Opus 5.5上线才两天，X和GitHub上已经炸了。
有人用纯代码搓了个78秒的高噪点磨砂风动画，45分钟直出成片。有人让Claude给自己拍了一部模型传记片——从第一次被训练到第一次钻进聊天框跟人类对话，每一帧都是代码画的，Claude这一辈子算是被Claude自己亲自演完了。还有人做了个U-Net教学课件，把扩散模型的编码器、瓶颈层、解码器逐层点亮讲解。甚至有人做了条骨骼龙，3D建模直接跑通。
归藏用Opus 5.5给CodePilot做了支产品宣传片，并把工作流封装成公开仓库，任何人都能一键安装使用。有人用纯代码做了部三分钟的AI历史纪录片，从《Attention Is All You Need》讲到AGI，每一帧都是代码渲染的。
但这些案例里最值得琢磨的不是“效果变好了”，而是一个被转发时几乎总被省略的真相：Opus 5.5没有生成任何一帧画面。
它写了一个绘制像素的程序，然后运行它。输出是一个渲染器，而不是一部影片。
你看到的“视频”，本质上是代码在运行。
比如:宝玉用Claude Opus 5.5做的《桃花源记》
https://mp.weixin.qq.com/s/zm1O_ZiP7wpFCUi4h96-7w
成本结构的真相：模型的工作在昂贵部分开始之前就已经结束了
这个事实听起来像技术细节，但它直接决定了整个商业逻辑。
在浏览器项目里，是一个Node脚本驱动无头Chrome实例对画布截图，每秒约24帧；在Python项目里，是一个写图像文件的循环，然后ffmpeg把帧拼接起来。三分钟的视频大约4320帧。Opus 5.5的任何特性都不会改变第2000帧的开销，因为第2000帧是画布的截图，而不是一次模型调用。
模型的工作在昂贵部分开始之前就已经结束——而昂贵部分在你的硬件上，不在API上。
这意味着Anthropic的商业模式和OpenAI的视频模型完全不同。OpenAI要为用户每一次视频生成承担GPU成本，Sora每天烧掉的钱以百万美元计，最终在2026年3月被关停，GPU资源被转给Codex和企业级产品。而Anthropic只收一次代码生成的钱——Opus 5.5的输入价格每百万token 4美元、输出20美元，比上一代还降了20%。
代码模型生成视频的边际成本，接近于零。你渲染一万次，API只收一次。
这才是最致命的地方。不是代码模型“更省算力”，而是它根本不参与视频渲染的算力消耗。
卡帕西的10美元实验，和它暴露的裂缝
如果觉得上面这些还只是“成本优势”，那卡帕西在2026年8月做的事，直接把这件事的范式差异摆到了台面上。
他让Claude Opus 5把《指环王》开篇的故事用Three.js做成3D动画，给100万token预算。模型跑了约两小时，写出约5500行代码，成本约10美元。Claude Opus 5需要理解原文、拆解场景、创建多边形资产、将人物和物体放入三维坐标，再编写镜头与动画代码。成片“有些粗糙，但很有趣”。
10美元。Sora一天烧掉的钱，够卡帕西做几十万次这个实验。
但卡帕西自己在评论区说了一句话，被很多人忽略了。有网友提议把粗糙的Three.js录屏交给视频模型充当参考，让视频模型用更高画质重新渲染。卡帕西赞同了这个思路，认为程序化代码可以负责分镜和控制，视频到视频模型负责纹理和最终视觉效果。
换句话说，卡帕西自己并不认为代码模型“取代”了视频模型。他描述的是一种分工：代码决定世界里发生什么，视频模型决定这一切看起来如何。
西湖大学和南洋理工大学的研究团队提出的Code World Model把这个分工说得很清楚：Coding Agent负责理解事件、维护持久世界状态，并通过可执行代码推动世界变化；视频模型则根据状态条件生成高保真的视觉观察。论文原文直接指出：“这里的语言模型并不取代视频模型”。
所以到底谁杀死了谁
更准确的判断不是“代码取代视频模型”，而是：视频生成战争的重心，正在从“谁能生成更好看的画面”，转移到“谁能更可靠地控制画面里发生什么”。
在这个转移中，结构化、可控性需求最强的场景正在向代码模型迁移。教学视频、数据可视化、产品演示、交互式叙事——这些场景里，视频模型已经输了。宝玉做《桃花源记》的初衷是“当年要是有AI，这篇课文理解起来背起来应该容易一点”。这个愿望的实现路径恰恰是代码模型提供的，因为教学需要的是可交互、可探索、可反复修改的结构化场景，而不是一段好看的视频。
但感知真实感需求最强的场景——自然景观、人物表演、复杂光照——仍然属于视频扩散模型。Three.js渲染的夕阳海浪和视频模型生成的夕阳海浪，在质感上是两个物种。代码驱动的是符号一致性，不是感知真实性。
OpenAI选了Codex，是因为它赌的是递归自我改进：一个足够强的编程agent，既是卖给客户的产品，也是制造下一代产品的工具。视频模型不参与模型的自我迭代，代码模型参与。
所以真正的问题不是“代码会不会取代视频”，而是：如果代码模型生成视频的边际成本趋近于零，视频模型在OpenAI和Anthropic的优先级排序里，还有没有翻盘的机会？
还是说，它最终只会沦为代码模型的一个渲染后端？
你觉得呢？用代码“画”出来的世界，和视频模型生成的画面，你更看好哪条路？评论区聊聊。
浙公网安备 33010602011771号