Penso che una delle parti più importanti nel lavorare sui modelli di base sia la convinzione. Una volta che credi veramente che qualcosa dovrebbe funzionare, di solito funziona. Un grande esempio è il text-to-video: la più grande intuizione (merito a Sora) è stata che semplicemente addestrare i modelli video correttamente su larga scala li fa funzionare. La parte migliore? Siamo altrettanto convinti del prossimo salto.