Claude Mythos 5 vs Gemini 4 Pro: El nombre está mal, la brecha de acceso es real

Si comparas Claude Mythos 5 con Gemini 4 Pro, lo primero que debes saber es que solo uno de esos nombres corresponde a un modelo que puedes comprar. Google no ha lanzado nada llamado Gemini 4 Pro. El modelo Gemini 4 de vanguardia en producción es Gemini 4 Argon, anunciado el 30 de septiembre de 2026 a un grupo cerrado de defensores cibernéticos y abierto en todo el mundo el 13 de octubre de 2026 con un precio introductorio de $2 por millón de tokens de entrada y $10 por millón de tokens de salida. Claude Mythos 5, lanzado el 9 de junio de 2026, cuesta $10 y $50 por las mismas unidades y no se vende en autoservicio en absoluto. Así que la comparación honesta no es «cuál buque insignia es mejor». Es un especialista restringido a cinco veces el precio de los tokens de salida frente a un generalista abierto a todos con una tarifa promocional que vence el 30 de noviembre de 2026.

La confusión de nombres merece aclararse en lugar de esquivarla, porque ya ha producido una serie de páginas de comparación que citan especificaciones de un modelo que no aparece en la documentación de la API de Google. «Gemini 4 Pro» circula como etiqueta comunitaria para checkpoints internos y para el propio lanzamiento Argon. La documentación para desarrolladores de Google enumera gemini-4-argon. Cada cifra que aparece a continuación del lado de Google proviene de ese modelo.

Lo que Google realmente lanzó

El cambio principal de Gemini 4 Argon no es la ventana de entrada, que Google no ha publicado formalmente. Es el techo de salida: un millón de tokens en una sola respuesta, frente a 64K en la generación anterior. Eso es un tipo distinto de capacidad que una ventana de contexto grande. Una salida de un millón de tokens permite a un modelo escribir una migración completa, una suite de pruebas completa o un documento largo en una sola trayectoria sin empalmes, y cambia lo que un bucle agéntico puede devolver en un solo paso.

Los benchmarks de lanzamiento que publicó Google, todos reportados por el proveedor y no reproducidos de forma independiente:

• DeepSWE v1.1 — 77,9 %, frente al 74,2 % de Claude Opus 5.5 y el 74,1 % de GPT-6 Astra en la comparación de Google.

• Vals Index — 68,9 %, primer puesto en la evaluación compuesta de Google de tareas de finanzas, derecho, fiscalidad y programación.

• Zapier AutomationBench — 51.3%, primer puesto.

• LVBench — 91,7 % en comprensión de videos largos.

• CWE-bench v1 — 68% en remediación de vulnerabilidades, empatado en el primer lugar.

• Harvey Legal Agent Benchmark — 19,6 % de aprobación total.

Los puntos débiles son igual de concretos y menos citados. Argon queda unos nueve puntos por detrás de Claude Opus 5.5 en Terminal-Bench 4.0, y aproximadamente 10,5 puntos por detrás de GPT-6 Astra en FrontierSWE v2 y Terminal-Bench Science. En GDPval-AA obtiene un 56%, lo que un rastreador sitúa en el puesto 14. Artificial Analysis le otorga un Intelligence Index de 53 —tercero, empatado con GPT-6 Astra y por detrás de Opus 5.5, con 58.

La brecha de precios tiene un calendario adjunto.

El precio de $2/$10 de Argon es una tarifa de introducción. A partir del 1 de diciembre de 2026 pasa a ser de $4/$20. La comparación que publican hoy la mayoría de las páginas da por sentado, sin decirlo, que la cifra promocional es permanente, lo que hace que la diferencia frente a Claude Mythos 5 parezca de 5× en la salida cuando es de 2,5× tras el cambio. La entrada en caché es la otra mitad de la historia: Argon aplica un descuento del 95 % a las lecturas de caché, hasta $0,10 por millón, mientras que las lecturas de caché de Mythos 5 son de $1,00 por millón. Para un agente que vuelve a leer un repositorio grande en cada turno, esa proporción decide la factura más que el precio de salida anunciado.

Mythos 5 tiene una ventaja de precios que rara vez se menciona: las solicitudes por lotes cuestan la mitad, y su contexto de 1 millón de tokens está documentado en lugar de inferido. Google ha publicado el límite de salida, pero no la ventana de entrada, y los rastreadores de terceros han llenado ese vacío con cifras que Google no ha confirmado. Si tu aplicación depende de un límite máximo de entrada concreto, esa es una cuestión de adquisición, no de benchmark.

Dos hojas de referencia que nunca se encuentran

No existe un banco de pruebas compartido entre estos dos modelos en sus cifras públicas. Google reporta DeepSWE v1.1; la ficha de Mythos 5 de Anthropic encabeza con SWE-bench Pro al 80,3 %, Terminal-Bench 2.1 al 88,0 %, SWE-bench Verified al 95,5 %, CyberGym al 83,8 % y ExploitBench al 78,0 %. Son pruebas distintas, ejecutadas por laboratorios distintos, en fechas distintas. Ponerlas una al lado de la otra produce una tabla que parece una comparación y no lo es.

El único punto de referencia honesto entre modelos es un índice neutral. Artificial Analysis sitúa a Gemini 4 Argon en 53. Claude Mythos 5 no aparece en ese índice en absoluto; las entradas más cercanas son su modelo hermano Claude Fable 5.1 y su sucesor Claude Mythos 5.1. Para un modelo que lleva disponible desde junio, la ausencia de una puntuación independiente es información en sí misma: las restricciones de acceso que mantienen a Mythos 5 fuera de la circulación general también lo mantienen fuera de la mayoría de los canales de evaluación.

El acceso es la variable decisiva, no la calidad

Claude Mythos 5 no se puede comprar con tarjeta de crédito. El 6 de octubre de 2026, Anthropic reestructuró su Programa de Verificación Cibernética en tres niveles basados en solicitudes —Acceso para Defensa, Acceso para Red Team y un nivel de Acceso Especializado reservado para infraestructura crítica—, con los antiguos socios de Project Glasswing integrados en el nivel superior. Las solicitudes se revisan, solo para organizaciones de EE. UU. en el lanzamiento, y todo el tráfico de la clase Mythos conlleva una política obligatoria de retención de 30 días que lo descarta para cualquiera que tenga un compromiso de retención cero. No hay página de registro.

Gemini 4 Argon tomó el camino contrario por etapas. Se lanzó a defensores verificados mediante el Fairwind Program y después se abrió a clientes de pago de la API el 13 de octubre. Si estás construyendo algo este trimestre y no eres una organización de seguridad con un cronograma de revisión, uno de estos modelos es una partida presupuestaria y el otro es un proyecto.

Esa asimetría también replantea el argumento del benchmark. Un modelo al que no puedes llamar tiene una puntuación de calidad, no una ventaja de calidad. La pregunta relevante para la mayoría de los equipos es qué modelo disponible de forma general les ofrece lo más parecido a un comportamiento de clase Mythos. Del lado de Anthropic, ese es Claude Fable 5.1: el mismo modelo subyacente con las salvaguardas intactas, 10/50 $ y sin programa de verificación. Del lado de Google, es el propio Argon, que está ampliamente disponible pero no es el mismo producto que un modelo ciber sin clasificador.

Cómo elegir sin una comparación directa que no puedes realizar

Si tu trabajo es seguridad ofensiva autorizada, red teaming o análisis de malware dentro de una organización que pueda superar la revisión, Claude Mythos 5 es el especialista y el proceso de acceso es el precio de entrada. Si tu trabajo es generación de código con salidas extensas, migración o síntesis de documentos, Gemini 4 Argon es más barato hoy —y aún más barato que Mythos 5 en salida tras el ajuste de precios de diciembre— y está disponible sin solicitud.

Para quienes están entre ambos, la respuesta práctica no es elegir ninguno de los dos como dependencia única. Claude Fable 5.1 y Claude Fable 5 están ambos en el catálogo de OrcaRouter a precio de lista sin recargo, lo que significa que la tarifa de Anthropic te llega sin cambios y cualquier cambio de precio se refleja el mismo día. Gemini 4 Argon aún no está en nuestro catálogo; los modelos Gemini que sí enrutamos son la línea 3.x, así que un contrato directo con Google sigue siendo la vía para Argon. Ejecutar el lado de Anthropic a través de un único endpoint junto con los modelos que ya usas es la forma económica de comprobar si Fable 5.1 supera tu umbral antes de comprometerte con un programa de verificación para su gemelo sin restricciones.

¿Qué cambiaría esta comparación?

Dos fechas importan. El 1 de diciembre de 2026 el precio de Argon se duplica, lo que reduce la brecha de rendimiento a 2,5× y hace que la diferencia en la lectura de caché sea más importante que el precio de lista. Y el programa de tres niveles de Anthropic es aún tan reciente que los plazos de aprobación son declarados por el proveedor en lugar de observados. Si resulta que Defence Access tarda días en lugar de semanas, el argumento de acceso se debilita y el especialista se convierte en una opción realista para un conjunto mucho más amplio de equipos de seguridad. Hasta entonces, la conclusión justa es que Google vende un generalista de frontera a un precio promocional y Anthropic vende un especialista restringido a una lista de organizaciones aprobadas — y esos son productos diferentes antes que puntuaciones diferentes.