生成一段视频，一定要用视频生成模型吗？一位开发者公开了自己的实验账单：全程只让 AI 写代码、不调用任何视频生成模型，就做出了一段等距风格的直升机飞越机场视频，记录成本只要 2.86 美元。
据公布的细节，这次实验经 OpenRouter 驱动 DeepSeek V4.1 Flash 完成：AI 通过写代码的方式逐帧构建画面，前后经过四轮修订，有效工作时间 1 小时 36 分，最终生成了那段等距视角的动画。作者也特意补充提醒：「这个数字未必准确」——2.86 美元是其记录到的账单数字，实际成本可能因统计口径不同而有所出入，读者引用时请带上这句提醒。
看点一：代码是另一种渲染引擎
这条实验路线把「生成视频」拆成了「写程序，再让程序画图」。对等距风格、数据可视化、示意图这类画面规律性强的内容，代码生成的优势很明显：每一帧都可控，改一个参数就能整体重渲，不像视频模型那样每次都要重新抽卡。对需要批量产出同风格短片的场景，这种可控性本身就是价值。
看点二：四轮修订才是真实工作流
值得注意的另一个数字是四轮修订和近一个半小时的有效工作时间。也就是说，低成本不等于一键生成：智能体负责执行，人负责看结果、提修改意见、再让它改。这与真实的创作流程其实很像，区别只是执行者换成了 AI，人的角色退到了导演和验收的位置。
看点三：缓存命中决定长任务的账单
讨论里被反复提到的，是缓存命中对智能体长任务成本的决定性影响。长任务意味着上下文被反复读取，如果每次都按全价计算输入，账单会迅速膨胀；而缓存命中后，重复部分的成本大幅下降，整个任务才可能压到几美元的量级。所以评估一个长任务贵不贵，先看它的缓存策略，再看模型单价。
对读者来说，这条实验的启发有两层：第一，做动画和视频不只有「喂提示词给视频模型」一条路，规律性强的画面完全可以交给代码；第二，用智能体干长活时，成本控制的关键动作是设计好上下文与缓存，而不是一味挑选最便宜的模型。先拿一个小题目复刻这套流程，跑通之后再放大规模，是更稳妥的顺序。