對Veo 3的全面評估剛剛分析了超過18,000個視頻，涵蓋定性和定量基準。令人驚訝的是該模型能夠從僅僅是圖像和文本輸入中感知、編輯和與視覺環境互動。該系統展現出早期推理能力，這些能力是在沒有明確訓練的情況下自然出現的——標誌著AI在理解和操控視覺內容方面的一大飛躍。這種多模態能力正在重塑我們對下一代視頻生成模型的期待。