مرحلة الاستنتاج فقط يتم فيها وضع التخطيط، النموذج الأساسي لا يحتاج إلى تعديل، إذا كانت هذه التحسينات القابلة للتوصيل والتشغيل تعتمد على قوة الحوسبة، فإن توليد الفيديوهات الطويلة يمكن أن يتحول حقًا من عملية سحر إلى عملية هندسية

اقترحت الورقة إدخال إطار عمل التخطيط عند الاستنتاج الذي يستخدم بحث مونت كارلو متعدد الأشجار في مرحلة الاستنتاج، حيث يُنظر إلى توليد الفيديو الطويل كمشكلة قرار متسلسلة، من خلال التنبؤ المسبق والتراجع العكسي للمكافأة لتقييم العديد من المقاطع، مما يخفف بشكل كبير من انحراف المعنى وتراكم الأخطاء الناتج عن التوليد المقسم. الهيكل متعدد الأشجار يزيد من كفاءة البحث، ويمكن أن يكون حلاً محسنًا للاستنتاج يمكن فصله بالكامل، دون الحاجة إلى ضبط النموذج الأساسي. في تجربة Cosmos-Predict2، تم توليد فيديو متماسك عالي الجودة يتجاوز 20 ثانية، متفوقًا على خوارزميات البحث الجشع/القيود وBest-of-N من حيث استدامة الأجسام، والتسلسل الزمني، ومحاذاة النص؛ مقارنة بـ Sora وKling، زادت مدة الفيديو بنسبة 18% و47% على التوالي، مع الحفاظ على جودة الصورة. على الرغم من ارتفاع تكلفة الحوسبة، إذا تم تحسين النموذج الأساسي والأجهزة، فإن هذا النهج قد يدفع توليد الفيديو الطويل نحو التطبيق الهندسي.