Claude Mythos 5 vs Gemini 4 Argon: Una puerta se abrió en trece días, la otra no se ha abierto desde junio

Gemini 4 Argon y Claude Mythos 5 se anunciaron como modelos con capacidades superiores a los insignia, con acceso inicial restringido, y desde entonces ambos han divergido por completo. Google anunció Gemini 4 Argon el 30 de septiembre de 2026 mediante una cohorte del Fairwind Program de defensores cibernéticos de confianza, y el 13 de octubre la cadena de modelo gemini-4-argon pasó a Stable en el nivel de pago propio de Google: trece días desde el anuncio hasta una clave de autoservicio, con un precio introductorio de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida vigente. Claude Mythos 5 lleva mucho más tiempo en circulación: Anthropic lo lanzó el 9 de junio de 2026 como el hermano restringido de Claude Fable 5, lo renovó como Claude Mythos 5.1 el 1 de septiembre, y todavía no tiene endpoint público, ni nivel de autoservicio, ni tabla de benchmarks publicada: el acceso se realiza a través del Cyber Verification Program o del Life Sciences Verification Program y nada más. Esa diferencia, y no la dispersión de los benchmarks, es lo que decide este enfrentamiento para casi todos los lectores.

Dos modelos con la misma historia de origen y finales diferentes

Ambos llegaron de la misma manera, y eso es lo que hace que la divergencia sea instructiva. Anthropic lanzó Claude Mythos 5 como la SKU restringida de su generación del 9 de junio, compartiendo los pesos subyacentes con el Claude Fable 5 público y diferenciándose solo en el nivel de salvaguardas, y lo entregó a «un pequeño grupo de socios verificados». Google lanzó Gemini 4 Argon primero al Fairwind Program —autoridades gubernamentales verificadas, operadores de infraestructura crítica y mantenedores de software— y dijo claramente que después llegaría un acceso más amplio para clientes de pago de la API, suscriptores de Google AI Ultra, desarrolladores y empresas. Google luego hizo lo que dijo que haría.

A​nthropic hizo algo distinto, y vale la pena ser justos al respecto. El 6 de octubre reconstruyó el Programa de Verificación Cibernética en tres niveles basados en solicitudes, integró en él el Proyecto Glasswing y convirtió C​laude M​ythos 5.1 de una asignación para socios en una concesión de acceso a la que puede solicitar cualquier organización de seguridad que cumpla los requisitos. Eso es una ampliación real de la puerta — la primera en la historia de este modelo. También sigue siendo una puerta con un requisito de verificación en lugar de un precio, y está dirigida específicamente a organizaciones de seguridad en lugar de a un público general de desarrolladores. El camino de G​oogle termina en una lista de tarifas; el de A​nthropic termina en la revisión de una solicitud.

Cuánto cuesta cada uno, y la advertencia sobre la cifra de Argon

• Entrada — G​emini 4 Argon a un precio introductorio de $2.00 por millón de tokens frente a C​laude M​ythos 5 a $10.00; una diferencia de 5×.

• Salida — $10.00 por millón frente a $50.00; el mismo 5×.

• Entrada en caché — Argon a $0.10 por millón, 95 % de descuento sobre la entrada; Claude Mythos 5.1 a $0.25 en el SKU más reciente y a $1.00 en la generación de junio.

• Contexto y salida — 1M de tokens de contexto en ambos; el límite de salida de Argon se elevó a 1M desde 64K, frente a 128K en el nivel Mythos.

• Modalidad — Argon acepta texto, imágenes, vídeo y archivos con salida de texto; el nivel M​ythos acepta entrada de texto, imagen y archivo.

• Acceso — una clave de API de pago desde el 13 de octubre frente a una solicitud a los programas de verificación de A​nthropic con un requisito de retención de datos de 30 días.

La salvedad es la palabra «introductoria». Los $2 / $10 de Google son una tarifa de lanzamiento, y Google ha dicho eso mismo; una tarifa descrita así puede cambiar, y la cifra con la que hay que presupuestar es la que Google publique el día en que contrates. La otra salvedad es aritmética más que de política: Artificial Analysis mide el coste de ejecutar toda su suite de índices en $2,407 para Argon —unos $1.99 por tarea de índice—, lo que es aproximadamente un tercio de lo que cuesta la misma suite en Claude Opus 5.5 —un recordatorio de que el precio de lista y el coste real divergen cuando un modelo necesita menos tokens y menos reintentos para terminar una tarea. No existe una cifra equivalente para Claude Mythos 5, porque ningún evaluador independiente puede invocarlo.

La asimetría del benchmark, que es el titular honesto

G​emini 4 Argon ha sido medido. C​laude M​ythos 5 no lo ha sido, y no porque nadie piense que es débil.

Las cifras publicadas de forma independiente por Argon: Artificial Analysis Intelligence Index de 52,6 a 53 según la configuración de esfuerzo, con un costo medido de $1,99 por tarea del índice y 48,9 tokens de salida por segundo con un primer token de 2,79 segundos. Vals Index en primer lugar con 68,90 % (±0,97) en su panel de impacto económico ponderado por PIB. Puntuaciones de tareas reportadas por el proveedor, que G​oogle publicó con el anuncio del 30 de septiembre y que siguen sin reproducirse: Terminal-Bench 4.0 con 57,1 %, SciCode con 61,8 %, Humanity's Last Exam con 57,1 %, razonamiento de contexto largo con 79,7 %, AutomationBench en primer lugar con 51,3 % y una cifra de 42,4 en Omniscience —la mayor ventaja en una sola tarea sobre un modelo abierto comparable de ese conjunto.

El historial publicado de Claude Mythos 5 es algo completamente distinto. Anthropic no mantiene ninguna ficha de benchmarks para él, así que cada cifra que circula es de segunda mano. La puntuación de 83.8% en CyberGym Level 1 que más a menudo se publica junto al nombre no procede de Anthropic en absoluto — aparece en una comparativa de un proveedor rival, que tiene su propio interés en que la carrera parezca reñida. La cifra de 78.0% en ExploitBench es de la propia Anthropic, reportada en el lanzamiento de junio frente al 40% de Claude Opus 4.8. Más allá de eso, están las afirmaciones operativas: un fallo de OpenBSD no descubierto y con 27 años de antigüedad, una vulnerabilidad de FFmpeg de 16 años, un exploit de navegador que encadena cuatro fallos para escapar tanto de la sandbox del renderizador como de la del sistema operativo, y una escalada de privilegios en el kernel de Linux de usuario a root.

Ponlos uno al lado del otro y los tableros no son comparables, que es precisamente la cuestión. Un modelo tiene una puntuación de índice, un coste por tarea y una posición en la clasificación; el otro tiene una reputación y un conjunto de casos de estudio que nadie fuera de la lista de socios de A​nthropic puede reproducir. Argon también tiene una crítica documentada que el nivel M​ythos no tiene: Bloomberg informó el día del anuncio de que algunos empleados de G​oogle con acceso directo dijeron que el modelo rinde peor en el trabajo real de lo que sugieren sus benchmarks —con el diseño de front-end entre las tareas mencionadas— y lo describieron como afectado por la optimización para benchmarks, algo que G​oogle niega. Ese informe no está verificado y es objeto de disputa, y aun así es un dato que existe para uno de los bandos de este enfrentamiento y no para el otro.

La comparación que ningún proveedor está haciendo

El material de lanzamiento de Google posiciona a Argon frente a Claude Opus 5.5 y GPT-6 Astra en lo que respecta a programación, y no publica ninguna comparación ni con Claude Fable 5.1ni con Claude Mythos 5.1. El material de Anthropic posiciona a Mythos 5.1 frente a su propio predecesor. Ninguno de los dos proveedores ha publicado una comparación directa, lo que significa que el enfrentamiento que da título a este artículo es uno que ambas empresas han evitado y que ningún laboratorio independiente puede llevar a cabo, porque un evaluador no puede invocar a uno de los dos modelos.

Lo que se puede afirmar es dónde divergen los briefs de diseño. El conjunto de comparación publicado por Argon incluye el Legal Agent Benchmark de Harvey, Vals Finance Agent v2 y una suite de inyección indirecta de prompts de Gray Swan: trabajo de conocimiento, producción económica y resistencia a la inyección. La evidencia del nivel M​ythos es trabajo de seguridad ofensiva y defensiva. Son trabajos distintos, y un comprador que elige entre ellos normalmente está eligiendo entre un modelo frontera general que resulta ser fuerte en documentos y un especialista que es inusualmente fuerte en superficie de ataque. La diferencia de coste, 5× sobre el precio de lista, es el precio de esa especialización, y solo vale la pena pagarla si la especialidad es lo que necesitas.

Lo que puedes llamar hoy

Ninguno de los dos modelos está en el catálogo de OrcaRouter, y eso no es un estado temporal que una plataforma pueda arreglar: G​emini 4 Argon es accesible a través de la propia API de G​oogle a la tarifa de G​oogle, y C​laude M​ythos 5 es accesible mediante un programa de verificación o no lo es en absoluto. Listar uno de ellos aquí como disponible sería una mentira.

Lo que está en el catálogo es el miembro accesible de cada familia. Claude Fable 5 es el gemelo público de C​laude M​ythos 5 —los mismos pesos subyacentes, pila completa de salvaguardas— al precio de lista de A​nthropic de $10.00 por millón de entrada y $50.00 por millón de salida con 0% de recargo, y Claude Fable 5.1 es el equivalente más nuevo a la misma tarifa con la lectura de caché recortada un 75% a $0.25. C​laude O​pus 5.5 está ahí a $4.00 y $20.00, y el propio material de lanzamiento de A​nthropic dice que es comparable a C​laude M​ythos 5.1 en biología y ciberseguridad —lo que, leído sin rodeos, es el proveedor diciéndote que la ventaja del modelo restringido se ha reducido al comportamiento de rechazo que un programa de verificación existe para desbloquear. Ponlos detrás de un único endpoint con failover automático y el problema de "no puedo obtener el modelo que quiero" se convierte en una configuración de enrutamiento en lugar de un proyecto de investigación: el trabajo que necesita la capacidad adyacente a M​ythos va a Fable 5.1, el trabajo que necesita razonamiento general más barato va a otra parte, y cambiar cualquiera de los dos es un cambio de cadena de modelo en la misma clave.

Qué ver

Tres señales, todas específicas. Si el precio introductorio de Google sobrevive al contacto con el tráfico real, lo cual es el detonante para que el argumento de costos pase de teórico a accionable. Si Anthropic publica una tabla de benchmarks de Mythos 5.1 sobre el mismo conjunto que Opus 5.5 —el documento más útil que el proveedor podría publicar, y la única forma en que un comprador puede valorar la prima de 5×—. Y si el umbral de solicitud del Cyber Verification Program sigue bajando, porque la reconstrucción del 6 de octubre fue la primera vez que la política de acceso de este modelo se movió hacia la apertura, y la velocidad de ese movimiento es lo que vale la pena seguir.

Hasta que eso llegue, el resumen justo es que Argon es el modelo con un precio, un endpoint y la vara de medir de otro aplicada a él, y Claude Mythos 5 es el modelo con una reputación y un formulario de solicitud. Dos de esas tres cosas son comprobables, y la tercera no.

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.