Ich möchte wirklich ein Modell, das hochwertige, informationsreiche Videos produziert, die meine Fragen besser beantworten als tiefgehende Recherchen, mit großartigen Visualisierungen, Referenzen, Gedächtnisstützen usw.

das scheint technisch möglich zu sein, aber es wäre definitiv langsam. Ich frage mich, wie viele Jahre Fortschritt wir benötigen, um die Pipeline unter 5 Sekunden Latenz zu bringen.