这次“爆火”发生在创作圈，不在排行榜上。9月下旬以来，微博上接连出现用Opus 5.5制作科普视频的教程，有博主直言这些视频已经在一些平台上成了爆款，还引起了专家的关注。热度背后的依据是一个很朴素的机制：Claude不会拍视频，它会写出能拍视频的程序；Opus 5.5看不了视频，也只会输出文字，你看到的每一帧“科普动画”，都是它写的程序一帧一帧画出来的。 AI给科普创作者带来的不是一个生成素材的模型，而是一个会写代码的廉价“动画师”。这项变化能不能配得上“变革”二字，取决于“生产”和“质检”这两条线。微博微博
Opus 5.5的降价恰好打开了瓶颈：API输入每百万Token 4美元、输出20美元，Anthropic称，再加上Token使用效率提升，完成一项典型任务的实际成本能比Opus 5低约40%，输出速度则提高了30%以上。 第三方评测Artificial Analysis的口径下，默认medium档它拿到51分、每任务1.34美元；定位更高也更贵的Fable 5.1是49分、2.98美元；但把推理拉满到max档，它平均每项任务生成约11.9万Token、单任务成本5.98美元，反而高于竞品Astra的3.26美元。省不省钱取决于档位怎么设，这是科普团队上手前绕不开的一笔账。钛媒体
提示词之外的90%，才是可复制的部分
“一句话生成一条视频”的说法在圈子里并不成立。一篇转述海外创作者方法论的帖子里说得直白：提示词大概只占一条视频的10%，剩下90%是提示词之外的功夫。 更能说明问题的信号是流程的可移植性：有博主把产品宣传视频的做法做成skill文件，实测发现即使换用MiMo V2.6 Flash这类更小的模型，也能产出相对不错的效果。 科普创作真正面对的变革，不系于某一个模型，而系于一套能被写成模板、复制、降成本的流程——只要流程被固化，便宜的模型也能保住大部分产出，这比跑分数字更接近“变革”的实质。微博微博
产线变了，质检线还没变
10月8日，Anthropic展示了一张紫外线全天图：图中约三分之一从未被紫外线望远镜直接观测，空缺由模型推算；约翰斯·霍普金斯大学教授Brice Ménard主导的项目把已观测区域藏起来做回测，Anthropic称预测值与实测值的差异约为10%。 这张图最值得借鉴的地方不是“完整”，而是给每个像素标明“测得”或“预测”、并附上不确定性——观看者能知道哪片颜色来自望远镜，哪片来自推算。36氪
但AI的自查也漏了球：地图初版完成后，Ménard凭经验发现暗区里有几枚若隐若现的圆圈，判断那是望远镜拍摄流程留下的痕迹；Claude其实早就知道这类残留可能存在，还让其他Agent审查过两轮，两轮都漏掉了。 “补天”案例展示的不是AI万能，而是一种人机分工范式：AI把多年份、多仪器的数据整理压缩进一个项目周期，最后一道确认仍然属于懂行的眼睛。36氪
另一个案例是反面教材。ValsAI把10个Opus 5.5 Agent放进沙盒挑战Dijkstra最短路径这一经典问题，15小时、733次互相质疑后，它们交出了C-HD算法，289个文件的Lean形式化证明通过了机器验证。 反转发生在工程复现：同样的算法实测下来比最朴素的Dijkstra还慢1.4到2.8倍——理论上的突破是真的，代价则藏在被忽略的预处理里。“AI比人快出成果”以后大概率还会成为科普素材，而“证明通过”与“真的好用”之间的落差，恰恰是科普创作要补上的内容。36氪
“最强”在流动，产线已经留下
10月13日，Meta发布Muse Wonder和Muse Wonder Full，长程任务基准SWE-Marathon上后者拿到57.5%、Opus 5.5为46.3%；不过在ProgramBench从零编程中，Opus 5.5仍以70.5对59.0领先。 榜单你追我赶，说明“科普创作必须绑定哪个模型”本身就是个不稳定命题；留下来的，是被验证过的那套写程序渲染动画的流程，和它带来的成本坍塌。36氪
回到标题里的问号：Opus 5.5的爆火确实动摇了科普创作的产线——动画、图示、演示的制作成本被压到了个人创作者够得着的位置，方法还被固化成了可复制的模板；但从“补天”地图上的圆圈，到C-HD算法的实测反转，准确性的责任并没有随产能一起移交。对创作者来说，新的竞争力不是谁的视频做得更快，而是谁愿意把“测得”和“预测”分开标；对观众来说，判断一条AI科普视频值不值得转发，也可以先用这条标准过一遍。
