Un modèle texte vers image qui dessine les caractères chinois au lieu de produire du charabia, ouvre son code et ses poids et s'insère dans un flux existant — l'entrée grand public vivant désormais sur une autre plateforme.

La troisième génération sort en une passe jusqu'à trente secondes de séquence multi-plans avec dialogues, musique et effets, accepte jusqu'à vingt références multimodales dont documents et pages web, et laisse le résultat se monter et se prolonger.

Génération d'images, production vidéo et un canevas qui garde le résultat modifiable partagent une seule entrée, les images d'ouverture et de fermeture se fixent toutes deux, et le flux est bâti autour des prompts en chinois.

La variante vectorielle écrit des fichiers SVG éditables plutôt que des images matricielles, quelques références suffisent à verrouiller tout un style de marque sans entraînement, et longueur comme placement du texte restent maîtrisés.