Anthropic 9 月 22 日发布的 Opus 5.5 这几天被叫成了「最强视频生成模型」,因为它做了一批看起来像视频生成的东西,把宜家说明书变成 3D 语音导览视频、在虚幻引擎里重建旧金山街区、甚至搓了一个能玩的黑暗之魂仿作。[1][3]但先把定义掰正,Opus 5.5 不是文生视频模型,它不直接输出画面。它写的是代码,浏览器或游戏引擎把代码跑出来,才有了你看到的视频和 3D 场景。这个差别决定了它适合干什么、边界在哪。
这几天它都干了什么
传播最广的几个案例值得逐个看。
Hugging Face 产品负责人 Victor Mustar 让它用真实在售的乐高零件设计一台等身 Microduck 机器人。Opus 5.5 给出的方案用了 1113 个真实零件,检查了 3204 处连接和碰撞、重心,最后产出一份 141 页、237 步的拼装说明书,附可采购的零件清单,连演示视频都是它自己渲的。Mustar 已经把整本说明书传上了 Hugging Face,零件实买验证还在进行中。[4]
另一个案例是把宜家那种几乎无字的拼装说明书转成 3D 动画加语音讲解的教程视频。投资人 Deedy Das 看完的反应是,「通过写代码,Opus 一夜之间成了一个实际上很好用的视频生成模型。」[3]
更激进的测试是有人让 Opus 5.5、GPT-6 Astra、Fable 5.1 同题重造《塞尔达传说:时之笛》的开场,不用现成游戏引擎,让模型自己写游戏逻辑和视觉。[3]成品离真正能玩的塞尔达还很远,但几天前大家还在用「画一只骑自行车的鹈鹕」测模型懂不懂现实,现在已经有人在让模型交付可建造的东西了。

代码是中间层
严格说,这是「写代码渲染画面」而不是「生成视频」。Opus 5.5 有 100 万 token 的上下文容量和最多 12.8 万 token 的输出长度,这让它能一口气写完一个场景的渲染代码、动画逻辑和交互指令,交给浏览器或引擎执行。[1]
这个路径解释了为什么它的「视频」画风和 Sora 那类模型完全不同。文生视频产出的是像素,改了 prompt 一切重来;Opus 产出的是可检查、可修改的程序,说明书里哪个零件悬空了,你能翻到那一行改掉它。代码在这成了通用中间件,用户全程可以不用看代码。

旧金山 demo 还有个幕后帮手
传播最广的旧金山重现不全是 Opus 一个人干的。场景里的动态元素由 TypeSafe AI 的 Jev 模型处理,这是一个 system-1 决策模型,不做语言生成,专门高速输出带约束的结构化决策,号称在这类高频小决策任务上比大模型快百倍、便宜百倍。Opus 当创意总监写高层架构和动画代码,Jev 负责海量具体的摆放和状态判断。「大模型编排小模型」这个分工,可能比单个模型本身更值得开发者注意。
数据与价格
模型本身的成绩单是实的,Code Arena WebDev 榜第一,编程和 agent 能力有明显提升。[1]API 定价是每百万输入 token 4 美元、输出 20 美元(约合 29 元和 145 元人民币),比上一代 Opus 5 快三成以上、典型负载便宜约四成,比榜上第二的 GPT-6 Astra (Max) 便宜约六成。[2][5]
边界在哪
回到那本乐高说明书,有人仔细翻完发现里面有悬空的零件和没锁死的连接。也就是说 Opus 5.5 能把一个想法包装得非常像成品,但「看着能搭」和「真能搭」之间还差最后一道人工验收。视频和 demo 同理,渲出来的画面惊艳,生产可用的还差一轮工程校对。
它对谁有用也更清楚了,需要把想法快速变成可操作物的人。说明书、原型、交互动画、可执行的可视化,都是这条路径的产物。想拿它替代文生视频做影视素材的,方向不对。
最后记住的一点
「能写代码」这个词的内涵正在被改写。以前是让 AI 画个网页画个 SVG,现在是让它设计一个现实世界能装配的东西,连同工程校验、文档和采购清单一起交付。Opus 5.5 的意义不在「又出了一个视频模型」,而在代码作为中间层这条路跑通了,演示里的每个案例都在证明同一件事。
参考来源
- 机器之心/36kr Opus 5.5 案例盘点(2026/9/28)
- Stork.AI 机制与定价分析
- Hugging Face 上的 Microduck 乐高说明书原件
- Anthropic 官方定价页
案例均为社区演示,工程可靠性以实际构建结果为准。
