Claude Opus 5.5 ถ่ายทอดประวัติศาสตร์ของ AI ด้วยโค้ดล้วน: สิ่งที่มันแสดงให้เห็นจริง ๆ

โพสต์บน X กล่าวว่ามีคนขอให้ Claude Opus 5.5 สร้างภาพยนตร์ความยาวสามนาทีเกี่ยวกับประวัติศาสตร์ของ AI — ตั้งแต่ "Attention Is All You Need" ไปจนถึง AGI — โดยไม่ใช้ฟุตเทจสำเร็จรูปและไม่ใช้เครื่องมือสร้างภาพหรือวิดีโอ โดยทุกเฟรมเรนเดอร์จากโค้ด นั่นเป็นคำกล่าวอ้างแบบเดโมจากบัญชีเดียว ไม่ใช่ประกาศจากผู้ขาย และภาพยนตร์เป็นชิ้นงานที่แชร์ต่อได้ง่ายที่สุดในสาขานี้และตรวจสอบได้ยากที่สุด สิ่งที่ตรวจสอบได้คือประเภทที่มันอยู่ ในสองวันหลังจากที่ผู้ขายเปิดตัว Claude Opus 5.5 เมื่อวันที่ 22 กันยายน 2026 หลายคนได้เผยแพร่ภาพยนตร์และแอนิเมชันที่เรนเดอร์ด้วยโค้ดซึ่งสร้างด้วยมัน และบางคนได้เผยแพร่ซอร์สของตน นั่นเพียงพอที่จะตอบคำถามที่โพสต์นี้ตั้งขึ้นจริง ๆ: "ทำ 100% ด้วยโค้ด" หมายถึงอะไร และสิ่งที่ ประวัติศาสตร์ของ AI เรียกร้องแต่มิวสิกวิดีโอไม่ได้เรียกร้องคืออะไร?

เวอร์ชันสั้น และเป็นส่วนที่การแชร์ต่อมักละไว้ โมเดลไม่ได้สร้างพิกเซล มันเขียนโปรแกรมที่ระบายพิกเซล แล้วจึงรันโปรแกรมนั้น ผลลัพธ์ของขั้นตอนที่น่าสนใจคือตัวเรนเดอร์ ไม่ใช่ภาพยนตร์

สิ่งที่ "เรนเดอร์จากโค้ด" ตัดออกไป — และสิ่งที่มันยังเหลือไว้

ข้อจำกัดในพรอมป์ต์กำลังทำหน้าที่จริง ๆ ดังนั้นจึงควรระบุให้ชัดเจน ไม่ใช้โมเดลภาพ ไม่ใช้โมเดลวิดีโอ ไม่ใช้คลังสต็อก ไม่ใช้ฟุตเทจที่มีลิขสิทธิ์ ไม่ใช้เสียงที่สร้างขึ้น ทุกอย่างบนหน้าจอต้องถูกผลิตขึ้นด้วยเลขคณิตที่มีคนเขียนมันลงไว้

สิ่งที่เหลืออยู่ก็คือไปป์ไลน์ และรูปร่างของมันสอดคล้องกันในทุกโครงการเหล่านี้:

• จิตรกรรม — หน้าหนึ่งที่ใช้ p5.js, Canvas 2D หรือ WebGL หรือลูป Python และ NumPy ที่เขียนอาร์เรย์พิกเซลโดยตรง สี เรขาคณิต ตัวอักษร และการเคลื่อนไหวล้วนเป็นโค้ด

• การเรนเดอร์ — ต้องมีบางอย่างที่ไล่ผ่านทุกเฟรมตามลำดับ ในโปรเจกต์ที่ทำงานบนเบราว์เซอร์ นั่นคือสคริปต์ Node ที่ควบคุมอินสแตนซ์ Chrome แบบ headless และจับภาพแคนวาส; ในโปรเจกต์ Python มันคือลูปที่เขียนไฟล์ภาพ

• การเข้ารหัส — ffmpeg รวมเฟรมและวางแทร็กเสียงทับด้านบน

ที่ 24 เฟรมต่อวินาที สามนาทีจะเท่ากับประมาณ 4,320 เฟรม ไม่มีอะไรเกี่ยวกับ Claude Opus 5.5 ที่เปลี่ยนต้นทุนของเฟรมที่ 2,000 เพราะเฟรมที่ 2,000 คือภาพสกรีนช็อตของแคนวาส ไม่ใช่การเรียกโมเดล งานของโมเดลจบลงก่อนที่ส่วนที่มีค่าใช้จ่ายสูงจะเริ่มขึ้น และส่วนที่มีค่าใช้จ่ายสูงนั้นอยู่บนฮาร์ดแวร์ของคุณ ไม่ใช่บน API

ทำไมประวัติศาสตร์ของ AI จึงเป็นบรีฟที่ยากกว่ามิวสิกวิดีโอ

ในมิวสิกวิดีโอ เนื้อหาคือเพลง แอนิเมชันเป็นเพียงงานตกแต่ง และงานตกแต่งนั้นเป็นนามธรรมได้ก็ไม่ผิด ภาพยนตร์เกี่ยวกับประวัติศาสตร์ของ AI มีโครงสร้างตรงกันข้าม คือ ไทม์ไลน์คือเนื้อหา ถ้าภาพยนตร์เรื่องนั้นวาง RLHF ไว้ก่อน Transformer หรือข้ามช่วงสองปีระหว่าง GPT-3 กับ ChatGPT ไป มันก็ผิดในแบบที่คุณภาพการเรนเดอร์จะดีแค่ไหนก็ซ่อมไม่ได้ ไม่มีใครที่ดูวิดีโอเนื้อเพลงแบบสีน้ำแล้วบอกได้ว่าโมเดลเข้าใจเพลงหรือเปล่า แต่ใครก็ตามที่ดูประวัติศาสตร์ความยาวสามนาทีจะบอกได้ว่าโมเดลรู้ประวัติศาสตร์หรือไม่

การรันครั้งเดียวแบบนั้นซ้อนภาระงานสามอย่างที่แยกจากกันไว้ โมเดลต้องจัดลำดับข้อเท็จจริงให้ถูกต้องตลอดช่วงความยาวที่มากพอจนมันไม่สามารถกุมทั้งหมดไว้ได้ในรอบเดียว มันต้องสร้างและดีบักตัวเรนเดอร์ที่ประกอบด้วยหลายไฟล์ และมันต้องตัดสินใจในฐานะผู้กำกับ — จะแสดงอะไร จะละอะไรไว้ จะตัดตรงไหน — เพราะประวัติศาสตร์ต้องผ่านการตัดต่อ ไม่งั้นมันก็เป็นแค่รายการ ความล้มเหลวในข้อใดข้อหนึ่งจากสามข้อนี้มองไม่เห็นในภาพหน้าจอ ภาพยนตร์ที่มีตัวเรนเดอร์สวยงามแต่เส้นเวลายุ่งเหยิงดูดีไปจนกว่าคุณจะได้อ่านมัน

ชิ้นงานที่ทนต่อการตรวจสอบคือชิ้นงานที่เปิดเผยซอร์สของตน และตอนนี้มีอยู่หลายชิ้นแล้ว มิวสิกวิดีโอสำหรับเพลงชื่อ "I'm Upping My P(doom)" ถูกอัปโหลดขึ้น GitHub เมื่อวันที่ 22 กันยายน — วันเดียวกับที่ Claude Opus 5.5 เปิดตัว — พร้อม README ที่ระบุว่าต้องใช้การสร้างสองรอบ โดยรอบแรกให้เครดิตโมเดลที่ระดับความพยายามปานกลาง และรอบที่สองที่ระดับค่าเริ่มต้น ว่า "ทุกสิ่งในที่เก็บนี้ถูกสร้างโดยโมเดล" และไม่มีแนวคิดฉากใดถูกกำหนดไว้ นอกเหนือจากดีไซน์ตัวละครและคำสั่งทั่วไปให้ใส่ภาพที่น่าสนใจให้เนื้อเพลงแต่ละท่อน Repo เดโมสามเกมตามมาในวันที่ 23 กันยายน: เกมเล่นในเบราว์เซอร์สามเกม แต่ละเกมใช้พรอมป์ประโยคเดียว ไม่มีแอสเซตภายนอก โมเดล เทกซ์เจอร์ และเสียงล้วนเป็นแบบโพรซีเจอรัล หนึ่งในสามเกมกำหนดให้โมเดลค้นหาเลย์เอาต์อย่างเป็นทางการของแผนที่เกมที่มีอยู่ แล้วสร้างเรขาคณิตขึ้นใหม่จากการค้นคว้านั้นก่อนจะเขียนอะไร — โดยโมเดลตัดสินใจว่าคำตอบแรกของมันน่าจะผิด และมีรายงานว่าภาพยนตร์ความยาวสี่นาทีที่ทำจากโค้ดล้วน ซึ่งให้เครดิตกับเอเจนต์สี่ตัวภายในเวลาประมาณเก้าสิบนาทีโดยไม่มี API เสียง ถูกเผยแพร่ในสัปดาห์เดียวกัน

ภาพยนตร์ที่ว่าด้วยประวัติศาสตร์ของ AI เรื่องนั้นโดยเฉพาะไม่ได้อยู่ในบรรดาชิ้นงานที่ผมสามารถตรวจสอบได้ และความยาวในการฉาย พร้อมต์ และไทม์ไลน์ของมันก็เป็นเพียงคำบอกเล่าของผู้เขียน มากกว่าจะเป็นสิ่งที่บุคคลภายนอกได้ตรวจสอบแล้ว จงปฏิบัติต่อมันเหมือนที่คุณจะปฏิบัติต่อเดโมใด ๆ ก็ตาม เทคนิคที่มันสาธิตนั้นเป็นของจริงและทำซ้ำได้ ส่วนภาพยนตร์เรื่องนั้นโดยเฉพาะเป็นเพียงคำกล่าวอ้าง

โค้ดที่สร้างขึ้นในสามนาทีมีต้นทุนที่แท้จริงเท่าไร

มีการวัดผลอิสระหนึ่งรายการที่อธิบายภาระงานนี้ได้ดีกว่าเดโม และมาจาก Artificial Analysis โดยใน Intelligence Index ของ Artificial Analysis — เวอร์ชัน v4.3.2 การประเมิน 10 รายการ — Claude Opus 5.5 ทำคะแนนได้ 58 ที่ความพยายามสูงสุด ซึ่งหน้านั้นจัดให้อยู่ที่หนึ่งจาก 212 โมเดล หน้าเดียวกันระบุว่าโมเดลนี้ใช้โทเคนเอาต์พุต 260 ล้านโทเคนทั่วทั้งชุด Index โดยมีอันดับความยาวคำตอบที่ 95 จาก 212 และมีต้นทุนเฉลี่ยถ่วงน้ำหนัก 5.98 ดอลลาร์ต่องาน Index ราคาตามรายการของ Anthropic คือ 4 ดอลลาร์ต่อล้านโทเคนอินพุต และ 20 ดอลลาร์ต่อล้านโทเคนเอาต์พุต โดยการอ่านแคชอยู่ที่ 0.20 ดอลลาร์ต่อล้าน

อ่านสองสิ่งนั้นประกอบกัน แล้วโปรไฟล์โทเคนก็คือเรื่องราวทั้งหมด โมเดลที่ใช้โทเคนเอาต์พุตจำนวนมากแต่กลับอยู่ในระดับกลาง ๆ ด้านความเยิ่นเย้อ คือโมเดลที่กำลังคิดอยู่บนหน้ากระดาษ มากกว่าที่จะย่อบีบข้อมูล การสร้างผลงานในระยะยาวคือสิ่งที่ดูเหมือนเช่นนั้นเมื่อมองจากภายนอก: งบประมาณถูกใช้ไปกับการประคองงานสร้างขนาดใหญ่ที่มีหลายไฟล์และใช้เวลาหลายชั่วโมงให้เป็นชิ้นเดียวกัน และสิ่งที่มองเห็นได้ก็คือเศษที่เหลือตกค้าง

การคำนวณ ซึ่งเป็นการคำนวณและไม่ใช่บิล เนื่องจากยังไม่มีใครเผยแพร่ต้นทุนโทเค็นของภาพยนตร์เหล่านี้: ที่ $20 ต่อหนึ่งล้านโทเค็นเอาต์พุต การรันที่ปล่อยโทเค็นเอาต์พุต 500,000 โทเค็นมีค่าใช้จ่าย $10 สำหรับเอาต์พุต การอ่านซ้ำอินพุตคือจุดที่การบิลด์แบบยาวมีค่าใช้จ่ายสูง — ตัวเรนเดอร์ที่อ่านซ้ำแหล่งข้อมูลที่กำลังเติบโตของตัวเองซ้ำแล้วซ้ำเล่าจ่าย $4 ต่อหนึ่งล้านในขาเข้า หรือ $0.20 ต่อหนึ่งล้านเมื่อคำนำหน้าถูกแคช ซึ่งเป็นความแตกต่างยี่สิบเท่าและเป็นคันโยกที่ใหญ่ที่สุดเพียงอย่างเดียวต่อต้นทุนของการรันเอเจนต์แบบยาว

ข้อควรระวังหนึ่งข้อที่ใช้กับทุกตัวเลขข้างต้นและกับตารางเปิดตัวของ Anthropic เอง แถวเบนช์มาร์กที่ผู้ขายเผยแพร่ส่วนใหญ่ใช้ความพยายามสูงสุด ขณะที่ความพยายามเริ่มต้นบน API อยู่ที่ระดับกลาง Terminal-Bench 4.0 ที่ 66.4%, CursorBench 4.0 ที่ 52.5% ที่ค่าเริ่มต้นระดับกลาง, GDPval-AA v2.1 ที่ 1,846 Elo — สิ่งเหล่านี้เป็นข้อมูลที่ผู้ขายรายงานเอง ยังไม่ได้รับการทำซ้ำ และขึ้นอยู่กับระดับความพยายาม ให้ถือว่าความพยายามคือปุ่มปรับงบประมาณอย่างที่มันเป็น ไม่ใช่เชิงอรรถ

จุดที่อาร์ติแฟกต์ใช้งานไม่ได้อีกต่อไป

รูปแบบความล้มเหลวในงานประเภทนี้สอดคล้องกันในทุก repo ที่เผยแพร่มากพอให้ตรวจสอบได้ และล้วนเป็นเชิงโครงสร้างมากกว่าที่จะจำเพาะต่อโมเดล

• ผลลัพธ์ที่ได้คือโปรแกรม ไม่ใช่ไฟล์ หากคุณต้องการ MP4 เพื่อส่งให้ใครสักคน คุณยังต้องมี Node เบราว์เซอร์ และ ffmpeg โมเดลสร้างตัวเรนเดอร์ขึ้นมา ไม่ใช่ผลลัพธ์ที่เรนเดอร์ออกมา นั่นคือ dependency ของการ build ที่คุณต้องดูแลไปตลอด และมันจะพังทันทีที่เบราว์เซอร์เปลี่ยนแปลงเป็นครั้งแรก

• มันสเกลตามจำนวนเฟรม ไม่ใช่ตามจำนวนพรอมป์ต์ 4,320 เฟรมก็คือ 4,320 ภาพหน้าจอ ไม่มีอะไรในพรอมป์ต์ที่ทำให้ระยะนั้นสั้นลง และไม่มีอะไรในขีดความสามารถของโมเดลที่ทำให้พันเฟรมสุดท้ายมีต้นทุนต่ำกว่าพันเฟรมแรก

• ความเป็นดีเทอร์มินิสติกเป็นข้อกำหนด ไม่ใช่ของแถม เฟรมถูกเรนเดอร์แบบขนานและไม่เรียงลำดับ ดังนั้นทุกเฟรมต้องเป็นฟังก์ชันบริสุทธิ์ของไทม์สแตมป์ของมัน — ไม่มีสถานะตกค้าง ไม่มีความสุ่มที่ไม่ได้กำหนด seed ไม่มีอะไรขึ้นอยู่กับว่าเฟรมบังเอิญถูกคำนวณเมื่อใด โมเดลที่ยังไม่ได้ซึมซับเรื่องนี้จะสร้างภาพยนตร์ที่กะพริบ และการกะพริบนั้นมองไม่เห็นในเฟรมเดียวที่คุณตรวจดู

• การทำครั้งเดียวไม่ได้หมายความว่าไม่มีการตรวจสอบ หลักฐานที่ชัดเจนที่สุดคือการวิจัยแผนที่: โมเดลตรวจสอบเลย์เอาต์ที่เผยแพร่แล้วแทนที่จะเชื่อการสร้างใหม่ของตัวเอง นั่นคือพฤติกรรมที่คุณต้องการ และไม่มีสิ่งใดในพรอมป์ต์ที่บังคับให้ทำเช่นนั้น

• ข้อเท็จจริงคือส่วนที่ไม่มีใครตรวจสอบ ทุกผลงานที่เผยแพร่ในกลุ่มนี้ต่างรายงานไปป์ไลน์การเรนเดอร์ของตน ไม่มีสักชิ้นที่รายงานการตรวจสอบข้อเท็จจริง สำหรับภาพยนตร์ประวัติศาสตร์ นั่นคือพื้นผิวความเสี่ยงทั้งหมด และมันเป็นสิ่งเดียวที่ภาพหน้าจอไม่สามารถแสดงให้คุณเห็นได้

• ไม่มีใคร pernah ตีราคาความล้มเหลวนี้ None ของ repo เหล่านี้รายงานว่าต้องลองกี่ครั้ง เผาผลาญโทเคนไปเท่าไร หรือการสร้างรอบที่สองนั้นเป็นการซ่อมรอบแรกอยู่มากแค่ไหน นั่นคือตัวเลขที่ทีมต้องการก่อนตัดสินใจลงมือ และเป็นตัวเลขที่พวกเดโมเงียบที่สุด

รันเรนเดอร์สามนาทีโดยไม่ต้องเอาเส้นทางโปรดักชันมาเดิมพันด้วย

ถ้าสิ่งที่คุณต้องการคือภาพยนตร์ Claude Opus 5.5 ไม่ใช่โมเดลวิดีโอ และไม่ว่าวิดีโอตัวอย่างจะมีมากเพียงใดก็ไม่อาจทำให้มันกลายเป็นโมเดลวิดีโอได้ สื่อเปิดตัวของ Anthropic ไม่ได้มีความสามารถในการสร้างวิดีโอ การประเมินที่เผยแพร่ ได้แก่ การเขียนโค้ดแบบเอเจนต์ การใช้คอมพิวเตอร์ และงานองค์ความรู้ สิ่งที่เดโมแสดงให้เห็นคือการสร้างโค้ดแบบระยะยาวที่มุ่งไปยังสิ่งที่คุณสามารถรับชมได้

หากนั่นคือความสามารถที่คุณต้องการ คำถามเชิงปฏิบัติก็จะไม่ใช่ว่าจะใช้โมเดลไหนอีกต่อไป แต่กลายเป็นว่าจะรันงานสร้างผลลัพธ์ที่กินเวลาหลายชั่วโมงได้อย่างไรโดยไม่ต้องผูกเส้นทางโปรดักชันไว้กับมัน การเรนเดอร์แบบนี้จะล้มเหลวอย่างเงียบๆ และล่าช้า — คุณจะได้โปรแกรมที่ดูสมเหตุสมผลซึ่งวาดภาพได้สี่นาทีแล้วพังที่เฟรม 3,000 — ซึ่งทำให้มันเป็นตัวเลือกที่ไม่ดีสำหรับการผสานรวมแบบเฉพาะทาง และเป็นตัวเลือกที่ดีสำหรับเอนด์พอยต์ที่คุณมีอยู่แล้ว Claude Opus 5.5 อยู่บน OrcaRouter ในราคาตามที่ Anthropic ประกาศโดยบวกเพิ่ม 0% — 4 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน, 20 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเคน, การอ่านแคชที่ $0.200 — เข้าถึงได้ทั้งผ่าน Anthropic Messages API และเอนด์พอยต์ chat completions ที่เข้ากันได้กับ OpenAI ดังนั้น SDK ที่มีอยู่ก็ใช้งานได้เพียงชี้ base URL มาที่เรา วางงานรันข้ามคืนไว้บนคีย์เดียวกับอย่างอื่นทั้งหมด ไว้ข้างหลังAPI เดียวสำหรับโมเดล 200+ ตัว พร้อมด้วย การสลับระบบสำรองอัตโนมัติ และงานที่พังที่เฟรม 3,000 ก็เป็นปัญหาเรื่องการจัดเส้นทาง มากกว่าจะต้องรื้อสถาปัตยกรรมใหม่

คันโยกด้านต้นทุนคือแคช และคุ้มค่าที่จะตั้งค่าก่อนการเรนเดอร์ครั้งแรกมากกว่าตั้งค่าหลังจากนั้น: ด้วยราคา 0.20 ดอลลาร์ต่อโทเค็นที่อ่านจากแคชหนึ่งล้านโทเค็น เทียบกับ 4 ดอลลาร์ต่ออินพุตใหม่หนึ่งล้านโทเค็น การเก็บซอร์สที่กำลังเติบโตไว้ในคำนำหน้าที่แคชไว้คือความแตกต่างระหว่างงานข้ามคืนราคาถูกกับงานราคาแพง นั่นเป็นจริงไม่ว่าใครจะเป็นผู้ให้บริการโมเดล

อะไรจะทำให้คำถามนี้ยุติลง

สามสิ่งจะยกระดับสิ่งนี้จากคลาสสาธิตไปเป็นสิ่งที่คุณสามารถนำไปวางแผนได้ และไม่มีสิ่งใดเลยที่ต้องใช้โมเดลใหม่

สิ่งแรกคือซอร์สที่ตีพิมพ์เผยแพร่สำหรับภาพยนตร์ประวัติศาสตร์โดยเฉพาะ มิวสิกวิดีโอ เกม และภาพยนตร์ที่ขับเคลื่อนด้วยเอนจินแบบพิกเซลนั้นตรวจสอบได้ เพราะผู้สร้างเปิดเผยโค้ดของตน ส่วนภาพยนตร์ที่เผยแพร่กันในรูปแบบวิดีโอเท่านั้น — รวมถึงเรื่องนี้ด้วย — ไม่สามารถแยกออกจากการบันทึกหน้าจอที่ตัดต่ออย่างพิถีพิถันได้ และความแตกต่างนี้สำคัญที่สุดพอดีกับชิ้นงานที่มีเนื้อหาเป็นการกล่าวอ้างเชิงข้อเท็จจริง

อย่างที่สองคือการตรวจสอบไทม์ไลน์ ประวัติศาสตร์ AI ความยาวสามนาทีเป็นแบบทดสอบที่มีคำตอบที่ถูกต้อง และการที่ภาพยนตร์เรื่องนี้มีความยาวสามนาทีคือสิ่งที่ทำให้แบบทดสอบนี้ยาก: โมเดลต้องย่อช่วงปี 2017 จนถึงปัจจุบันโดยไม่ทิ้งรายการที่เป็นเสาหลัก หรือประดิษฐ์ลำดับที่ไม่เคยเกิดขึ้นขึ้นมา ใครก็ดูภาพยนตร์และตรวจสอบได้ แทบไม่มีใครเคยทำ

ประการที่สามคือขีดความสามารถที่ถูกกว่าสำหรับงานเดียวกัน Anthropic กล่าวว่า Sonnet 5.5 และ Haiku 5.5 จะตามมาในอีกไม่กี่สัปดาห์ข้างหน้า โมเดลที่ถูกกว่าซึ่งประคองการบิลด์หลายไฟล์ให้ไปด้วยกันได้ จะเปลี่ยนการเรนเดอร์ข้ามคืนจากความพยายามทดลองที่น่าสนใจให้กลายเป็นเรื่องปกติ และมันจะเปลี่ยนการคำนวณงบความล้มเหลว — จำนวนครั้งในการลองใหม่ที่คุณรับไหว — มากกว่าที่มันเปลี่ยนคุณภาพของเฟรมใดเฟรมหนึ่งเสียอีก

สำหรับตอนนี้ การตีความโพสต์อย่างตรงไปตรงมานั้นแคบกว่าที่มันฟังดู และน่าสนใจกว่าที่มันปรากฏ โมเดลหนึ่งเขียนตัวเรนเดอร์ แผน และไทม์ไลน์ แล้วกระบวนการบิลด์ก็เปลี่ยนสิ่งเหล่านั้นให้กลายเป็นวิดีโอความยาวสามนาที ข้อกล่าวอ้างที่คุ้มค่าแก่การทดสอบไม่ใช่ว่าภาพยนตร์ดูดี แต่คือว่าไทม์ไลน์นั้นรอดมาได้