Claude、GPT“跨界”做视频，Seedance们的护城河还牢吗？

撰 文丨星 野

编 辑丨美 圻

过去一个月，AI视频领域最激动人心的讨论热潮，并非围绕Seedance、Minmax、可灵等专业视频模型，而是“越界”闯入的通用大模型。

Claude Opus 5.5 靠代码渲染视频，短短数日内催生出大量科普动画、创意短片和音乐MV，在X等平台涌现出多条爆款，甚至带火了一种新的创作范式：Vibe Video。

GPT-6 Astra则扮演起了“AI导演”，从分镜规划做到白模预演，通过深入 Blender、Unreal Engine、DaVinci Resolve 等专业软件，承担场景搭建、镜头预演、剪辑执行等工作，逐渐开始占据视频生成的上游。

两者走的是截然不同的两条路：一条是代码渲染的程序化创意，一条是空间规划的影视工业化。它们都没有在画质上正面硬刚，却从上游入口和细分场景切入，悄悄改写着AI视频的能力边界。

就在通用大模型从外围跨界切入、悄然改写AI视频能力边界的同时，专业视频模型的布局也在加速推进。字节、MiniMax、快手等头部玩家集体向创作上游渗透，逐步覆盖脚本拆解、分镜调度、成片剪辑的完整生产链路。这种对创作全流程的深度扎根，让它们在这轮跨界冲击之中，具备了更强的不可替代性。

Opus 5.5带火Vibe Video

代码直接“画”出视频？

9月22日，Anthropic 正式发布 Claude Opus 5.5。官方将发布重心放在编程能力与 Agent 任务执行上，视频能力并不是产品发布的主角。但在随后的开发者测试中，意外的爆点悄然出现：这款模型虽不直接输出像素画面，却能通过编写前端代码，生成完成度极高的动画视频。

这并非全新思路。此前 “SVG 画鹈鹕骑自行车” 一类的纯代码绘图测试早已在社区流传。但 Opus 5.5的代码稳定性与任务规划能力，让这种创作方式从玩具级演示走向了全面落地，相关作品先在X平台集中涌现，随后蔓延至小红书、抖音等国内平台。

有创作者调侃，Opus 5.5发布后的一周，自己的时间线几乎被各类AI代码视频填满。

热潮之中，最具破圈效应的标杆案例来自X平台博主 @anabology。他仅向 Opus 5.5 提供了一段参考提示词、Midjourney 调用权限与一份情绪板，模型便自主启动全流程制作，12小时后便输出了一部电影质感的反乌托邦短片。截至目前，该作品相关帖子的浏览量已突破2000万。马斯克对这条作品表现出极高关注度，先后多次转发互动，直言 “这一次我真切感受到了AGI的深远影响”。他还对一条“Opus 5.5已达到通用人工智能80%-90%水平” 的观点帖回复 “Accurate”。来自直接竞争对手的公开认可，让 Opus 5.5的视频能力进一步破圈。

科普短片、产品宣传片等场景也涌现出了大量引爆讨论的案例。博主vittorio仅给出一句创作指令，Opus 5.5 便产出一部2分16秒的西方文明史短片，全片未调用任何专业视频生成模型。视频发布两天播放量破千万。

有创作者依托Opus 5.5基于Remotion框架编写约7400行前端代码，自动完成全片画面动效与转场节奏编排，搭配开源语音与Python生成的配乐，仅一小时就产出一支三分钟的AI发展史主题视频。

推理初创公司Deedy使用Opus 5.5制作产品发布视频，单条视频生成耗时仅约 1 分钟，API 成本仅约2美元，最终收获32万播放量。Wasmer团队则直接将产品发布公告的文字内容输入Opus 5.5，模型便一次性生成了完整的品牌宣传视频，传播效果超出团队预期。

这些案例让“Vibe Video” 迅速成为一种新的创作范式：不依赖专业视频模型，仅凭大模型写代码，就能产出完整视频。GitHub上的案例集合站awesome-opus5-5-videos已收录400多条作品，覆盖动效图形、知识讲解、3D 场景、小游戏等品类，每条都附有创作者公开的原始提示词与代码，相当于把成熟的创作方法论直接开源。国内创作者也纷纷入场，用它制作产品宣传片、科普动画和数据可视化视频。

Opus 5.5 的视频生成逻辑，与传统视频生成模型有着本质区别。

传统模型基于海量训练素材一次性生成完整画面，Claude走的是纯代码渲染路线，像专业动效设计师一样逐帧搭建画面——通过编写 SVG、Canvas、Three.js、Remotion等前端代码定义所有视觉元素与运动轨迹，再在无头浏览器中运行并逐帧录制，最终经 FFmpeg编码合成MP4文件，过程中还会自动校验帧画面并修正偏差。

整个流程里，大模型一人分饰四角：担任导演敲定分镜节奏与视觉风格，担任制片拆解任务、调度多段代码并行生成，担任画师以代码逐帧绘制画面元素，担任剪辑完成音画同步与成片输出。

这条路线最大的优势，是极强的可编辑性与极低的迭代成本。传统视频模型一旦结果不满意，往往只能修改提示词、整条重生成；代码生成的视频则只需改动对应镜头的几行代码，参数、运动、风格均可精确控制，画面元素还能分层拆解。

但Opus 5.5的应用场景边界也十分清晰。它天然擅长程序化、图形化的内容，如文字动效、数据图表、科普动画和抽象3D场景，却很难胜任写实真人画面与复杂的自然物理效果，而后者恰是传统视频模型的核心主场。

这也决定了当前Vibe Video的渗透范围仍集中在轻量化商业内容、知识科普与创意实验赛道，尚未切入影视级写实内容的主流市场。

GPT-6 Astra抢走导演椅

视频模型将沦为“渲染工”？

如果说Opus 5.5是从代码切入创意视频，GPT-6 Astra则把手伸向了更上游的策划环节，重塑AI视频的生产逻辑。它同样不直接生成最终画面，而是扮演“导演+制片” 的角色：先完成创意规划、空间设计与镜头调度，再交给专业视频模型渲染。

GPT-6 Astra于9月3日正式发布，官方定位为新一代通用智能体模型，核心能力覆盖计算机操作、编程、科学研究等领域，其中对 Blender、Unreal Engine 等三维创作软件的操作能力，成为它切入视频创作的关键支点。

Higgsfield AI公开的一项测试颇具代表性。任务是制作一段连续穿越多个空间的一镜到底动画，Astra没有直接出图，而是先在Blender里用简单几何体搭起白模场景，规划人物走位和整条运镜路线，待空间逻辑与机位运动确认无误，才交给Seedance 2.5渲染成片。

最终成片里，镜头从一个空间穿入下一个空间，人物位置与场景关系始终保持一致，在相当程度上缓解了AI视频长期存在的空间错乱和镜头穿模问题。

Astra的全流程创作能力同样引人注目。海外创作者Nate Herk做过一个实验：只给一句开放式指令，让Astra制作一条关于自身发布的YouTube视频。Astra 自主完成资料调研与脚本撰写，调用工具生成克隆声音旁白，驱动AI数字人出镜，并完成素材剪辑与音乐音效搭配，最终交出可直接发布的成片。

专业剪辑软件的接入，进一步放大了这种能力。9月8日，DaVinci Resolve 21.1上线原生MCP服务器，支持AI助手通过协议直接操作软件。一位拥有20 年经验的剪辑师把75分钟的原始素材交给Astra，它直接操作剪辑软件，输出了包含96个剪辑片段、字幕、调色与音量校准的22分钟粗剪版本，全程无需人工干预。

国内创作者也很快摸索出本土化的工作流。有人把完整的仙侠剧本交给Astra拆解分镜、设计镜头，再对接Seedance 2.5生成90秒成片，阵法设计与镜头切换的完成度超出预期；另有创作者总结出一套相对成熟的产品宣传片流程：先由 GPT-6做白模预演，验证镜头可行性，再导出预演视频交给视频模型渲染，最后用剪辑工具合成。整套流程约两小时，成本折合人民币仅150元。

支撑这些表现的，是GPT-6 Astra的世界模型与3D空间理解能力。它能理解多个相连空间的拓扑关系、人物走位的内在逻辑以及摄像机的运动路径，而不只是生成一张张平面画面。

更大的价值在于，创意因此变成了可修改、可复用的资产：空间布局、人物调度与摄像机路线都能留存下来，更换人物、场景、画风甚至故事时，不必从零开始。

至此，通用大模型已走出两条差异化路线，与专业视频模型构成交错竞争的格局。以 Opus 5.5为代表的代码派，长于程序化创意与动效科普，成本低、迭代快，适合轻量化商业内容。

以 GPT-6 Astra为代表的规划派，长于复杂镜头调度与空间叙事，搭配视频模型可产出影视级内容，更接近专业制作流程。二者并非替代关系，完全可以协同：GPT-6 负责分镜规划，视频模型负责写实部分的渲染，拼成一条互补的工作流。

视频模型集体跑向上游

全链路布局加固护城河

两条跨界路径，正在悄悄重构AI视频行业的利益分配。

一方面，产品宣传片、知识科普、数据可视化等商业与创意内容，开始Claude低成本的代码路线分流。另一方面，GPT开始掌握视频生成分工，将Seedance等视频模型降格下游的渲染工序，长期或将压低其在产业链上的价值。

就在通用大模型从外围搅动赛道之际，Seedance、可灵、MiniMax等专业视频模型厂商也在按自己的节奏加固护城河。各家方向高度一致：向上游创作环节延伸，深度嵌入创作者的完整工作流，用端到端的生产能力取代单点的素材生成能力。

9月20日，剪映在“AI新创作发布会” 上推出一站式创作工作台“剪映Hub” 和智能创作 Agent “剪映助手”。结合此前推出的小云雀Agent、内测的“漫剧创作工具”，字节已搭起“底层模型+垂直场景Agent+通用创作工作台” 的完整生态，用户从产生想法到导出成片，可在字节体系内一站完成。

其他头部玩家也在加速跟进。7月31日，MiniMax发布新一代多模态视频模型 H3。不到三周后的8月20日，便上线创作Agent工作台MiniMax Design，由主 Agent 拆解需求，调度多智能体并行完成从脚本到成片的全流程。

快手则在9月底亮出双轨布局。一边，可灵AI 4.0官宣10月上线，补齐30秒原生时长、4K HDR、多模态参考等关键参数短板，继续夯实模型层的竞争力；另一边，创作Agent工具ikli的内测消息同步流出，主打从需求理解、脚本编写到镜头生成、配音剪辑的全流程制作。

从结果看，这一轮全链路升级让专业视频模型的护城河更深了。大模型的长处在于创意发散、代码生成与流程调度，但在核心商业创作场景中，创作者要的不止是把想法落地，还有稳定的画质、标准化的成片质感、可复用的素材资产，以及与既有工作流的无缝衔接，而这些正是专业厂商深耕的领域。

叠加全链路Agent的加持，专业视频模型在短剧、漫剧、品牌广告等核心赛道上，短期内仍有难以替代的价值。

换言之，大模型带来的是新的技术路径与创作思路，拓宽了AI视频的边界，却尚未撼动专业视频模型的基本盘。

恰恰因为看清了上游入口的分量，字节、快手等才加快了全链路布局的步伐：只有深度嵌入创作者的完整工作流，覆盖从创意到交付的每一个环节，才能真正守住用户入口，不被架空为单纯的算力供应商。

通用大模型与专业视频模型的边界正在模糊，未来的胜负手，不在于谁的参数更高，而在于谁能更深地融入真实的创作生产流程，成为创作者离不开的生产工具。