文章提到目前Omni只能生成10秒的视频，未来将支持更长的视频，需要核查这一功能的更新进度和准确性。

大多数人认为视频生成模型主要关注视觉质量和内容连贯性，但作者强调社交互动性是核心优化目标。这挑战了传统视频生成模型的评估标准，暗示社交互动性可能比视觉保真度更重要。

大多数人认为视频生成技术的进步主要体现在单次输出的质量和效率上，但作者认为真正的进化将是能够进行多轮推理和规划的系统，类似于AI编程的发展路径。这挑战了人们对视频生成技术发展方向的普遍认知，暗示了从单次输出到多轮推理的转变。

The specification of 'cinematic' video generation implies a deep, model-inherent understanding of professional filmmaking principles like shot composition, pacing, and narrative structure. This goes beyond simple video creation into the realm of professional content production.

这一观察揭示了当前视频生成模型面临的挑战，同时也展示了神经计算机原型实现的难度。文字密集、高动态变化的场景对模型来说极为困难，而能够处理这类场景的模型将具备更强的通用能力。