger läser om sin egen växande källkod betalar 4 dollar per miljon på vägen in, eller 0,20 dollar per miljon när prefixet väl är cachat, vilket är en tjugofaldig skillnad och den enskilt största hävstången på kostnaden för en lång agentkörning.

Ett förbehåll som gäller alla siffror ovan och Anthropics egen lanseringstabell. De flesta av leverantörens publicerade benchmark-rader ligger på maximal ansträngning, medan standardansträngningen i API:et är medium. Terminal-Bench 4.0 på 66,4 %, CursorBench 4.0 på 52,5 % vid standard-medium, GDPval-AA v2.1 på 1 846 Elo – dessa är leverantörsrapporterade, inte reproducerade och beroende av ansträngningsnivå. Behandla ansträngning som det budgetreglage det är, inte som en fotnot.

Där artefakterna slutar vara användbara

Felmoderna i den här typen av arbete är konsekventa över varje repo som publicerade tillräckligt för att kunna granskas, och de är alla strukturella snarare än modellspecifika.

• Resultatet är ett program, inte en fil. Om du behöver en MP4 att ge till någon behöver du fortfarande Node, en webbläsare och ffmpeg. Modellen producerade renderaren, inte renderingen. Det är ett byggberoende som du äger för alltid, och det kommer att gå sönder första gången webbläsaren ändras.

• Det skalas med bildrutor, inte med prompter. 4 320 bildrutor är 4 320 skärmbilder. Ingenting i prompten gör det kortare, och ingenting i modellens förmåga gör de sista tusen bildrutorna billigare än de första tusen.

• Determinism är ett krav, inte en trevlig bonus. Bildrutor renderas parallellt och i oordning, så varje bildruta måste vara en ren funktion av sin tidsstämpel — inget medfört tillstånd, ingen slumpmässighet utan frö, inget beroende av när bildrutan råkade beräknas. En modell som inte har internaliserat det producerar en film som flimrar, och flimret syns inte i någon enskild bildruta du granskar.

• One-shot innebär inte ogranskat. Det tydligaste beviset är kartforskningen: modellen kontrollerade en publicerad layout i stället för att lita på sin egen rekonstruktion. Det är beteendet du vill ha, och inget i prompten tvingar fram det.

• Fakta är den del som ingen kontrollerade. Varje publicerad artefakt i den här klassen redovisar sin renderingspipeline. Ingen av dem redovisar en faktakontroll. För en historisk film är det hela riskytan, och det är det enda som en skärmbild inte kan visa dig.

• Ingen har prissatt misslyckandet. Inget av dessa repon rapporterar hur många försök som krävdes, hur många tokens som brändes, eller hur mycket av den andra generationen som gick åt till att reparera den första. Det är siffran ett team behöver innan det satsar, och det är siffran som demonstrationerna tiger mest om.

Att köra en treminutersrendering utan att satsa en produktionsväg på den

Om det du vill ha är en film är Claude Opus 5.5 inte en videomodell, och hur mycket demomaterial som helst gör den inte till en. Anthropics lanseringsmaterial innehåller ingen videogenereringsförmåga; de publicerade utvärderingarna gäller agentisk kodning, datoranvändning och kunskapsarbete. Vad demon visar är långsiktig kodgenerering riktad mot något du kan titta på.

Om det är den förmågan du vill ha upphör den praktiska frågan att handla om vilken modell och blir i stället hur man kör ett genereringsjobb som pågår i flera timmar utan att binda en produktionsväg till det. En rendering som den här misslyckas tyst och sent – du får ett trovärdigt program som målar i fyra minuter och sedan går sönder vid bildruta 3 000 – vilket gör den till en dålig kandidat för en skräddarsydd integration och en bra kandidat för en slutpunkt du redan har. Claude Opus 5.5 finns på OrcaRouter till Anthropics listpris med 0 % påslag – 4 USD per miljon indatatoken, 20 USD per miljon utdatatoken, cacheläsningar till 0,200 USD – nåbar både via Anthropic Messages API och den OpenAI-kompatibla slutpunkten för chat completions, så ett befintligt SDK fungerar genom att peka dess bas-URL mot oss. Lägg nattkörningen på samma nyckel som allt annat, bakom ett API för 200+ modeller med automatisk redundansväxling, och en körning som dör vid bildruta 3 000 är ett routingproblem snarare än en omarkitektur.

Kostnadshävstången är cachen, och den är värd att konfigurera före den första renderingen snarare än efter: vid $0,20 per miljon cache-lästa token mot $4 per miljon färsk indata är att hålla den växande källan i det cachade prefixet skillnaden mellan ett billigt nattjobb och ett dyrt. Det stämmer oavsett vem som serverar modellen.

Vad skulle avgöra frågan

Tre saker skulle flytta det här från en demoklass till något man kan planera kring, och ingen av dem kräver en ny modell.

Den första är publicerad källkod specifikt för historiefilmen. Musikvideon, spelen och pixel-engine-filmerna går att kontrollera eftersom deras upphovspersoner har lagt upp koden. De filmer som endast cirkulerar som video – inklusive den här – kan inte skiljas från en noggrant redigerad skärminspelning, och skillnaden har störst betydelse för just den artefakt vars innehåll är faktapåståenden.

Den andra är en granskning av tidslinjen. En tre minuter lång historia om AI är ett prov med ett rätt svar, och det faktum att filmen är tre minuter lång är det som gör provet svårt: modellen måste komprimera 2017 fram till idag utan att tappa de bärande posterna eller hitta på en ordning som aldrig har inträffat. Vem som helst kan titta på filmen och kontrollera. Nästan ingen har gjort det.

Det tredje är billigare kapacitet för samma uppgift. Anthropic har sagt att Sonnet 5.5 och Haiku 5.5 följer under de kommande veckorna. En billigare modell som kan hålla ihop ett bygge över flera filer förvandlar en rendering över natten från ett anmärkningsvärt experiment till en rutin, och det skulle förändra aritmetiken för felbudgeten – antalet återförsök du har råd med – långt mer än det förändrar kvaliteten på en enskild bildruta.

För närvarande är den ärliga tolkningen av inlägget snävare än det låter och mer intressant än det ser ut. En modell skrev en renderare, en plan och en tidslinje, och sedan förvandlade en byggprocess dem till tre minuters video. Påståendet som är värt att testa är inte att filmen ser bra ut. Det är att tidslinjen överlevde.