这个周五，多模态圈吵得最凶的不是哪家又发了新模型，而是一条暴论：继3D生成之后，视频生成可能也要被LLM暴打了。微博
导火索是9月22日晚（北京时间23日凌晨）的那场双发布：不到90分钟，Anthropic端出Claude Opus 5.5，OpenAI端出GPT-6 Sol/Luna，两家同一个方向——旗舰往下打价格。知乎
但真正把讨论引爆的不是价格表，而是Opus 5.5发布后刷了一整周屏的那批演示：一句话做30秒科普视频、自写p5.js一帧帧画出来的手绘MV、3小时搓出200关的3D派对游戏、一句提示词生成上百个风格迥异的网页。 B站三天内涌进一大片"震惊瘫坐"的实测，36氪转载的新智元干脆把标题写成了大语言模型正式开始吞噬多模态。微博知乎36氪
对于正在用视频生成模型跑活的人——做科普动画的、剪产品演示的、给账号批量出片的——这轮值得停下来，但别急着站队。把能力、成本、分歧三本账对完再动流水线。
第一本账：它做的不是"生成"，是"渲染"
先把机制说透，这决定了后面所有判断。
Opus 5.5这批刷屏视频，没有一帧是扩散模型"生成"的。知乎一条实测讲得很直白：前两天我在Claude Code里，给Opus 5.5丢了一句话，做一段30秒的视频，介绍一下脑机接口收发机——模型写了七百多行代码，用代码逐帧画画面、按每个音效尖峰的时间表合成配乐，自己抽帧检查、发现标签重叠自己改、自己压成mp4，最后交出一条一镜到底的1080p成片。 音画同步不是"对"出来的，是"算"出来的。这条路线的技术栈，连微博智搜的归纳都对得上：主要靠写JavaScript（p5.js、Three.js、HTML5 Canvas）逐帧渲染，而不是调用外部视频工具。知乎微博
这就是它和视频生成模型的本质区别：确定性渲染 vs 概率性抽卡。视频模型的物理规则是"改个颜色也得重抽一次"，人物可能顺手就变了；代码渲染的修改对象是一行数字——想让机械臂慢半秒，改参数，重渲染两分钟。中文不会糊，芯片上每个模块的位置也都讲得通。官方那波整活把这条路线推到极致：用代码加公开数据，1:1复刻了人类历史上那张经典的阿波罗8号"地出"照片，把Claude Code画成一张随手涂鸦的餐巾纸，连"鹈鹕骑单车"这个民间UI基准都被它用低多边形实机画面终结了。36氪
但边界同样清楚，而且写暴论的人自己都承认了前提：只要不涉及真人，不管是动画、产品演示还是宣传片，Opus 5.5 都能做得很好。 真人实拍、质感光影、氛围镜头，还是Seedance、海螺这些视频模型的主场——实测作者的原话是"科普动画、产品演示、技术讲解，我是真的觉得可以换了"，注意他列举的全是结构化、可被代码表达的内容。 另一条硬伤是速度：每一版都是渲染出来的，分钟级起步，批量短内容和高实时场景追不上。至于"以后用Claude拍长片、做3A"，那是作者的展望，不是今天的能力。微博知乎
第二本账：20%和40%是两个口径，别混着算
Opus 5.5公开定价：输入4美元/输出20美元每百万token，1M默认上下文，输出提速30%以上。对比Opus 5的5/25美元，单价降了20%；官方另有一个"典型负载实际花费降40%"的口径——这是任务总账（缓存命中、上下文复用、重试次数都被算进去了），不是挂牌价。 换模型做预算时混用这两个数，第一周就会算错。知乎
同一天发价的GPT-6系列把水位拉得更狠：Luna档输入压到0.10美元、缓存读取0.01美元，Sol档输入2美元、输出10美元。 整个行业的钱都往同一处省——定价表上最便宜的那一栏永远是缓存读取，这一轮降价真正奖励的是"提示词结构本来就有高复用"的Agent负载，跟"一次输入一次输出"的短任务关系不大。知乎
回到视频这件事上，计费逻辑也换了：视频模型按秒收费，代码渲染按token收费——真正的成本变量不是你渲染了多少秒，而是你改了多少版。实测帖里有个值得记住的数据点：我是Pro用户，做一条30秒视频，5小时额度只用了5%。 这是单一样本，不能外推成"永远便宜"，但它说明在"多次修改"这个视频模型最烧钱的环节，代码渲染的成本曲线完全不同。知乎
第三本账：社区分歧比看起来的大
现在站出来的至少有三个位置。挺派看重可控性：视频生成模型最大的问题就是修改细节不方便——“暴论"帖下的高赞评论原话就是这个思路是对的。 实测党给场景不给结论——科普动画可以换、实拍别动；质疑派则根本不在多模态层面吵：微博有实测帖认为Opus 5.5在同一个xhigh档位下"相比GPT-6Astra和Fable5.1弱智很多啊，连Fable5都不如”，甚至怀疑它是Fable 5.1的蒸馏版本。微博微博
这个分歧本身有信息量："代码渲染强"和"Opus 5.5全面强"是两个命题。目前刷屏案例全部来自自媒体实测和官方演示，还没有覆盖"代码渲染 vs 生成模型"的第三方定量评测——证据到哪，结论就只能说到哪。
谁该动，怎么动
科普动画、产品演示、技术讲解向的团队：本周就可以拿一条真实需求走一遍代码渲染流水线，重点验证修改成本——这是它相对抽卡的主场优势。
做互动H5、游戏原型、营销页的前端：一句提示词出百个网页、三小时出200关的玩法，在vibecoding社区已经跑起来了，值得排个试验位。
真人出镜、质感大片、批量短视频：这轮变化基本与你无关，视频模型的位置还坐得稳。
最稳的中间态是混合流水线：LLM负责脚本、分镜、字幕和可编排动效，视频模型负责实拍感镜头——两条路线各干各擅长的。
接下来盯什么
Gemini 4的官方预告（9月24日）：谷歌称其基于全新世界模型架构，原生融合感知、多模态理解与智能体能力，目前尚在训练阶段。 这代表另一条路线：把多模态"长"进模型里，而不是Opus 5.5这种LLM在外面"写程序画出来"。两条路线不互斥，会长期并行。微博
视频模型厂商在可控性上的回应：局部重绘、指定修改这些能力出得快不快。
代码渲染在分钟级长片上的稳定性——30秒一镜到底已经验证，3分钟还没有人晒出可复现的案例。
第三方定量评测发布的那天，上面这三本账值得重算一遍。
一句话收束：这轮真正值得记录的，不是"视频模型要被干掉了"，而是视频生产流水线的选项清单上，多了一个每一帧都是代码、每一笔成本都能算的项目。抽卡仍然无可替代的地方，就继续抽；能编排的地方，账已经换了个算法。
