Realmente quiero un modelo que escupe videos de alta calidad / infodense que respondan a mis preguntas mejor que una investigación profunda con excelentes visualizaciones / referencias / ayudas para la memoria / etc.

Esto parece técnicamente posible, pero definitivamente sería lento. Me pregunto cuántos años de progreso necesitamos para que la tubería tenga menos de 5 segundos de latencia