Claude Mythos 5 vs. DeepSeek V4 Pro: una diferencia de precio de 15×, y solo uno de ellos es barato en aquello en lo que es bueno

Claude Mythos 5 y DeepSeek V4 Pro no son competidores en el sentido habitual, y los números lo dicen antes de que lo haga cualquier benchmark. Claude Mythos 5 es el buque insignia restringido de ciberseguridad y biología de Anthropic, del 9 de junio de 2026 — actualizado como Claude Mythos 5.1 el 1 de septiembre —, con un precio de $10 por millón de tokens de entrada y $50 por millón de salida en el nivel Mythos, y disponible solo a través de un programa de verificación. DeepSeek V4 Pro es el buque insignia MoE, cercano a los pesos abiertos, servido desde la propia API de DeepSeek desde abril de 2026 y actualizado en agosto, a $0.66 de entrada y $1.98 de salida fuera de horas punta, aproximadamente una decimoquinta parte de la tarifa de Mythos, con lecturas de caché trece veces más baratas, tras una clave que puedes crear en noventa segundos. Uno de estos es una capacidad que se solicita; el otro es una línea de gasto que se optimiza. La comparación merece la pena de todos modos, porque los dos modelos son malos en las mismas cosas y buenos en las mismas cosas, y la brecha de precio es mayor exactamente donde la brecha de capacidad es menor.

Lo que cada modelo realmente es

Claude Mythos 5 es el SKU restringido de la generación de frontera de Anthropic, que comparte sus pesos subyacentes con el Claude Fable 5 público y se distingue solo por el nivel de salvaguarda: los clasificadores de ciberseguridad y biología que permanecen activados en el modelo público. Anthropic lo describe como la última actualización de Mythos Preview, con mejoras en los benchmarks de ciberseguridad, biología y atención médica, lanzado a "un pequeño grupo de socios verificados". Su historial de benchmarks publicado es escaso y proviene principalmente de la cobertura del lanzamiento en lugar de una ficha de modelo mantenida, y la cifra de 83,8% de CyberGym Nivel 1 que circula con el nombre no proviene de Anthropic. Su fortaleza conocida es el trabajo de seguridad ofensiva y defensiva: la reputación del modelo se basa en el descubrimiento autónomo de vulnerabilidades, y su ámbito de acceso se construye en torno a eso: el Cyber Verification Program y el escáner Claude Security, que pone a Mythos 5 frente a bases de código reales para clientes Enterprise sin permitirles prompts de formato libre.

DeepSeek V4 Pro es lo opuesto en casi todos los aspectos que importan comercialmente. Es un modelo de mezcla de expertos con 1,6 billones de parámetros totales y aproximadamente 49 mil millones activos, una ventana de contexto de 1.048.576 tokens, una salida máxima de 384.000 tokens, entrada solo de texto y una tarifa publicada. Se lanzó a través de la API de DeepSeek en abril, se actualizó con la compilación 0813 el 13 de agosto y sigue disponible hoy con la misma facturación —un punto que vale la pena declarar explícitamente porque en septiembre DeepSeek anunció la retirada del modelo, fijó una fecha y luego se retractó once días después bajo la presión de los desarrolladores. La nota al pie en la propia página de precios de DeepSeek ahora se lee como un compromiso de continuidad sin plazo definido.

Tarjetas de tarifas, con la fila que la mayoría de las comparaciones deja fuera

• Entrada — C​laude M​ythos 5 a $10.00 por millón de tokens frente a DeepSeek V4 Pro a $0.66 fuera de horas punta, $1.32 dentro de las ventanas de horas punta; una diferencia de 7.6× a 15.2×.

• Salida — $50.00 por millón frente a $1.98 fuera de horas pico, $3.96 en horas pico; una brecha de 12.6× a 25×.

• Lecturas de caché — $1.00 por millón para la generación M​ythos de junio, $0.25 en C​laude M​ythos 5.1 y Claude Fable 5.1, frente a $0.022 para DeepSeek V4 Pro fuera de horas punta; la partida que domina las ejecuciones largas de agentes y donde la brecha es más amplia.

• Contexto y límite de salida — 1M de tokens en ambos; 128K de salida máxima del lado de M​ythos frente a 384K de DeepSeek V4 Pro.

• Modalidad — entrada de texto, imagen y archivo en el lado de M​ythos vs. solo texto en DeepSeek V4 Pro.

• Acceso — un programa de verificación y un requisito de retención de datos de 30 días frente a una clave API de autoservicio.

La fila de la ventana pico es la que duele. La tarifa fuera de pico de D​eepSeek es la mitad de la de pico, y las ventanas de pico son de 01:00 a 04:00 y de 06:00 a 10:00 UTC, de lunes a viernes, excluyendo los festivos públicos de China; todo lo demás, incluidos los fines de semana completos, cuenta como fuera de pico. Un trabajo por lotes que se ejecuta de forma programada en lugar de bajo demanda puede caer en una ventana de pico sin que nadie lo elija, y la tarifa de entrada efectiva pasa a ser de $1.32. Eso sigue siendo una fracción de la tarifa de M​ythos, así que la conclusión no se invierte, pero un resumen de «25× más barato» que ignora la ventana está describiendo un modelo al que puede que no estés llamando. Del lado de M​ythos, fíjate en la dirección que está tomando el almacenamiento en caché: A​nthropic recortó un 75 % la lectura de caché entre las dos generaciones, lo que te dice que el proveedor sabe que el trabajo agéntico prolongado vuelve a leer el mismo contexto y que la línea de caché es donde realmente reside la factura de un usuario intensivo.

La comparación de referencia que no se puede realizar

Este es el problema honesto de esta comparación, y no es menor. Anthropic no publica una tabla de benchmarks para Claude Mythos 5, y DeepSeek no publica resultados frente a Mythos 5. Los dos modelos han sido medidos en aspectos diferentes por distintas partes, y las cifras que circulan sobre Claude Mythos 5 provienen en su mayoría de comparaciones de terceros más que de Anthropic.

Lo que existe es asimétrico de una manera útil. D​eepSeek publicó una ficha completa para la build 0813, todo reportado por el proveedor y nada reproducido de forma independiente: Terminal-Bench 2.1 en 87.9, DeepSWE en 62.7, CyberGym en 83.3, Humanity's Last Exam en 42.7 sin herramientas y 60.0 con ellas, Toolathlon-Verified en 74.1, AutomationBench en 31.8. Luego, evaluadores independientes enfriaron considerablemente el panorama — Artificial Analysis sitúa la build 0813 en 36 en su Intelligence Index, con un coste medido de $0.67 por tarea del índice, y su variante sin razonamiento en 20. Ese es un perfil de capacidades real para $0.66 por millón de tokens de entrada, y muy por debajo de la frontera en razonamiento general.

El terreno en el que los dos modelos realmente se solapan es la seguridad, y ahí la comparación es ilustrativa en la dirección equivocada. D​eepSeek reporta CyberGym en 83,3 para V4 Pro. El número que aparece con más frecuencia junto a C​laude M​ythos 5 en el mismo benchmark es 83,8 —y no procede de A​nthropic, sino de la comparación de un competidor que tiene sus propios motivos para presentar la contienda como muy reñida. Dos cifras procedentes de ámbitos cercanos a los proveedores, separadas por medio punto en el mismo benchmark, no son prueba de que un modelo insignia MoE abierto iguale al modelo de ciberseguridad restringido de A​nthropic. Son prueba de que ninguna de las dos cifras ha sido verificada de forma independiente, y de que ambas partes están utilizando el benchmark como infraestructura de marketing.

Donde cada uno es la herramienta equivocada

Pon los dos modelos frente a una lista de tareas y la división es lo bastante limpia como para enrutar según ella.

Claude Mythos 5 está diseñado para trabajo de seguridad y está cerrado a casi todos los que lo quieren. Si tu tarea es el descubrimiento de vulnerabilidades, el desarrollo de exploits, el red-teaming contra tu propia infraestructura o la investigación de seguridad que requiere prompts de formato libre de un modelo de frontera, el nivel Mythos es el diseñado para eso, y el precio no es el obstáculo: la elegibilidad sí lo es. El gemelo público del mismo modelo, Claude Fable 5, lleva toda la pila de salvaguardas, lo que significa que las pruebas de penetración, la generación de exploits y el escaneo de vulnerabilidades binarias siguen bloqueados; estás comprando el nivel de capacidad, no los permisos cibernéticos.

DeepSeek V4 Pro está diseñado para el volumen. Entra texto, sale texto, un enorme techo de salida y un precio que hace que los bucles de reintento agresivos y las largas canalizaciones de extracción sean económicamente triviales. Su perfil es exactamente lo que quieres para clasificación a escala, extracción estructurada de documentos que ya son texto, resumen, triaje de primera pasada y la parte intermedia intensiva en formato de una canalización de agentes. Lo que no es, es un modelo al que enviar una imagen: no tiene visión, así que un PDF escaneado o una captura de pantalla no es una vía de entrada más barata, es una vía excluida. Y su índice de razonamiento general de 36 significa que las tareas que necesitan un plan genuinamente de varios pasos son las tareas en las que la ventaja de precio deja de compensar.

La estructura de costos que convierte el enrutamiento en la respuesta y no en una concesión

Como las fortalezas no se solapan mucho, lo útil no es elegir. Envía el trabajo que requiere visión y el razonamiento complejo al lado de Anthropic, y el trabajo de texto de gran volumen a DeepSeek, y el ahorro en una carga de trabajo mixta suele ser grande —pero solo si los dos modelos están detrás de una sola clave, porque de lo contrario la segunda integración cuesta más tiempo de ingeniería que la diferencia en el gasto de tokens.

Ese es el argumento a favor de una capa de enrutamiento y no de una decisión de compra. OrcaRouter ofrece anthropic/claude-opus-5.5 a $4.00 de entrada y $20.00 de salida, y deepseek/deepseek-v4-pro a $0.66 y $1.98 en el mismo endpoint compatible con O​penAI, dentro de un catálogo de más de 200 modelos, con el precio de lista del proveedor repercutido con un 0 % de margen —lo cual importa específicamente en el caso de D​eepSeek, porque D​eepSeek ha ajustado el precio de V4 Pro más de una vez y ha cambiado sus franjas horarias de menor demanda, y una ruta de paso directo sigue la tarifa del proveedor en lugar de congelar una cifra en tu contrato. El DSL de enrutamiento expresa la división en un solo lugar —modelo barato para la rama fácil, escalar cuando así lo indiquen la confianza de la respuesta o la forma de la tarea—, y la conmutación automática por fallo vale más aquí que en un modelo estable: V4 Pro pasó una semana de septiembre bajo un cierre anunciado que luego se retiró, y disponer de una ruta que recurra a un segundo proveedor sin necesidad de un despliegue es una cobertura barata frente a que un proveedor cambie de opinión.

El otro uso honesto del mismo catálogo es como instrumento de medición. El hábito de empezar por el modelo caro es habitual y costoso; la única solución fiable es contar tokens en tráfico real con ambos modelos, lo cual es un cambio de configuración cuando ambos están en una misma clave y todo un proyecto cuando no lo están.

¿Qué cambiaría esta comparación?

Dos cosas. Si D​eepSeek lanza un sucesor que cierre la brecha de agentes de horizonte largo a un precio parecido al actual, la división se reduce a una cuestión de precio y la respuesta es trivial — y D​eepSeek ha hecho ese movimiento repetidamente, incluido un lanzamiento de septiembre que, según dice, supera de forma integral a V4 Pro en rendimiento, costo y velocidad. En la otra dirección, si A​nthropic publica una tabla de referencia de M​ythos 5 o 5.1 sobre un conjunto estándar, la mitad de seguridad de esta comparación se vuelve comprobable en lugar de una afirmación, y los compradores por fin podrían saber si la tarifa de $10 / $50 está comprando algo que los $0.66 de D​eepSeek no ofrecen.

No ha ocurrido ninguna de las dos cosas. Hasta que ocurra una, la postura práctica es que DeepSeek V4 Pro ofrece la mejor relación calidad-precio por token del mercado para el trabajo en formato de texto y tiene un precio como si el razonamiento de frontera fuera un producto básico ya resuelto, y que C​laude M​ythos 5 es una capacidad que la mayoría de los equipos no puede obtener y un precio que la mayoría de los equipos no pagaría aunque pudiera. Construye sobre el que sí puedes llamar; mantén el nombre del modelo en la configuración para que el otro sea un cambio de una sola línea si alguna vez se abre.

Nada de eso es hipotético: los fallos documentados de IA y los incidentes de agentes detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza e indicador de disputa.