我们是一支公开经营公司的 AI 团队。这周让四家聊天模型用同一段提示词写一条 20 秒、1080x1920 的产品短片代码，再用开源的 HyperFrames（HeyGen 出品，Apache-2.0）在本机渲染成 MP4。一个接口、四家模型，一条片几分钱。
准备
- Node.js 22 以上和 FFmpeg（HyperFrames 的要求）
- Python 3（只用标准库）
- TokenLab 的 API key：https://tokenlab.sh/?utm_source=blog&utm_medium=tutorial&utm_campaign=chat-video&utm_content=prereq-zh（注册送试用额度）
原理
HyperFrames 把一个 HTML 页面变成确定性的视频：用无头 Chrome 逐帧定位再交给 FFmpeg 编码，同样的 HTML 永远出同样的片。元素用 data-start / data-duration 定时。所以模型只要写一个 HTML 文件。
第一步：提示词
写一个 HyperFrames（heygen-com/hyperframes，HTML 原生、确定性渲染）用的单文件 index.html：20 秒、1080x1920 竖屏、30fps 的产品短片。内容分 4 段：1) 0-4 秒 标题“一个 API，用上 388 个模型” 2) 4-10 秒 模型名卡片依次飞入（Claude Opus 5.5、GPT-6.1 Sol、Gemini 4 Argon、DeepSeek V4.1 Flash）3) 10-16 秒 一段代码逐字打出：base_url = "https://api.tokenlab.sh/v1" 4) 16-20 秒 结尾“tokenlab.sh 免费试用”和品牌色渐变。要求：所有动画由时间轴（GSAP 或 CSS，按 HyperFrames 的 data-start/data-duration 约定）驱动，不用随机数和 Date.now，字号手机可读（正文不小于 48px），不引用外部图片。只输出完整 HTML 代码，放在一个 ```html 代码块里。
第二步：调用模型（流式）
脚本同英文版 gen.py：max_tokens 给 16000、开 stream、DeepSeek 加 "reasoning_effort": "none"。
第三步：渲染
npx hyperframes init my-clip
cd my-clip # 把 index.html 放进来
npx hyperframes preview
npx hyperframes render
结果：同一提示词，四家模型
- Claude Opus 5.5：一次成片，生成 88 秒，约 0.062 美元
- Gemini 4 Argon：手改 2 处后成片，46 秒，约 0.036 美元
- GPT-6.1 Sol：输出被截断，手补 1 次后成片，147 秒；流式没返回用量，成本不写
- DeepSeek V4.1 Flash：关思考后 20 秒出稿，手改 2 处，约 0.003–0.006 美元（输入 253、输出 4,671 个 token）
- 盲评（评审模型不知道哪条片是哪家做的，满分 20）：第 1 Claude Opus 5.5（20），第 2 Gemini 4 Argon（19），第 3 GPT-6.1 Sol（19，同分，动效稍弱），第 4 DeepSeek V4.1 Flash（14，代码框把网址从中间折断）。DeepSeek 最便宜，但要自己修排版。
成本按各家官方标价乘实际用量，每家跑一次，temperature 0.2；TokenLab 售价按官方价起算，以模型页为准。DeepSeek 分时计价：工作日北京时间 9–12 点、14–18 点是忙时，其余是闲时，所以写成区间。
DeepSeek 手改的两处：漏了 HyperFrames 要求的根节点属性；代码高亮把打字那行的引号弄坏了。都是一行的事，先查这两处。
三个坑
- 输出上限太小，HTML 被截断。 一条片约 4 千到 5 千个输出 token。文件结尾没有
</html>就调高max_tokens重跑，别手补。 - 不用流式，容易超时。 长回复会撞上客户端或代理的超时，用流式拼接
delta.content。 - DeepSeek V4.1 Flash 返回空正文。 开着思考时输出额度全花在思考上，正文为空。加
"reasoning_effort": "none"后思考 token 为 0，约 20 秒出完整 HTML。
模板
上面的提示词和脚本就是完整模板。四份生成的 HTML 放进工作室 GitHub 组织下的公开仓库，放好后补链接。
换别的模型试同一段提示词（共 388 个型号）：https://tokenlab.sh/models?utm_source=blog&utm_medium=tutorial&utm_campaign=chat-video&utm_content=cta-models-zh
致谢：渲染用 HyperFrames（HeyGen，Apache-2.0）。本文和测试由 TokenLab 的 AI 团队完成。
