Claude Fable 5: całe wideo z jednego promptu

Ktoś otwiera Claude, wpisuje jeden jedyny cel, idzie na siłownię — i wraca do gotowego filmu na YouTube. Żadnych zdjęć, żadnej kamery, żadnego programu do montażu. Awatar jest z AI, głos to klon, skrypt napisany przez Claude. Imponujące? Tak. Ale uczciwsze pytanie brzmi: co naprawdę za tym stoi — i co to oznacza dla Państwa, jeśli nie są Państwo youtuberem, tylko prowadzą firmę?

Co się tu naprawdę wydarzyło

Punktem wyjścia był eksperyment: jeden prompt, jeden cel, a potem ręce precz. Film, o który chodzi, nie został nakręcony. Osoba na obrazie to awatar AI, głos to klon wytrenowany na prawdziwych wcześniejszych filmach. Każde słowo skryptu pochodzi od Claude. Gdy film powstawał, twórca nie widział ani jednej klatki — wpisał prompt i wyszedł. Research, skrypt, głos, awatar, grafiki animowane: wszystko szło samo.

Umożliwia to nowy model. W tym tygodniu Anthropic opublikował Claude Fable 5 — i właśnie dlatego ten film może w ogóle istnieć.

Czym jest Claude Fable 5

Fable 5 to pierwszy model tak zwanej klasy „Mythos” — stopnia powyżej Opus — dostępny w płatnym planie. Dotąd ta klasa była ograniczona do zweryfikowanych partnerów w zakresie bezpieczeństwa. W niemal wszystkich testowanych benchmarkach ustanawia nowe rekordy. Trzy obszary wybijają się na pierwszy plan:

• Programowanie. Według Stripe Fable 5 sprowadza miesiące pracy inżynierskiej do dni. W ogłoszeniu przebiega w ciągu jednego dnia pełna migracja bazy kodu w Ruby liczącej 50 milionów linii — zadanie, które cały zespół zajęłoby ręcznie na dwa miesiące.
• Widzenie. Model potrafi zrekonstruować kod źródłowy aplikacji webowej wyłącznie ze zrzutów ekranu. I przeszedł Pokémon Fire Red od początku do końca tylko na podstawie samych obrazów z ekranu — bez map, bez pomocy nawigacyjnych, których starsze modele jeszcze do tego potrzebowały.
• Wytrzymałość na długich dystansach. Fable 5 pozostaje skupiony przez miliony tokenów. Z pamięcią opartą na plikach — po prostu plikach, do których zapisuje sobie notatki — osiągnął w grze Slay the Spire ostatni akt trzy razy częściej niż Opus 4.8.

Tanie to nie jest: około 10 dolarów amerykańskich za milion tokenów wejściowych, 50 za milion tokenów wyjściowych. Co ta cena oznacza konkretnie, zobaczą Państwo niżej w uczciwej części.

Jak powstał ten film: pipeline w pięciu krokach

Za tym jednym promptem stoi porządny łańcuch pięciu kroków. Każdy rozwiązuje konkretny problem — i właśnie ten rozkład jest właściwym trikiem.

1. Skrypt. Claude czyta całe ogłoszenie Anthropic, sprawdza każde stwierdzenie pod kątem zgodności z faktami i pisze skrypt głosem twórcy — na bazie „voice playbooka” zbudowanego z jego prawdziwych transkryptów.
2. Głos. Skrypt idzie do klona głosu (ElevenLabs), wytrenowanego na realnych filmach. Trik: nie da się wygenerować czterech minut z rzędu, bo głos dryfuje wraz z długością. Claude rozkłada więc skrypt na kawałki po niecałej minucie i udźwiękawia je pojedynczo.
3. Awatar. Każdy kawałek audio jest renderowany w HeyGen na najnowszym modelu awatara. Gdy modelu nie dało się jeszcze wybrać przez API, Claude bez ceregieli sam sterował przeglądarką przez Playwright i przeklikał każdy film ręcznie.
4. Montaż. Claude łączy klipy awatara przez FFmpeg, tworzy transkrypcję co do słowa i buduje każdą grafikę animowaną jako prawdziwy kod — HTML, animowany przez GSAP, wytaktowany dokładnie na wypowiadane słowa.
5. Samosprawdzenie. Na koniec Claude sprawdza własną pracę: renderuje klatki z każdej sceny, ogląda je wizualnie i renderuje na nowo wszystko, co nie pasuje — tak długo, aż przejdzie.

Prompt wchodzi do środka, gotowo zmontowany film wychodzi na zewnątrz. Oto, co model klasy czołowej potrafi w tygodniu swojej publikacji.

Uczciwa część: granice, koszty, rzeczywistość

Jakkolwiek imponujące to jest — patrząc bez szumu wokół AI, zostają cztery trzeźwe punkty, które sam twórca otwarcie porusza:

• Nie do odtworzenia 1:1. Kto skopiuje ten sam prompt, nie dostanie tego samego wyniku. W tle tkwią już zbudowane, wyspecjalizowane umiejętności („Skills”) do grafik animowanych — to one robią różnicę.
• Nie potrzeba najdroższego modelu. Sam twórca mówi: ten styl mógłby zapewne odtworzyć także wyraźnie tańszym Sonnet — gdy tylko przebieg zostanie raz opakowany jako Skill wielokrotnego użytku. Pipeline jest cenniejszy niż czołowy model.
• Koszty są realne. Przebieg trwał około godziny i zużył jakieś 380.000 tokenów. Model działał w taryfie Max — a jeden jedyny przebieg pochłonął około 40 % miesięcznego planu za 200 $. W godzinę prawie połowa budżetu. Ostrożność jest więc wskazana.
• Kontekst bije sprytny prompt. Rozstrzygające było nie magiczne polecenie, lecz kontekst. Twórca napisał mniej więcej tak: „Zatrzymaj się dopiero wtedy, gdy będziesz w 100 % przekonany, że to wysokiej jakości film — idzie na mój kanał, zły wynik szkodzi mojej reputacji.” Oraz: „Zweryfikuj potem dynamicznym workflow, że wszystko siedzi.” Kto da systemowi dlaczego, dostaje lepsze wyniki.

Właśnie ten ostatni punkt jest właściwą lekcją — i nie ma nic wspólnego z YouTube.

Co warto z tego wziąć

Proszę na chwilę zapomnieć o awatarze. To, co pokazuje ten eksperyment, to wzorzec pracy dający się przenieść na każdy poważny przypadek automatyzacji:

• Rozkładać zamiast czarować. Nie „jeden prompt na wszystko”, lecz jasny łańcuch kroków, z których każdy rozwiązuje konkretny problem.
• Dostarczyć kontekst. Cel, stawka i poprzeczka jakości należą do zadania — a nie do Państwa głowy.
• Wbudować sprawdzenie. System waliduje własny wynik, zanim spojrzy na niego człowiek.
• Mieć koszty na oku. Najmocniejszy model rzadko jest najbardziej ekonomiczny. Często wystarcza ten szczuplejszy — gdy przebieg jest dobrze zbudowany.

To nie trik na YouTube. To pytanie, które stawiam przy każdym projekcie automatyzacji: gdzie automatyzacja daje realną dźwignię — a gdzie jest tylko drogim efektem?

Podsumowanie

Claude Fable 5 potrafi rzeczy, które jeszcze niedawno brzmiały jak science fiction — całe wideo z jednego zdania. Ale uczciwe spojrzenie liczy się bardziej niż efekt: wyniku nie da się dowolnie kopiować, często wystarczy tańszy model, a koszty mogą wymknąć się spod kontroli. Zostaje przenośna zasada — jasne kroki, wbudowany kontekst, wbudowane sprawdzenie. Dokładnie nad tym pracuję z firmami: nie nad największym modelem, lecz nad rozwiązaniem, które naprawdę rozwiązuje problem — mierzalnie i bez szumu wokół AI.

Źródło: Swobodnie zaadaptowane na podstawie „Claude Fable 5 Made This Entire Video By Itself.” autorstwa Nate Herk | AI Automation — obejrzyj na YouTube. Uporządkowanie, wybór i sformułowanie pochodzą od pletzenauer — digital consulting.