企业官网建设流程全解析

两部视频都是模型从零开始写代码生成的：画面、界面、配乐、音效，没有用任何素材库。区别只在于用了哪个模型。

工具调用全部都是使用myapi，两个视频共五分钟，算在一起不超过十块钱，词元消耗大概在180k左右

myapi-ai.com

一、实验怎么做的

我给两个模型发了一模一样的提示词，放在 Claude Code 里跑，除了问进度和一句”继续”，中间没有给技术上的指导：

我需要你自己完完整整做一期视频，大概2-3分钟，来测评说明 claude-xxx 的能力。 所用到的背景音效、背景音乐、claude界面截图/视频等等全都是你自己画出来

唯一的变量是模型。我的电脑环境也很”不友好”：没装 Python，也没装 ffmpeg。模型得自己发现问题、自己解决。

两个模型都在对话里通过 myapi 调用，后面会讲怎么接入。

二、成片数据对比

三、Opus 5.5：先验证，再下结论

Opus 的片子给我最深的印象是“每句话都有出处”。

它没有直接去画画面，而是先自己出题、自己跑：

1. 写了一个故意藏着两个 bug 的 LRU 缓存和 6 个测试用例，真实运行结果是 3⁄6 通过；

2. 修复后再跑，变成 6⁄6 通过。视频里终端上显示的 PASS / FAIL，就是这次运行的原始输出；

3. 逻辑推理题（经典的”三个箱子标签全错”）给出答案后，它又写了一段程序穷举所有情况，确认只有从”混合”箱摸这一种解法。

更有意思的是”智能体工作流”这一节。它没有编一个示例，而是把制作这期视频的真实过程做进了片子：发现没有 Python → 发现没有 ffmpeg → 改用 Node.js 工具链 → 写题 → 跑测试 → 合成音频 → 逐帧渲染。

片子开头它就说明”不引用未经核实的跑分”，结尾还加了一段”局限”：题目少、是自己出的、不等于标准基准，关键代码仍需人工审查。

一句话总结：像一位严谨的工程师写的技术报告。 篇幅克制，但每个数字都能追溯。

四、Sonnet 5.5：像一场产品发布会

Sonnet 的片子是完全不同的路线：节奏快、信息密、观感更”成品”。

• 15 个场景，覆盖代码生成、长上下文、工具调用、视觉理解、速度、价格、适用人群；

• 主动调用系统自带的语音合成做了全程配音：它找到了三个中文音色（慧慧、瑶瑶、康康），各合成了一句样音，最后用了康康（模型本身听不到声音，谈不上”试听”）；

• 代码生成那一节，画面上”实时书写”的确实是一份真实存在的文件，但它不是一次写成的：模型先写了一个 162 行的小应用，发现和旁白里预设的行数对不上，就另写了一个生成器，用数据表拼出了一个 1990 行、约 100KB 的看板页面，再回头改旁白里的数字。这个页面没有在浏览器里跑过，里面 9 个”图表”函数其实是同一套折线图模板，所以”一次成型、无需返工”的说法是没有验证过的；

• 发现没有 ffmpeg，它先试了 npm 上的 ffmpeg-static，下载中断后，写脚本从国内镜像把 ffmpeg 下了下来；

• 每个场景都抽帧检查过，修掉了中文字体显示成方块、元素重叠、代码溢出窗口这几类问题。

一句话总结：像一支执行力很强的内容团队做的宣传片。 观感更接近成品，但片中的数据要先换成真实数据才能发布（见第五节）。

五、一个我必须说明的细节

做对比时我翻了两个模型的工程目录，发现了一个差别：

• Opus 把”真实性”放在第一位，宁可片子短一点、场景少一点，也不写一个没验证过的数字；

• Sonnet 把”完成度”放在第一位，会主动把一期测评该有的板块都补齐。

这也是给大家的一个实用提醒：无论用哪个模型生成内容，涉及数据和事实的部分都要自己核实。

六、我该选哪个？

我自己的用法是：Sonnet 打底干活，Opus 负责把关和攻坚。 两个模型在同一个接口里切换，只需要改一个模型名。

写在最后

同一句话、同一台电脑、同样的”缺工具”环境，两个模型交出了两份风格截然不同的作品（Sonnet 那一场的收尾阶段切到了 Opus，见第一节）。

与其看别人贴的跑分，不如自己用同一个任务去试一试。你会很直观地感受到：Opus 更像一位审慎的资深工程师，Sonnet 更像一位高产的全能执行者。