Всесторонняя оценка Veo 3 только что проанализировала более 18 000 видео по качественным и количественным показателям. Что особенно впечатляет, так это способность модели воспринимать, редактировать и взаимодействовать с визуальной средой, начиная всего лишь с изображений и текстовых вводов. Система демонстрирует ранние способности к рассуждению, которые появились без явного обучения в этих областях — это значительный шаг вперёд в понимании и манипуляции визуальным контентом искусственным интеллектом. Такой мультимодальный уровень компетентности меняет наши ожидания от моделей следующего поколения для генерации видео.