Opus 5.5 的一周视频潮

Opus 5.5 画不出一个像素——官方文档写得明明白白，输入文本和图片，输出文本。可它成了最近一周全网产量最高的视频作者之一：Menlo Ventures 合伙人 deedydas 用它剪出五分钟美国建国 250 年纪录片，B站上一句中文提示词做出来的群论宣传片播放二十几万，还有人建了语料库专门收录这类视频，三天收了 1401 条。它做视频靠的不是生成，是写程序。这件事的原理、边界和价格，一周里被几份公开复盘摸得差不多了，值得把账算给大家看。

一周长出的视频运动

时间线先摆清楚。Opus 5.5 在 9 月 22 日发布周登场，官方材料通篇没提视频。三天之内，开发者 atheremeroy 建的语料库收了 1401 条去重视频，日更曲线从 22 日的 121 条涨到 24 日的 537 条，次日回落到 213（X 用户 baboonAI4S 对语料库做的统计，快照截至 9 月 26 日前后）。Hacker News 的官方发布帖收了 1806 分、1129 条评论，讨论几乎全在模型对比上——视频话题只出现一条。这场运动没有任何官方推手，是用户自己撞出来的。

撞出来之后，基建一周内就长齐了：athemeroy 的语料库逐条溯源、日更；zhuyansen 的合集收了 986 件作品、259 条提示词；剪辑工具 video-use（browser-use 出品）涨到 27,613 星；launchvideo.io 背后的 shipvideo 在 9 月 24 日开源了整套管线。中文圈也没慢半拍：群论宣传片 B站播放约 22.8 万，Opus 与 GPT 6 Astra 的同题对比约 16.5 万（截至 9 月 30 日的约数），台中的网页公司 des13 直接拿它产了四支品牌动画，提示词、耗时、token 账单全部公开。

类型分布里有个耐人寻味的头名：“让 AI 吹 AI”的内容占 21%，产品宣传片 20%、游戏交互 19%、科普 12%。这场视频潮的第一主题，是 AI 侏儒自己。

它不画像素

原理一句话：它写的程序渲染每一帧，再把帧交给 ffmpeg。博主 zhuermu 把五条成片的源码读了一遍——五次独立运行，收敛出几乎同构的管线：HTML/Canvas/WebGL 写一个 renderFrame(t)，每一帧都是时间的函数；headless Chrome 逐帧截图；ffmpeg 编码合成；最后抽帧拼成 contact sheet 自己检查、改代码、重渲。deedydas 的原话更直白：“没用视频生成模型，没有额外的库，就是 JavaScript、Playwright 和 ffmpeg。Claude 写了这个网站动画，然后给它录了屏。”

这和 Sora 那类视频模型是两个物种。Sora 在猜像素，Opus 在写渲染器。猜出来的画面，文字会糊、手指会多、图表数字会融化；写出来的画面，改一句话重跑一遍就行。产物是代码——可读、可改、可复现，这是“工程”和“抽卡”的分界线。

边界在哪

语料库的数字把能力边界画得很清楚：代码绘制动效占 33%，3D 渲染 29%，写实照片级只有 2.8%（Gemini 自动分类的结果，当方向看）。它最强的，是程序员每天都在做的事；最弱的恰恰是传统视频模型的主场。这个生态里最好的作品，大概率出自会写代码的人之手——LHC 质子对撞是代码驱动的 Blender，房子从线稿长成成品是 Three.js，一条 80 秒短片可以是一个零依赖的 HTML 文件。

比画面更紧的边界是解读。zhuermu 的智能体自我进化讲解片，第一版画面漂亮、35 个 arXiv 引用全真，但时间线整体错位——context engineering 2025 年 6 月才火起来，被标成 2024。他的形容是“每个零件都对，拼出来的故事比历史整齐”。上限不在它画得多好，在它把你的需求理解成了什么。

它的耳朵也是假的。它听不到音乐，做 MV 的解法是工程师式的：用 Python 解码歌曲，逐帧算能量、低音和节拍网格存成表，让所有画面读这张表——“It could not hear the song, so it measured it.”

质疑声同期就在。Hacker News 一个 427 分的讨论帖（“Opus 5.5 is good at explainer videos”）里，高赞评论不客气：有人说这只是“把演示文稿 skill 变成视频”，有人说这类内容 AI 时代之前就是 slop，还有人看到视频第一反应是“求文字版”。这些批评不算冤枉它——2.8% 的写实占比摆在那里，要真人实拍质感，目前还是得让 Sora、Veo 出画面，Opus 当导演（deedydas 的纪录片就是走的“编排”路线，完整流程他答应本周公布）。

成本经济学

一周下来，价签谱系齐了，全部是作者自述：纯剪辑一条 2 分钟的 take，$0.90（video-use 作者自己的演示）；84 秒品牌片，$2.96；8 分钟以上的讲解片带一次返工，约 $15；40 多分钟的长教程，约 $100（cosine 自述约合其订阅额度的 20%）；最贵的一档是 shneural 那条 15 秒动效 showreel——900 帧、1 小时 32 分、$81 的 API 账单，Opus 自作主张调了机器上的 Blender。Tony Dinh 的对照最直观：一年前同类产品宣传片他花了 $1000 多，现在不到 30 分钟。

但真正的经济学在结构里。zhuermu 拿它和自己两个月前自建的白板视频流水线做了对照：自建的是固定脚本，建好之后每条边际成本近零，但风格只有白板一种；Opus 不用建工具，可每条视频都是重写一遍工具，用完就扔。还有一条容易被忽略的：提示缓存让“改一版”比视频模型重新抽卡便宜——des13 的实测是改一句自然语言，4 到 12 分钟出新版。便宜的迭代，才是它插进创作流程的真正入口。

热闹里的水分

泡沫也在同一周里现形。baboonAI4S 对语料的统计（自动标注口径）显示：282 条视频标注非 Opus 制作，39 组完全重复，竞品公司 higgsfield 混进来发了 22 条；有人 24 小时内“借鉴”别人 1750 词的提示词，5-gram 重合率 87%——这是在案的个案，不代表普遍水平，但说明提示词本身已经成了被抄的资产。热度曲线也在 9 月 24 日见顶后次日腰斩——三天快照里的一天回落，说“潮退”为时过早，说“只会涨”也不成立。

有意思的是，方法本身的复现检验反而站得住：zhuermu 拿原始提示词复刻三个爆款，全部一次过。“发布视频是精选出来的”这种怀疑，在这三次复刻里不成立。水分在语料墙里，不在方法里。另一个信号是空白：1401 条里数据可视化只占 1.3%——潮水涌向炫技和自我指涉，真正干活的地方没人。

上限在 brief

把一周的复盘摆在一起，最像结论的是 zhuermu 那句话：决定结果的，越来越是你交给它的 brief，和它背后的材料。他的两个讲解片都是 v1 错、v2 对，唯一差别是 v2 之前他做了事实核查、把核查过的 brief 交给模型。cosine 的观察“提示词越简单，它脑补的东西越多越好”和这并不矛盾——一句话买的是想象力，交付级结果买的是核查，两种买法服务两种场景。

比任何一条视频更值得记下的，是能力到达的方式：Anthropic 没有宣传过视频，路线图上大概也没有它，用户一周内把它做成一个品类。下一个这样的能力，多半也不会出现在发布会 Keynote 里，而在愿意花 $3 试一次的人手里。想试的话，我们同一天发了一篇可以照着做的教程，从一句话到成片的路线、成本和坑都在里面。