Claude Opus 5.5 đã tái hiện lịch sử của AI bằng mã thuần túy: Điều đó thực sự chứng minh được gì

Một bài đăng trên X nói rằng ai đó đã yêu cầu Claude Opus 5.5 làm một bộ phim dài ba phút về lịch sử của AI — từ "Attention Is All You Need" đến AGI — không dùng footage có sẵn và không dùng trình tạo hình ảnh hay video, mọi khung hình đều được kết xuất từ mã. Đó là một tuyên bố demo từ một tài khoản duy nhất, không phải thông báo của nhà cung cấp, và một bộ phim là thứ dễ bị đăng lại nhất trong lĩnh vực này, đồng thời cũng khó kiểm chứng nhất. Điều có thể kiểm chứng được là phạm trù mà nó thuộc về. Trong hai ngày sau khi nhà cung cấp phát hành Claude Opus 5.5 vào ngày 22 tháng 9 năm 2026, một số người đã công bố những bộ phim và hoạt ảnh được kết xuất bằng mã do nó tạo ra, và một vài người trong số họ đã công bố mã nguồn. Thế là đủ để trả lời câu hỏi mà bài đăng thực sự đặt ra: "làm 100% bằng mã" nghĩa là gì, và một lịch sử của AI đòi hỏi điều gì mà một video âm nhạc thì không?

Bản ngắn gọn, và đó là phần mà các bài đăng lại bỏ sót. Mô hình không tạo ra điểm ảnh. Nó viết một chương trình vẽ nên các điểm ảnh, rồi chạy chương trình đó. Đầu ra của bước thú vị là một trình kết xuất, không phải một bộ phim.

Điều mà "render từ mã" loại trừ — và điều mà nó để lại

Ràng buộc trong lời nhắc đang thực sự có tác dụng, nên đáng được phát biểu thật chính xác. Không dùng mô hình hình ảnh, không dùng mô hình video, không dùng thư viện ảnh stock, không dùng cảnh quay có bản quyền, không dùng giọng nói tạo sinh. Mọi thứ trên màn hình đều phải được tạo ra bằng phép toán mà ai đó đã viết xuống.

Điều còn lại là một pipeline, và hình dạng của nó thì nhất quán trên mọi dự án trong số này:

• Hội họa — một trang sử dụng p5.js, Canvas 2D hoặc WebGL, hoặc một vòng lặp Python và NumPy ghi trực tiếp các mảng điểm ảnh. Màu sắc, hình học, kiểu chữ và chuyển động đều là mã.

• Kết xuất — phải có thứ gì đó đi qua từng khung hình theo đúng thứ tự. Trong các dự án chạy trên trình duyệt, đó là một script Node điều khiển một phiên Chrome headless và chụp ảnh canvas; còn trong các dự án Python, đó là một vòng lặp ghi các tệp ảnh.

• Mã hóa — ffmpeg ghép các khung hình lại và đặt track âm thanh lên trên.

Ở tốc độ 24 khung hình mỗi giây, ba phút là khoảng 4.320 khung hình. Không có gì ở Claude Opus 5.5 thay đổi chi phí của khung hình thứ 2.000, bởi vì khung hình thứ 2.000 là một ảnh chụp màn hình của một canvas, chứ không phải một lệnh gọi mô hình. Công việc của mô hình kết thúc trước khi phần tốn kém bắt đầu — và phần tốn kém nằm trên phần cứng của bạn, không phải trên API.

Vì sao một lịch sử về AI lại là một đề bài khó hơn một video âm nhạc

Trong một video âm nhạc, nội dung chính là bài hát. Phần hoạt hoạ chỉ là trang trí, mà trang trí thì có thể trừu tượng. Một bộ phim về lịch sử của AI lại có cấu trúc ngược lại: dòng thời gian chính là nội dung. Nếu bộ phim đặt RLHF trước transformer, hoặc bỏ qua hai năm giữa GPT-3 và ChatGPT, thì nó sai theo cái cách mà không lượng chất lượng render nào có thể sửa chữa được. Không ai đang xem một video lời bài hát vẽ bằng màu nước có thể nói được liệu mô hình có hiểu bài hát hay không. Bất kỳ ai xem một đoạn lịch sử dài ba phút đều có thể nói được liệu mô hình có biết lịch sử hay không.

Việc đó dồn ba gánh nặng riêng biệt vào một lần chạy. Mô hình phải sắp xếp các dữ kiện theo đúng trình tự trên một khoảng dài đến mức nó không thể giữ toàn bộ trong một lượt. Nó phải xây dựng và gỡ lỗi một trình kết xuất đa tệp. Và nó phải đưa ra những lựa chọn đạo diễn — trình bày gì, lược bỏ gì, khi nào cắt — bởi vì một bản lịch sử phải được biên tập, nếu không nó chỉ là một danh sách. Sự thất bại ở bất kỳ một trong ba điều đó là vô hình trong một ảnh chụp màn hình. Một bộ phim có trình kết xuất đẹp và dòng thời gian bị xáo trộn trông vẫn ổn cho đến khi bạn đọc nó.

Những sản phẩm trụ vững trước kiểm tra là những sản phẩm đã công bố mã nguồn, và hiện đã có vài sản phẩm như vậy. Một video âm nhạc cho bài hát có tên "I'm Upping My P(doom)" đã được đăng lên GitHub vào ngày 22 tháng 9 — cùng ngày Claude Opus 5.5 ra mắt — với một README nói rằng nó cần hai lượt sinh, lượt đầu được ghi cho mô hình ở mức nỗ lực trung bình và lượt thứ hai ở mức mặc định, rằng "mọi thứ trong kho lưu trữ này đều do mô hình tạo ra", và rằng không có ý tưởng cảnh nào được chỉ định ngoài một thiết kế nhân vật và một chỉ dẫn chung là hãy mang đến hình ảnh thú vị cho từng lời bài hát. Một repo demo ba trò chơi tiếp theo vào ngày 23 tháng 9: ba trò chơi trình duyệt chơi được, mỗi trò chỉ với một prompt một câu, không dùng tài nguyên bên ngoài, mô hình, texture và âm thanh đều được sinh theo thuật toán. Một trong ba trò yêu cầu mô hình tra cứu bố cục chính thức của một bản đồ trò chơi có sẵn và dựng lại hình học của nó từ kết quả tra cứu đó trước khi viết bất cứ thứ gì — mô hình quyết định rằng câu trả lời đầu tiên của nó sẽ là sai. Và một bộ phim bốn phút chỉ gồm mã, được cho là do bốn tác nhân thực hiện trong khoảng chín mươi phút mà không dùng API giọng nói, đã lan truyền trong cùng tuần đó.

Bộ phim cụ thể về lịch sử AI đó không nằm trong số các hiện vật mà tôi có thể xác minh, và thời lượng, prompt cùng dòng thời gian của nó là lời kể của tác giả, chứ không phải là thứ mà một bên bên ngoài đã kiểm chứng. Hãy đối xử với nó như bạn đối xử với bất kỳ bản demo nào: kỹ thuật mà nó trình diễn là có thật và có thể tái tạo; còn bộ phim cụ thể đó chỉ là một lời khẳng định.

Ba phút mã được tạo ra thực sự tốn bao nhiêu

Có một phép đo độc lập mô tả khối lượng công việc này tốt hơn các bản demo, và nó đến từ Artificial Analysis. Trên Intelligence Index của họ — phiên bản v4.3.2, mười bài đánh giá — Claude Opus 5.5 đạt 58 ở mức nỗ lực tối đa, mà trang đó xếp hạng nhất trong số 212 mô hình. Cùng trang đó đặt mô hình ở mức 260 triệu token đầu ra được tiêu thụ trên toàn bộ bộ Index, với thứ hạng độ dài dòng là 95 trên 212, và chi phí trung bình có trọng số là $5.98 mỗi tác vụ Index. Giá niêm yết của Anthropic là $4 mỗi triệu token đầu vào và $20 mỗi triệu token đầu ra, với lượt đọc bộ nhớ đệm ở mức $0.20 mỗi triệu.

Đọc hai điều đó cùng nhau và hồ sơ token chính là câu chuyện. Một mô hình tiêu tốn nhiều token đầu ra nhưng lại nằm ở khoảng giữa bảng về độ rườm rà là mô hình đang suy nghĩ ngay trên trang thay vì nén lại. Sinh tạo tầm xa là dáng vẻ của điều đó từ bên ngoài: ngân sách được dùng để giữ một bản dựng lớn, nhiều tệp, kéo dài nhiều giờ, gắn kết với nhau, và sản phẩm hữu hình chỉ là phần cặn còn lại.

Phép tính, vốn là phép tính chứ không phải hóa đơn, vì chưa ai công bố chi phí token của bất kỳ bộ phim nào trong số này: ở mức 20 đô la cho mỗi triệu token đầu ra, một lượt chạy phát ra 500.000 token đầu ra tốn 10 đô la cho đầu ra. Việc đọc lại đầu vào là chỗ một bản dựng dài trở nên đắt đỏ — một trình kết xuất liên tục đọc lại nguồn đang lớn dần của chính nó trả 4 đô la mỗi triệu ở chiều vào, hoặc 0,20 đô la mỗi triệu khi tiền tố đã được lưu vào bộ đệm, tức chênh lệch hai mươi lần và là đòn bẩy lớn nhất cho chi phí của một lượt chạy tác nhân dài.

Một lưu ý áp dụng cho mọi con số ở trên và cho cả bảng công bố khi ra mắt của chính Anthropic. Hầu hết các dòng benchmark đã công bố của nhà cung cấp đều ở mức effort tối đa, trong khi mức effort mặc định trên API là medium. Terminal-Bench 4.0 ở 66,4%, CursorBench 4.0 ở 52,5% tại mức mặc định medium, GDPval-AA v2.1 ở 1.846 Elo — đây là những con số do nhà cung cấp báo cáo, chưa được tái lập và phụ thuộc vào mức effort. Hãy coi effort là núm điều chỉnh ngân sách đúng như bản chất của nó, chứ không phải một chú thích nhỏ.

Nơi các hiện vật không còn dùng được nữa

Các kiểu thất bại trong loại công việc này đều nhất quán trên mọi repo đã công bố đủ để kiểm chứng, và tất cả đều mang tính cấu trúc chứ không đặc thù theo mô hình.

• Đầu ra là một chương trình, không phải một tệp. Nếu bạn cần một MP4 để đưa cho ai đó, bạn vẫn cần Node, một trình duyệt và ffmpeg. Mô hình đã tạo ra trình kết xuất, không phải bản kết xuất. Đó là một phụ thuộc xây dựng mà bạn sở hữu mãi mãi, và nó sẽ hỏng ngay lần đầu tiên trình duyệt thay đổi.

• Nó tăng theo số khung hình, không phải theo prompt. 4.320 khung hình là 4.320 ảnh chụp màn hình. Không có gì trong prompt rút ngắn được điều đó, và không có gì trong năng lực của mô hình khiến một nghìn khung hình cuối rẻ hơn một nghìn khung hình đầu.

• Tính tất định là một yêu cầu bắt buộc, không phải một thứ xa xỉ. Các khung hình được kết xuất song song và không theo thứ tự, nên mỗi khung hình phải là một hàm thuần túy của mốc thời gian của nó — không mang trạng thái, không có tính ngẫu nhiên chưa gieo hạt, không phụ thuộc vào việc khung hình tình cờ được tính vào lúc nào. Một mô hình chưa nội hóa được điều đó sẽ tạo ra một bộ phim bị nhấp nháy, và sự nhấp nháy ấy không hiển thị trong bất kỳ khung hình đơn lẻ nào mà bạn kiểm tra.

• One-shot không có nghĩa là không được kiểm tra. Bằng chứng rõ ràng nhất là nghiên cứu bản đồ: mô hình đã kiểm tra một bố cục đã được công bố thay vì tin vào bản tái dựng của chính nó. Đó là hành vi bạn muốn và không có gì trong prompt buộc nó phải làm vậy.

• Các sự kiện là phần không ai kiểm tra. Mọi sản phẩm đã công bố trong nhóm này đều báo cáo quy trình kết xuất của mình. Không sản phẩm nào báo cáo một lượt kiểm chứng sự kiện. Với một phim lịch sử, đó chính là toàn bộ bề mặt rủi ro, và đó là điều duy nhất mà một ảnh chụp màn hình không thể cho bạn thấy.

• Không ai đã định giá cho thất bại. Không repo nào trong số này báo cáo cần bao nhiêu lần thử, đã đốt bao nhiêu token, hay bao nhiêu phần của thế hệ thứ hai là để sửa chữa thế hệ thứ nhất. Đó là con số mà một đội cần trước khi cam kết, và cũng là con số mà các bản demo im lặng nhất về nó.

Chạy một bản render ba phút mà không đặt cược cả lộ trình sản xuất vào nó

Nếu điều bạn muốn là một bộ phim, thì Claude Opus 5.5 không phải là mô hình video và dù có bao nhiêu cảnh quay demo cũng không thể biến nó thành một mô hình như vậy. Tài liệu ra mắt của Anthropic không chứa khả năng tạo video; các đánh giá được công bố là lập trình dạng tác nhân, sử dụng máy tính và công việc tri thức. Điều mà các demo thể hiện là khả năng tạo mã dài hạn, hướng vào một thứ mà bạn có thể xem.

Nếu đó là năng lực bạn muốn, câu hỏi thực tế không còn là mô hình nào nữa mà trở thành làm sao chạy một tác vụ sinh nhiều giờ mà không phải cam kết một luồng production cho nó. Một bản render như thế này hỏng âm thầm và muộn — bạn nhận được một chương trình trông hợp lý, vẽ suốt bốn phút rồi vỡ ở khung hình thứ 3.000 — khiến nó là ứng viên tồi cho một tích hợp may đo và là ứng viên tốt cho một endpoint bạn đã có sẵn. Claude Opus 5.5 có trên OrcaRouter ở đúng giá niêm yết của Anthropic với mức markup 0% — 4 USD mỗi triệu token đầu vào, 20 USD mỗi triệu token đầu ra, đọc cache ở mức 0,200 USD — truy cập được qua cả Anthropic Messages API lẫn endpoint chat completions tương thích OpenAI, nên SDK hiện có vẫn chạy được chỉ bằng cách trỏ base URL về phía chúng tôi. Đặt tác vụ chạy qua đêm trên cùng một key như mọi thứ khác, phía sau một API cho hơn 200 mô hình với tự động chuyển đổi dự phòng, và một tác vụ vỡ ở khung 3.000 là vấn đề định tuyến chứ không phải chuyện phải tái kiến trúc.

Đòn bẩy chi phí nằm ở bộ đệm, và đáng để cấu hình trước lần render đầu tiên thay vì sau đó: với mức 0,20 đô-la cho mỗi triệu token đọc từ bộ đệm so với 4 đô-la cho mỗi triệu token đầu vào mới, việc giữ nguồn đang lớn dần trong tiền tố được lưu đệm chính là khác biệt giữa một tác vụ chạy qua đêm rẻ và một tác vụ đắt đỏ. Điều đó đúng bất kể ai phục vụ mô hình.

Điều gì sẽ giải quyết được câu hỏi

Ba điều sẽ đưa thứ này từ một lớp trình diễn thành thứ bạn có thể lên kế hoạch dựa vào, và không điều nào trong số đó đòi hỏi một mô hình mới.

Cái đầu tiên là mã nguồn được công bố dành riêng cho bộ phim lịch sử. Video âm nhạc, các trò chơi và các bộ phim dùng pixel-engine có thể kiểm chứng được vì tác giả của chúng đã đăng mã nguồn lên. Những bộ phim chỉ lưu hành dưới dạng video — bao gồm cả phim này — không thể phân biệt được với một bản ghi màn hình được dựng kỹ lưỡng, và sự khác biệt này quan trọng nhất đối với chính tác phẩm mà nội dung là các tuyên bố dựa trên dữ kiện.

Thứ hai là một cuộc rà soát dòng thời gian. Một lịch sử AI dài ba phút là một bài kiểm tra có đáp án đúng, và việc bộ phim chỉ dài ba phút chính là điều khiến bài kiểm tra trở nên khó: mô hình phải nén giai đoạn từ 2017 đến nay mà không bỏ sót những mục then chốt hay bịa ra một trật tự chưa từng xảy ra. Ai cũng có thể xem bộ phim và kiểm tra. Gần như không ai đã làm vậy.

Điều thứ ba là năng lực rẻ hơn cho cùng một công việc. Anthropic đã nói rằng Sonnet 5.5 và Haiku 5.5 sẽ ra mắt trong những tuần tới. Một mô hình rẻ hơn có thể giữ cho một bản dựng nhiều tệp gắn kết với nhau sẽ biến một lần render qua đêm từ một thử nghiệm đáng chú ý thành một việc thường nhật, và nó sẽ thay đổi bài toán về ngân sách thất bại — số lần thử lại mà bạn có thể chi trả — nhiều hơn hẳn so với việc nó thay đổi chất lượng của bất kỳ khung hình đơn lẻ nào.

Hiện tại, cách hiểu trung thực về bài đăng thì hẹp hơn nghe tưởng và thú vị hơn vẻ ngoài của nó. Một mô hình đã viết một trình kết xuất, một kế hoạch và một dòng thời gian, rồi sau đó một quy trình build đã biến chúng thành ba phút video. Điều đáng để kiểm chứng không phải là bộ phim trông đẹp. Mà là dòng thời gian đã trụ vững.