Claude Opus 5.5 以純程式碼重現 AI 的歷史：這究竟證明了什麼

X 上有一則貼文說，有人請 Claude Opus 5.5 製作一部三分鐘的影片，主題是 AI 的歷史——從《Attention Is All You Need》到 AGI——不使用任何現成素材，也不使用圖像或影片生成器，每一格畫面都由程式碼渲染而成。這是來自單一帳號的示範宣稱，不是廠商公告；而在這個領域裡，影片是最容易被轉發、也最難查證的作品。可查證的是它所屬的類別。在廠商於 2026 年 9 月 22 日推出 Claude Opus 5.5 後兩天內，有幾個人發表了用它製作的程式碼渲染影片與動畫，其中幾位公開了原始碼。這足以回答那則貼文真正提出的問題：「100% 用程式碼製作」是什麼意思，而AI 的歷史所要求的，又有什麼是音樂錄影帶不需要的？

簡短版本，而這正是轉發貼文略過的部分。模型不會生成像素。它會寫出一支繪製像素的程式，然後執行它。有趣的那一步所產出的是一個渲染器，而不是一部影片。

「由程式碼渲染」排除了什麼——以及它留下了什麼

提示詞中的這項限制確實發揮了實際作用，因此值得精確地說明。沒有影像模型，沒有影片模型，沒有素材庫，沒有授權影片片段，沒有生成的語音。螢幕上的一切都必須由某人寫下的算術所產生。

留下來的是一條管線，而它的形態在所有這些專案中都是一致的：

• 繪畫 — 使用 p5.js、Canvas 2D 或 WebGL 的頁面，或是以 Python 與 NumPy 迴圈直接寫入像素陣列。色彩、幾何、字體與動態全都是程式碼。

• 渲染 —— 必須有東西依序走訪每一個影格。在以瀏覽器為基礎的專案中，那是一支驅動無頭 Chrome 實例並對畫布截圖的 Node 腳本；在 Python 專案中，則是一個寫出影像檔的迴圈。

• 編碼 — ffmpeg 會將影格串接起來，並把音軌疊加上去。

在每秒 24 幀下，三分鐘大約是 4,320 幀。Claude Opus 5.5 沒有任何特性會改變第 2,000 幀的成本，因為第 2,000 幀是畫布的螢幕截圖，而不是一次模型呼叫。模型的工作在昂貴的部分開始之前就結束了——而昂貴的部分是在你的硬體上，不是在 API 上。

為什麼人工智慧史是比音樂錄影帶更難的簡報？

在音樂錄影帶中，內容就是歌曲。動畫是裝飾，而裝飾可以是抽象的。一部關於 AI 歷史的影片，結構恰好相反：時間軸就是內容。如果這部影片把 RLHF 放在 transformer 之前，或略過 GPT-3 到 ChatGPT 之間的兩年，那它的錯誤，是再高的渲染品質都無法彌補的。看水彩歌詞影片的人，誰也無法判斷模型是否理解那首歌。任何看三分鐘歷史的人，都能判斷模型是否了解那段歷史。

那會在一次執行中疊加三種各自獨立的負載。模型必須在長到無法一舉掌握全部內容的跨度上，正確排列事實的先後順序。它必須建構並除錯一個多檔案的渲染器。而且它必須做出導演的抉擇——要呈現什麼、要略去什麼、何時剪接——因為一段歷史必須經過剪輯，否則就只是一份清單。這三者中任何一項失敗，在螢幕截圖上都看不出來。一部擁有精美渲染器卻時間軸混亂的影片，在你細讀之前看起來都沒問題。

經得起檢驗的產出物，是那些公開了原始碼的作品，而現在已經有好幾個。一首名為「I'm Upping My P(doom)」的歌曲的音樂影片於 9 月 22 日上傳到 GitHub——就在 Claude Opus 5.5 發布的同一天——其 README 說明它經過兩次生成，第一次歸功於模型以中等投入完成，第二次則以預設設定完成，並提到「這個儲存庫裡的一切都是由模型生成的」，而且除了角色設計和一句概括指示——要讓每句歌詞都有有趣的視覺效果——之外，並未指定任何場景構想。9 月 23 日接著出現一個三款遊戲的示範儲存庫：三款可玩的瀏覽器遊戲，各用一句話提示，沒有外部素材，模型、材質和音訊全為程序化生成。其中一款要求模型先查出現有遊戲地圖的官方配置，並根據該研究重建其幾何結構，然後才開始寫任何東西——模型判定自己的第一個答案會是錯的。還有一部據稱四分鐘、純程式碼的影片，歸功於四個代理在約九十分鐘內完成，且沒有使用語音 API，也在同一週流傳開來。

那部特定的人工智慧歷史題材影片並不在我能驗證的產物之列；它的片長、提示詞與時間軸都是作者自己的說法，而不是外部第三方稽核過的內容。請像看待任何示範一樣看待它：它所展示的技術是真實且可重現的；那部特定影片則是一項宣稱。

三分鐘生成程式碼的真正代價

有一項獨立測量比那些示範更能描述這項工作負載，而它來自 Artificial Analysis。在其 Intelligence Index——版本 v4.3.2、十項評估——中，Claude Opus 5.5 在最高努力程度下得分 58，該頁面將其列為 212 個模型中的第一名。同一頁面也指出，該模型在整個 Index 套件中消耗了 2.6 億個輸出詞元，冗長度排名為 212 個中的第 95 名，而每個 Index 任務的加權平均成本為 $5.98。Anthropic 的定價為每百萬輸入詞元 $4、每百萬輸出詞元 $20，快取讀取則為每百萬 $0.20。

把這兩件事放在一起看，token 分布本身就是故事。一個耗用大量輸出 token、在冗長度上卻只落居中段的模型，就是那種在頁面上思考、而非壓縮輸出的模型。長時程生成從外部看起來就是這樣：預算全用在把一個大型、多檔案、耗時數小時的建置維繫在一起，而看得見的成品不過是殘留物。

這道算術——它是算術，不是帳單，因為這些影片沒有任何人公布過 token 成本：以每百萬輸出 token 二十美元計算，一次產生 500,000 個輸出 token 的執行，輸出成本是十美元。輸入端的重複讀取，才是長時間建置變貴的所在——一個反覆重讀自己不斷膨脹的原始碼的渲染器，讀入時每百萬要付四美元，而一旦前綴進了快取，每百萬只要 0.20 美元，這是二十倍的差距，也是長時間代理程式執行成本上最有力的一根槓桿。

有一個但書適用於上述每一個數字，也適用於 Anthropic 自家的發布表格。廠商公布的基準測試列大多是在最高投入程度下測得，而 API 上的預設投入程度是中階。Terminal-Bench 4.0 的 66.4%、預設中階下 CursorBench 4.0 的 52.5%、GDPval-AA v2.1 的 1,846 Elo——這些都是廠商自行回報、未經重現，且取決於投入程度。請把投入程度當作它本質上的預算調節鈕，而不是一句註腳。

成品不再可用的地方

這類工作的失效模式，在每一個公開了足夠內容可供查核的 repo 中都相當一致，而且它們全都是結構性問題，而非特定於模型。

• 輸出是一支程式，不是一個檔案。如果你需要一個 MP4 交給別人，你仍然需要 Node、瀏覽器和 ffmpeg。模型產出的是渲染器，而不是渲染結果。那是你必須永遠背負的建置相依性，而且瀏覽器第一次改變時，它就會壞掉。

• 它的成本取決於影格數量，而不是提示詞。4,320 個影格就是 4,320 張截圖。提示詞裡的任何內容都無法縮短這個數字，模型能力的任何進展也不會讓最後一千個影格比最初一千個更便宜。

• 確定性是一項必要條件，不是可有可無的細節。影格會平行且不按順序地渲染，所以每個影格都必須是其時間戳的純函式——不得帶有跨影格殘留的狀態，不得有未設種子的隨機性，也不得依賴該影格恰好在何時被計算。若一個心智模型尚未內化這一點，就會產出一部會閃爍的影片，而這種閃爍在你檢查的任何單一影格裡都看不出來。

• 單次執行並不代表未經稽核。最清楚的證據是地圖研究：模型查核了已公布的版面配置，而不是信任自己的重建。那正是你想要的行為，而提示中沒有任何內容迫使它這麼做。

• 事實，是沒有人查證的那一部分。這一類已發布的成品，每一個都會說明自己的渲染管線。卻沒有一個會交代事實查核流程。對一部歷史片來說，那正是全部的風險所在，而這也是截圖無法讓你看見的那一件事。

• 沒有人為失敗定過價。這些 repo 沒有一個會回報：它試了多少次、燒掉多少 token，或第二輪生成有多大比例是在修補第一輪。那正是團隊在投入之前需要的數字，也正是在這些 demo 裡被最安靜帶過的數字。

執行三分鐘的渲染，而不將生產路徑賭在其上

如果你想要的是一部影片，Claude Opus 5.5 並不是影片模型，再多的示範影片也無法讓它變成影片模型。Anthropic 的發布資料中不包含任何影片生成能力；已公布的評估項目是代理式程式編寫、電腦操作與知識工作。這些示範所展示的，是把長時程程式碼生成能力對準某個你能親眼觀看的東西。

如果那正是你想要的能力，實際的問題就不再是哪個模型，而是如何執行一個長達數小時的生成作業，又不必把正式環境路徑押在它上面。像這樣的渲染會安靜且延遲地失敗——你得到一個看似合理的程式，畫了四分鐘，然後在第 3,000 幀崩掉——這讓它不適合做量身打造的整合，卻是個很適合用你早就有的端點的情境。Claude Opus 5.5 已在 OrcaRouter 上，以 Anthropic 的定價、0% 加成提供——每百萬輸入 token 4 美元、每百萬輸出 20 美元，快取讀取每百萬 0.200 美元——可透過 Anthropic Messages API 與相容於 OpenAI 的 chat completions 端點取用，因此既有的 SDK 只要把 base URL 指向我們就能運作。把整夜的執行作業放在與其他一切相同的金鑰上，置於一個涵蓋 200+ 模型的 API，並具備自動容錯移轉，那麼一個在第 3,000 幀掛掉的執行作業就只是路由問題，而不是需要重新架構。

成本槓桿在於快取，而且值得在第一次渲染之前就先配置好，而不是等到之後才做：快取讀取每百萬個詞元要價 $0.20，全新輸入則是每百萬個 $4，把持續成長的原始碼留在快取前綴中，就是便宜的隔夜作業與昂貴作業之間的差別。無論模型是由誰提供服務，這一點都成立。

什麼才能解決這個問題？

有三件事可以讓這從一個示範課程，變成你能事先規劃的東西，而且這三件事都不需要新模型。

第一個是專為該歷史影片所發布的原始碼。音樂錄影帶、遊戲和像素引擎影片之所以可查核，是因為它們的作者公開了程式碼。僅以影片形式流通的影片——包括這一部——無法與經過精心剪輯的螢幕錄影區分開來，而這個差別，對於那件內容正是事實性主張的作品而言，最為關鍵。

第二項是對時間軸的審核。一部三分鐘的 AI 歷史是有正確答案的測驗，而這部影片只有三分鐘長，正是這一點讓測驗變得困難：模型必須壓縮 2017 年到今天，卻不能漏掉關鍵條目，也不能憑空編造從未發生過的順序。任何人都能看這部影片並查核。幾乎沒有人這麼做過。

第三點是同一件工作有更便宜的算力。Anthropic 表示，Sonnet 5.5 與 Haiku 5.5 會在接下來幾週內推出。一個能撐住多檔案建置的便宜模型，會讓整夜渲染從一項值得注意的實驗變成例行公事，而它對失敗預算——也就是你負擔得起的重試次數——這筆帳的改變，遠大於它對任何單一影格品質的改變。

目前，對這則貼文的誠實解讀比聽起來更狹隘，也比看起來更有意思。一個模型寫了渲染器、一份計畫和一條時間軸，接著建置流程把它們變成三分鐘的影片。值得測試的主張並不是這部片看起來好不好，而是那條時間軸是否存活了下來。