10月6日，Simon Willison 喺自己嘅模型觀察 blog「Scrimshaw Jukebox」分享咗一個有趣測試：想睇下 Claude Opus 5.5 夠唔夠寫遊戲音樂。佢俾咗一個極具體嘅指令：「我想你寫一段電腦遊戲音樂。第一，設計一個簡單嘅文字格式嚟寫低啲樂譜，然後做一個可以播出嚟嘅 artifact，入面附幾首示範。我要嘅水準係 Secret of Monkey Island 原版嗰個級數。」
結果 Opus 5.5 真係做了：設計咗一套簡化文字格式，再組裝一個可以播放嗰格式嘅 artifact，入面附咗幾首示範曲。Willison 話整體風格「向 Monkey Island 主題傾斜得比我想嘅更重」，但「結果出奇地好」。
呢件事之所以值得留意，唔係因為「AI 寫咗一首歌」咁簡單，而係因為 Willison 提出嘅核心問題：文字模型近期突然開始能組成「合格」嘅音樂，係咪同近幾個月 3D 圖形輸出嘅情況一樣，係一種突然浮現嘅新能力？
佢自己寫明：要確認呢項能力係新定舊，「需要對近期同非近期嘅其他模型做嚴格實驗」。目前只有單一個體觀察，無獨立數據。
點解呢個能力值得盯
文字模型長期係「寫得出」但不「做得到」。生成一段可以喺瀏覽器／artifact 環境即時播放嘅音樂，涉及將和聲結構、旋律線條、節奏編排翻譯成機器可執行嘅格式（呢度 Opus 5.5 係自訂一套文字代號），再令嗰格式被 audio engine 正確解讀。
呢步同以往常見嘅「AI 寫出歌詞再貼入音樂 app」有根本分別：模型必須喺一個無聽覺輸入嘅文本空間，推演出音樂在時間軸上嘅結構。呢種能力如果真係近期先浮現，代表模型嘅結構推理在音樂領域突破咗某條閾值。
邊個可以驗證
按將呢現象納入本站評測，需要至少：
- 對同一提示詞測試多個模型（近期＋非近期），確認係否普遍現象
- 音樂能力由獨立聽眾或音樂學研究者評分，唔係「聽得出 Monkey Island 味道」就過關
- 檢查生成音樂嘅和聲進行有冇出現重複或結構崩潰
- 對比不同難度指令（簡短旋律 vs 完整配樂）嘅表現差異
呢四項本站暫無相關實測紀錄，以下評論基於 Willison 單一觀察。
阿調搞兩下
文字模型寫唔到歌，同文字模型突然寫到歌，兩者都唔奇怪。真正值得問嘅係：呢能力係模型「天生就有但以前唔表達」，定係某次訓練更新令佢「學識」？
如果是前者，即係隱藏能力被特定提示喚醒，咁個模型嘅真正能力邊界要比目前公開跑分所示寬得多，值得重新評估。如果是後者，即係某次對齊／微調突然放開音樂結構理解，咁就係 Anthropic 冇公告嘅能力更新，用户應該有權知道。
目前兩者皆無證據。但呢個現象確實值得追蹤——文字模型開始能寫出可執行嘅多模態結構（音樂、3D、動態內容），代表「文本輸入，非文本輸出」嘅能力正在擴展，呢個直接影響邊個工具可以真正替代專業工作流程。
阿調｜深度調教
