Jeg tror en av de viktigste delene av å jobbe med fundamentmodeller er overbevisning. Når du virkelig tror at noe skal fungere, gjør det det vanligvis. Et godt eksempel er tekst-til-video: den største innsikten (takk til Sora) var at bare det å trene videomodeller riktig i stor skala får dem til å fungere. Den beste delen? Vi er like overbevist om det neste spranget