Opus 5.5 一键生成动画短片：$3.21 API 费用背后的自主创作实验

一位 Reddit 用户分享了一个引人注目的实验：仅凭一次提示（single prompt），让 Claude 的 Opus 5.5 模型自主完成了一支手绘拼贴风格的动画短片，从脚本、素材、配音到动画全流程无人工干预，整个过程耗时约 1 小时 20 分钟，OpenRouter API 花费仅 3.21 美元。

一次提示完成整部短片

这个案例的核心在于「真正的一次性生成」（true one shot）。作者强调，成片并非经过多轮反复调优，而是通过单条提示词让模型在 Claude Code 环境中自主运行到完成。他离开电脑，让 AI 在无人监督的情况下自行决策。

从公开的完整提示词看，任务要求相当开放：创建一段 30 至 60 秒、手绘拼贴风格、带合适音频的纯 JavaScript 动画，主题是「人生的意义是什么」，并要求「尽可能高的制作水准，达到专业级别」。作者给模型的自由度极大——脚本、概念、素材、动画全部由 AI 自行创作，可以调用任何能找到的工具和网络资源。

值得关注的是提示中的一个约束条件：OpenRouter 最高花费上限设为 10 美元。这是一种典型的「预算护栏」，让自主运行的 Agent 在探索时不至于产生失控的成本。

成本结构：算力与调用的双重账单

这个实验的成本被拆成了两部分，颇能说明当前 AI 创作的经济模型。

一部分是 Opus 5.5 本身的推理成本，作者估算约合 20 美元的 Opus 5 用量，或占其 Max 5 订阅 5 小时配额的约 10%。这部分主要用于模型的规划、代码编写和创作决策。

另一部分是通过 OpenRouter 调用的外部服务，总计 3.21 美元。其中大头是 NanoBanana 2（图像生成），其次是文本转语音（TTS），再加上一些零星的其他服务费用。作者提到整个流程一共调用了 8 个不同的 OpenRouter API。

换句话说，这支短片的真实成本并非标题所暗示的 3.21 美元，而是订阅算力加 API 调用的组合。标题里的低价数字更多反映的是「外部工具调用」的边际成本极低，而模型自身的推理算力仍是主要开销。

理解这里的成本结构需要区分两种不同性质的费用。推理算力成本（inference cost）按模型处理的 token 数量计费，Opus 系列属于 Anthropic 旗下最高规格的模型，单价远高于 Sonnet 或 Haiku 等轻量级版本；Anthropic 的 Max 订阅计划提供固定月费内的算力配额，超出部分按量计费。外部 API 调用成本则属于「每次使用付费」（pay-per-use）模式，图像生成通常按生成张数或分辨率计费，TTS 按字符数或音频时长计费。NanoBanana 2 是 OpenRouter 上提供的一款专注于插画与拼贴风格图像生成的模型，以低单价和快速出图见长，适合需要批量生成素材的 Agentic 任务。这种「高价推理模型负责规划决策、低价专用模型负责内容生产」的分层架构，是当前 AI 创作成本优化的主流思路。

Agent 自主编排多个工具的能力

抛开成本，这个案例真正体现的是当前顶级模型作为「编排者」（orchestrator）的能力。

模型需要自己想清楚一支动画短片需要哪些环节：先写脚本和旁白文案，再决定用什么风格生成视觉素材，调用图像 API 产出画面，调用 TTS 生成配音，最后用 JavaScript 把这些资产组合成有节奏的动画。整个链条涉及创意、工程和资源调度的多重能力，而这些都在一次提示内自主完成。

8 个不同 API 的协同使用，说明模型不仅能调用单一工具，还能在一个开放任务中自行规划工具组合、处理它们之间的数据流转。这正是「Agentic 工作流」被寄予厚望的地方。

「Agentic 工作流」（Agentic Workflow）是指将大语言模型置于一个可以循环决策、调用外部工具、自我纠错的执行环境中，而非单次输入输出。与传统的「问答式」调用不同，Agent 模式下模型会持续观察环境状态、规划下一步动作、执行工具调用并根据返回结果调整策略，形成一个「感知-规划-执行」的闭环。Claude Code 正是这样一个为 Agentic 任务设计的执行环境，它允许模型读写文件、运行代码、访问网络，并在沙箱中持续迭代。OpenRouter 则扮演统一 API 网关的角色，让模型能用一致的接口调度来自不同供应商的图像生成、语音合成等专用模型，从而实现跨模型的工具编排。这种架构的关键挑战在于「工具组合爆炸」——当可用工具数量增加时，模型需要具备足够的规划能力才能选出合理的执行路径而不陷入低效循环。

该如何看待这类演示

作者本人保持了相对克制的表述：成品「不完美」，「有些地方需要修复」，但他坚持发布未经修补的原始一次性结果，以展示真实水平。他还提到，自己的成果比此前 Singularity 板块流传的一个类似 Twitter 案例「明显更好」，超出了预期。

对这类演示需要理性看待。一方面，能在 80 分钟内让 AI 自主产出一支「远超预期」的专业观感短片，确实展示了模型规划与工具调用能力的跃升；另一方面，「一次性生成」的宣传往往会掩盖背后的隐性成本——包括订阅算力、精心设计的提示词，以及作者本身对 Claude Code 环境和 OpenRouter 生态的熟悉度。

这个实验的价值不在于「3.21 美元做出大片」这个吸睛标题，而在于它勾勒出一种新的创作范式：人类负责定义目标和约束（预算上限、质量要求、主题），AI 负责在开放空间里自主完成从概念到成品的全部执行。这条路径的成熟度还远未到位，但方向已经清晰可见。