Claude Fable 5 vs. GPT-5.6 Sol: Agentic Music-Video-Vergleich mit $100 Budget
TryAI hat für diesen Vergleich ein Open-Source-Agentic-Harness entwickelt, das einem Sprachmodell sechs Werkzeuge zur Verfügung stellt: ein kostenloses Planungs-Tool, Web-Suche, Budget-Abfrage, Bildgenerierung, Videogenerierung sowie eine lokale Shell mit ffmpeg/ffprobe. Die Modelle — Claude Fable 5 und GPT-5.6 Sol — erhielten je denselben Song („Uptown Funk" von Bruno Mars und Mark Ronson), eine kurze Textbeschreibung und ein zeitgestempeltes Lyriktransskript, dann übernahmen sie selbstständig die komplette Regie. Interessant ist das divergierende kreative Vorgehen: Drei der vier Runs setzten ausschließlich auf Text-to-Video, während GPT-5.6 Sol im $25-Run als einziger einen Keyframe-Ansatz mit anschließender Image-to-Video-Pipeline wählte. Im $100-Run kombinierte Sol drei verschiedene Videogeneratoren — Wan 2.5, Veo 3.1 Lite und Hailuo 2.3 Standard — innerhalb eines einzigen Runs. Claude Fable 5 nutzte im $100-Run Seedance 1.0 Pro auf 1080p-Niveau und produzierte damit das einzige Video in Full-HD-Auflösung (1920×1080). Alle vier Runs schlossen ohne externen Abbruch vollständig ab und lieferten valide Videodateien mit eingemischtem Originalsong. Der vollständige Quellcode des Harness sowie sämtliche Transkripte aller Tool-Calls sind auf GitHub unter hershalb/music-video-arena öffentlich zugänglich.
- Claude Fable 5 ($100-Run) ist der einzige Run mit 1920×1080-Auflösung; alle anderen drei Runs lieferten 1280×720.
- Pricing-Details: Wan 2.5 t2v kostet $0,05/s, Hailuo 2.3 Standard ~$0,28 pro 6s-Clip, Seedance 1.0 Pro ~$0,62 pro 5s-1080p-Clip auf FAL.
- GPT-5.6 Sol nutzte im $25-Run FLUX Schnell ($0,003/Bild) für 61 generierte Standbilder, bevor diese animiert wurden — alle anderen Runs erzeugten keine Bilder.
- Token-Caching bei GPT-5.6 Sol war erheblich: Im $25-Run wurden 2,56 von 2,96 Mio. Input-Tokens als Cached-Input verrechnet, was die LLM-Kosten auf $4,27 drückte.
- Das Harness ist Open Source (github.com/hershalb/music-video-arena) und lässt sich mit beliebigem Song, Budget und Modell-Kombination betreiben.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
Claude Fable 5 vs. GPT-5.6 Sol: Agentic Music-Video-Vergleich mit $100 Budget
TryAI hat für diesen Vergleich ein Open-Source-Agentic-Harness entwickelt, das einem Sprachmodell sechs Werkzeuge zur Verfügung stellt: ein kostenloses Planungs-Tool, Web-Suche, Budget-Abfrage, Bildgenerierung, Videogenerierung sowie eine lokale Shell mit ffmpeg/ffprobe. Die Modelle — Claude Fable 5 und GPT-5.6 Sol — erhielten je denselben Song („Uptown Funk" von Bruno Mars und Mark Ronson), eine kurze Textbeschreibung und ein zeitgestempeltes Lyriktransskript, dann übernahmen sie selbstständig die komplette Regie. Interessant ist das divergierende kreative Vorgehen: Drei der vier Runs setzten ausschließlich auf Text-to-Video, während GPT-5.6 Sol im $25-Run als einziger einen Keyframe-Ansatz mit anschließender Image-to-Video-Pipeline wählte. Im $100-Run kombinierte Sol drei verschiedene Videogeneratoren — Wan 2.5, Veo 3.1 Lite und Hailuo 2.3 Standard — innerhalb eines einzigen Runs. Claude Fable 5 nutzte im $100-Run Seedance 1.0 Pro auf 1080p-Niveau und produzierte damit das einzige Video in Full-HD-Auflösung (1920×1080). Alle vier Runs schlossen ohne externen Abbruch vollständig ab und lieferten valide Videodateien mit eingemischtem Originalsong. Der vollständige Quellcode des Harness sowie sämtliche Transkripte aller Tool-Calls sind auf GitHub unter hershalb/music-video-arena öffentlich zugänglich.
- Claude Fable 5 ($100-Run) ist der einzige Run mit 1920×1080-Auflösung; alle anderen drei Runs lieferten 1280×720.
- Pricing-Details: Wan 2.5 t2v kostet $0,05/s, Hailuo 2.3 Standard ~$0,28 pro 6s-Clip, Seedance 1.0 Pro ~$0,62 pro 5s-1080p-Clip auf FAL.
- GPT-5.6 Sol nutzte im $25-Run FLUX Schnell ($0,003/Bild) für 61 generierte Standbilder, bevor diese animiert wurden — alle anderen Runs erzeugten keine Bilder.
- Token-Caching bei GPT-5.6 Sol war erheblich: Im $25-Run wurden 2,56 von 2,96 Mio. Input-Tokens als Cached-Input verrechnet, was die LLM-Kosten auf $4,27 drückte.
- Das Harness ist Open Source (github.com/hershalb/music-video-arena) und lässt sich mit beliebigem Song, Budget und Modell-Kombination betreiben.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.