66秒动画，一个HTML文件，没有一张生成图

一段66秒动画，狐狸穿过云海图书馆，纸鸟从书页里飞起，字幕和配乐都在。Chetaslua 在 X 上贴出成片，说每一帧和每个声音都由 Fable 5.5 自己写的代码生成，最后交付一个单 HTML 文件。参数写得很具体：1920×804、24fps、无生成图像、无图库、无音频样本、无字体文件，约2小时40分钟自主工作。

作者的原话很冲：zero image models，THIS IS PURE CODE，还补了一句“its over for video and image models”。评论区一半在喊 insane，一半在问成本和渲染时间。演示很漂亮，漂亮到容易忽略这两个问题。

这段更像代码生成和渲染管线能力的演示。模型要自己搭动画时间轴、画狐狸和纸鸟、做云和光、合成声音，再把东西塞进一个能播放的 HTML。它展示的边界比“生成一段视频”更宽。视频模型没死，先别急着开香槟。可复现性、成本、修改难度，都要等更多人跑过。

作者还贴了另一个测试：用类似 prompt 让模型生成2D anime场景，要求吉卜力风格、无人物、巨大机器人、单 HTML，可以用3D布局但最终必须像手绘2D。代码放在 GitHub：https://github.com/ChetasLua/moss-keeper 。作者说同样的 prompt 在 regular Opus 5.5 上质量会掉，Fable 5.1 更差。

主推回复里，作者放出了“THE LAST PAGE”的完整 prompt。故事是一个被遗忘的图书馆，一只小红狐唤醒它，纸鸟汇成巨鸟，最后落到空白页上写 Fable 5.5。要求细到帧率、镜头、音效、禁止出现的东西。还特别写了：检查随机帧，任何一帧不像真正的2D动画就继续改，直到每帧都能当剧场版截图。

作者贴出的代码块截图也在。回复5里能看到单 HTML 的交付形态。

有网友用 Gemini Argon 做了自己的版本，45分钟。这个对照有意义：同题作文，不同模型，时间和质量差距会直接暴露。也有人问 Fable 5.5 的周限额，有人问多少钱。演示之外，这些才是日常使用的门槛。

想自己验证，作者给了方法：问“Where did @karpathy go in 2026?”，关掉 web search 和 memory，只有新 Fable 知道答案，然后给同样的 prompt。作者还提醒，不要拿 Grok 做这种基础推理，Grok 对 niche 知识不够新；knowledge cutoff 也不代表模型知道截止日期前的所有事。这个测试能同时暴露知识盲区。

演示的价值不在“AI 又赢了”。它把问题推到另一个层面：当模型能写代码搭出完整渲染和声音管线，视频模型和代码模型的分工要重画。先看成本，再看谁能复现。原推：https://x.com/chetaslua/status/2117224839010459987