Задержка Anthropic Mythos AI: Сигналы для мультимодальных видеоинструментов

По состоянию на 13 мая 2026 года Anthropic подтвердила, что Mythos пока останется за закрытыми дверями. Модель обрабатывает видео, изображения и текст с продвинутым кросс-модальным мышлением. Она создавалась для генерации и редактирования движущихся сцен по смешанным промптам. Без публичного доступа бенчмарков пока не будет. Этот шаг вписывается в стратегию ведущих лабораторий — выпускать модели контролируемыми волнами, а не сразу всем. Это не театр безопасности. Просто самые мощные инструменты остаются внутри лаборатории, пока остальные догоняют предыдущие обновления.

Veo 3.1 и Kling 3.0 уже показывают отличную когерентность движения и точность следования промптам. Mythos должен был пойти дальше — обеспечить стабильность длинных видео и удобное мультишотовое редактирование. Создатели получили бы точный контроль над камерой и сохранением объектов на протяжении десятков секунд. Такой уровень временной стабильности меняет возможности независимых авторов без сложного постпродакшена. Быстрый прогресс мультимодальных моделей вроде Mythos — это именно то, что нужно для создания реалистичных NSFW-видео: более естественное движение, лучшая временная согласованность и тонкий контроль для авторов adult-контента. Подробнее о том, как похожие технологии упираются в ограничения, читайте в материале Gemini omni nsfw: Почему ИИ-видеомодель Google блокирует откровенный контент.

Mythos планировали с нативной поддержкой image-to-video и автоматическим предсказанием движения по статичным кадрам. Text-to-video должен был генерировать ролики до 30 секунд за один проход. Многошаговое редактирование позволяло бы дорабатывать отдельные кадры без полной перегенерации. Наконец-то. Кросс-модальные промпты сочетали бы видео-референсы с текстовыми инструкциями для точной передачи стиля. Именно эти возможности сейчас приходится «допиливать» сторонними программами.

Лаборатории растягивают сроки между появлением новых возможностей и их публичным релизом. Независимые авторы первыми ощущают последствия: теряют недели и месяцы, пытаясь достичь того же качества на более слабых открытых моделях. Вот в чём дело: такой подход снижает затраты на вычисления для компаний, но замедляет обратную связь, которая реально улучшает модели. Идея, что медленные релизы делают технологию безопаснее, игнорирует то, как быстро open-source сообщество всё равно догоняет. Создателям приходится подстраивать рабочие процессы под то, что уже доступно сегодня.