Claude Opus 5.5 đã làm hoạt hình cho một bữa tiệc Kākāpō trong một tệp HTML duy nhất: Bản demo thực chất mang lại những gì

Một slide keynote bế mạc là một chỗ kỳ lạ để bắt gặp một bài kiểm tra mô hình, nhưng đó lại chính là nơi bài kiểm tra này xuất hiện. Vào ngày 25 tháng 9 năm 2026, Simon Willison đã khép lại WeAreDevelopers World Congress North America bằng một video dài mười lăm giây quay cảnh hai tá chú kākāpō pixel art đang nhảy nhót dưới làn confetti rơi — và video không phải là phần thú vị. Phần thú vị là thứ mà Claude Opus 5.5 được yêu cầu tạo ra và thứ mà nó trả về: không phải đoạn phim, không phải một chuỗi hình ảnh, mà là một tệp HTML duy nhất nặng 45.880 byte, không chứa hình ảnh, không video và không có lệnh gọi mạng nào. Claude Opus 5.5 ra mắt ngày 22 tháng 9 năm 2026 với giá 4 USD cho mỗi triệu token đầu vào và 20 USD cho mỗi triệu token đầu ra, và đây là những gì mô hình làm khi bạn đưa cho nó ba bức ảnh vẹt và yêu cầu một bữa tiệc.

Cả hai nửa của tuyên bố đều đã được công bố, và đó là lý do duy nhất khiến nó đáng để đăng một bài. Bản thân tạo tác nằm tại tools.simonwillison.net/kakapo-party, và phiên làm việc đã biến nó thành MP4 đã được ghi chép lại với toàn bộ bản chép lời và script Playwright mà nó đã dùng. Vì vậy, điều này có thể kiểm chứng theo cách mà hầu hết các bài “xem mô hình đã tạo ra gì” không thể — trong khi vẫn chỉ là buổi chiều của một người thực hành chứ không phải một benchmark. Anthropic chưa công bố gì về nó, và không có điểm số độc lập nào được gắn với nó ở bất cứ đâu.

Artifact đó thực sự là gì

Đọc mã nguồn của trang và hình dạng của thứ đó trở nên rõ ràng. Có chính xác một <canvas> phần tử và một 2D ngữ cảnh. Không có thẻ <img>, <video> hoặc <audio>, không có fetch, không có XHR, không có WebSocket, không có liên kết CDN, không có web font, không có gì được ghi vào localStorage hoặc cookie. Tệp hiển thị giống hệt từ một đường dẫn file:// đã tải xuống khi ngắt mạng — đó chính xác là lý do tại sao một trình ghi cục bộ có thể ghi lại nó.

Phần đồ họa là nơi công việc ẩn giấu. Mỗi sprite được lưu dưới dạng một mảng chuỗi ký tự và được vẽ từng chữ cái một thông qua bảng ánh xạ màu, nên đường viền là K, màu xanh lá thân là G, và điểm sáng là L. Chú chim có 6 biến thể màu — ba màu xanh lá thân kết hợp với hai bảng màu mặt và chân — nhân với 5 khung hình hoạt họa, nên 30 khung vẽ nhỏ ngoài màn hình được dựng trước khi bất cứ thứ gì chuyển động. Đám đông được đặt theo thuật toán thành các hàng so le, với đảm bảo trong mã nguồn rằng ít nhất 22 chú chim xuất hiện trên màn hình. Câu lệnh yêu cầu “ít nhất 20 trong số chúng”.

Các đạo cụ được dựng theo cùng một cách: 6 màu bóng bay, 6 màu dây cờ, 5 màu bóng đèn trên dây đèn, một quả cầu disco, mũ thành 6 bộ ba màu ở 3 góc nghiêng, ba chiếc nơ, và 8 màu pháo giấy, mỗi màu đều có một biến thể tối hơn để tạo bóng. Ngay cả bầu trời đêm cũng được làm thủ công — một ma trận dither có thứ tự 4×4, cùng một phông chữ bitmap nhỏ với bảng macron để tấm biểu ngữ có thể viết KĀKĀPŌ PARTY! mà không cần mượn kiểu chữ hệ thống.

Chuyển động được dàn dựng chứ không ngẫu nhiên. Vòng lặp chạy ở 124 BPM, và mỗi cụm tám nhịp chọn một trong sáu chế độ đám đông: tất cả cùng nhau, làn sóng Mexican, chim xen kẽ, tự do hỗn loạn, gợn sóng lan ra từ giữa, hoặc các hàng thay phiên nhau. Nó tôn trọng prefers-reduced-motion, và gợi ý trên màn hình hiển thị "tap" hoặc "click" tùy thuộc vào việc thiết bị có báo cáo cảm ứng hay không.

Tại sao pixel art lại là một phép thử trung thực đến bất thường

Claude Opus 5.5 không vẽ ra thứ này. Nó đã viết chương trình vẽ ra thứ đó, nghĩa là mô hình phải giữ trong đầu một lượng lớn chi tiết đã chốt cùng một lúc: một bảng màu không chỏi nhau, hình học sprite đọc được ở chiều rộng 18 pixel, một cung nhảy lặp thành vòng, và pháo giấy rơi trông thuyết phục. Không thể giả vờ có được điều đó bằng một mẫu may mắn. Chỉ một tọa độ đặt sai cũng hiện ra thành một cái lỗ trên đầu chú chim.

Nó cũng phải hoạt động được từ ảnh chụp. Ba hình ảnh tham chiếu được đưa vào làm đầu vào hình ảnh, và thứ trả về là một sprite mang tính biểu tượng — một sự trừu tượng hóa của một con vẹt mặt râu, màu xanh rêu, không còn chút dấu vết nào của bức ảnh. Đó chính là toàn bộ pipeline được thu nhỏ lại: nhận thức đầu vào, mã đầu ra, pixel do mã tạo ra.

Kiểm tra bằng mắt là phần sắc bén nhất, và nó cũng có tác dụng ngược lại. Không có gì trong tệp được kết xuất để tác giả kiểm tra trước khi anh ấy mở nó; tác phẩm hoặc trông giống một bữa tiệc, hoặc không, và anh ấy đã công bố một liên kết, nên bạn có thể tự đánh giá. Đó là một dạng bằng chứng mạnh hơn ảnh chụp màn hình trong một luồng thảo luận — và vẫn yếu hơn nhiều so với một con số.

Video này là câu chuyện về Claude Code, không phải là câu chuyện về Claude Opus 5.5.

Mười lăm giây trên slide kết thúc được tạo ra bởi một phiên Claude Code cục bộ điều khiển Playwright, chứ không phải bởi mô hình đã viết hoạt ảnh, và sự phân biệt này rất quan trọng nếu bạn đang cố gắng tái tạo bất kỳ phần nào của nó.

Trang tương tác chỉ bắn confetti khi bạn nhấp vào nó. Vì vậy, trình ghi phải nhấp — mười lần, tại các tọa độ được lập trình sẵn trải khắp canvas, từ giây thứ ba đến 13,2 giây, bên trong một bản ghi 1280×720 được đóng ở giây thứ mười sáu. Đoạn script được công bố dài khoảng hai mươi dòng, và đó mới là điểm đáng chú ý thực sự: phần khó của việc biến một hoạt ảnh web thành tài nguyên cho slide lại là mười sự kiện chuột được định thời.

Phiên thứ hai vào ngày hôm sau thay vào đó nhắm vào kích thước tệp. Lần mã hóa đầu tiên là một MP4 10.445.811 byte; một lần mã hóa H.264 2 Mbps hai lượt với khử nhiễu nhẹ và preset được tinh chỉnh cho đồ họa phẳng cho ra 3.299.473 byte — nhỏ hơn 68%, vẫn 1280×720, vẫn 25 fps, vẫn mười lăm giây, không có track âm thanh. Khi đo so với bản ghi thô, độ tương đồng cấu trúc giảm từ 0,984 xuống 0,932. Một lần thử 960×540 lại vừa lớn hơn vừa mờ hơn, vì pixel art không trụ được qua việc giảm độ phân giải. Đó là kiểu con số mà một demo quay màn hình không bao giờ công bố, và chúng là lý do bài viết cụ thể này đặc biệt dễ tin cậy về mặt cơ chế.

Điều này không chứng minh được gì về Claude Opus 5.5

• Kích thước mẫu — một prompt, một đối tượng, một người. Cách diễn đạt "có năng lực đáng ngạc nhiên ở hoạt hình pixel art" là danh tiếng mà tác giả đã đọc được, chứ không phải một phép đo do tác giả tự thực hiện.

• Chi phí — không có số lượng token nào được công bố cho phiên nào trong hai phiên, nên không thể định giá lần chạy dựa trên tài liệu này. Bản thân tệp đầu ra là 45.880 byte, tương đương khoảng 11,5K token đầu ra, mà với mức công bố của Anthropic là 20 đô la cho mỗi triệu token đầu ra thì đó là mức sàn khoảng 23 xu cho riêng tệp cuối cùng — và đó cũng chỉ là mức sàn mà thôi, vì mọi thứ mô hình đã viết nhưng không còn lại trong HTML hoàn chỉnh đều không thể thấy được.

• Tính tổng quát — một đàn chim giống hệt nhau là một cảnh dễ xử lý. Một sprite, được đổi màu, cộng với các hiệu ứng không dùng camera. Nó không nói lên điều gì về những cảnh cần nhiều đối tượng khác biệt, hoặc về việc liệu chất lượng tương tự có giữ được ở ba phút thay vì mười lăm giây hay không.

• Tính độc lập — mọi con số ở đây hoặc được đo từ nguồn đã công bố, hoặc lấy từ bảng giá chính thức của Anthropic. Không hề có đánh giá nào từ bên thứ ba về việc Claude Opus 5.5 tạo pixel art, và bài viết này cũng không tự dựng ra một đánh giá như thế.

Chạy cùng một thí nghiệm trên chính đối tượng của bạn

Lý do bản demo này đáng để sao chép là vì nó rẻ và khép kín. Chỉ một tệp HTML duy nhất, một canvas, không cần tài nguyên — bạn có thể đưa đúng prompt đó cho một mô hình cùng với ảnh tham chiếu của riêng bạn và xem kết quả ngay trong một lần ngồi, không cần dựng sẵn pipeline nào trước.

Claude Opus 5.5 có mặt trên OrcaRouter với mức giá niêm yết mà Anthropic công bố, phần chênh lệch được chuyển tiếp ở mức 0% — 4,00 USD cho mỗi triệu token đầu vào, 20,00 USD cho mỗi triệu token đầu ra, 0,20 USD cho mỗi triệu lần đọc bộ nhớ đệm, cùng toàn bộ ngữ cảnh 1M token ở mức giá tiêu chuẩn. Điều đó đặc biệt quan trọng với kiểu thử nghiệm này: một câu lệnh mới lạ chính là trường hợp bạn muốn so sánh mà không phải đăng ký bất cứ thứ gì, và một API cho hơn 200 mô hình nghĩa là cùng một dạng lệnh gọi có thể vươn tới các tuyến rẻ hơn nếu bạn muốn xem một mô hình nhỏ hơn xử lý cùng sprite sheet đó ra sao. Chuyển đổi dự phòng tự động sẽ bảo vệ bạn nếu một tuyến bị suy giảm giữa chừng khi so sánh, và nếu bạn không muốn phải chọn lựa gì cả, DSL định tuyến có thể gửi cùng một câu lệnh tới hai mô hình và để bạn chọn bên chơi hay hơn.

Hai điều đáng để theo dõi từ đây. Thứ nhất là liệu những thứ như thế này có được đo lường thay vì được ngưỡng mộ — một prompt cố định, một chủ thể cố định, và một vài mô hình cùng tạo ra một bản brief giống hệt sẽ cho bạn biết nhiều hơn hẳn so với thêm một luồng hoạt ảnh nữa. Thứ hai là tính minh bạch chi phí: con số mà một bản demo như thế này không bao giờ mang theo là những gì đã phải bỏ ra để đạt được kết quả đó, kể cả các lần thử lại, và cho đến khi điều đó xuất hiện trong những bài viết như bài này, “có năng lực đáng ngạc nhiên” sẽ vẫn tiếp tục thay cho một con số mà không ai công bố.

Hiện tại, bản tóm tắt trung thực về bữa tiệc kākāpō thì hẹp hơn những bài đăng lại và hữu ích hơn vẻ ngoài của chúng. Một mô hình chủ lực đã viết 45.880 byte mã sprite chạy ngoại tuyến, tạo hoạt ảnh cho 22 con chim ở 124 BPM, và cần một kịch bản Playwright mười cú nhấp để trở thành video. Bản minh họa là thật, mã nguồn là công khai, và luận điểm mà nó ủng hộ là về những gì một mô hình có thể chứa trong một tệp — không phải về những gì nó có thể làm tính trung bình.