Claude Mythos 5 vs GPT-6.1 Sol: Uno tiene una curva de costes medida, el otro tiene una fila en blanco

Artificial Analysis pone precio a cada ejecución del Intelligence Index que publica, y la fila de GPT-6.1 Sol indica 0,72 $ por tarea. No hay una fila equivalente para C​laude M​ythos 5, y no la habrá mientras el modelo siga detrás del muro de verificación, porque un evaluador no puede puntuar un modelo al que no puede llamar. Esa asimetría es toda la comparación, y pesa más que cualquier cifra de benchmark que haya impreso cualquiera de los dos proveedores. GPT-6.1 Sol es el casi-buque insignia de O​penAI del 29 de septiembre de 2026, a 2,00 $ por millón de tokens de entrada y 10,00 $ por millón de salida, con una puntuación de 51,8 en el Index con el máximo esfuerzo de razonamiento por 0,72 $ la ejecución. C​laude M​ythos 5 es el buque insignia restringido de ciberseguridad y biología de A​nthropic, del 9 de junio de 2026, con el precio del nivel M​ythos de 10,00 $ / 50,00 $, actualizado como C​laude M​ythos 5.1 el 1 de septiembre, y se entrega mediante una solicitud en lugar de una tarifa publicada. Uno de estos tiene una curva medida del coste de la inteligencia. El otro tiene un precio y ninguna curva, y después del 6 de octubre el segundo también tiene un formulario que rellenar.

Dos lanzamientos, separados por nueve semanas y una puerta.

C​laude M​ythos 5 es el miembro restringido de la generación de frontera del 9 de junio de A​nthropic. A​nthropic lanza cada paso de frontera dos veces a partir de los mismos pesos subyacentes: una SKU pública Claude Fable con la pila completa de salvaguardas, y una SKU M​ythos con las salvaguardas de ciberseguridad y biología atenuadas para defensores e investigadores verificados. C​laude M​ythos 5 es la SKU restringida de junio, Claude Fable 5 es su gemelo público, y C​laude M​ythos 5.1 y Claude Fable 5.1 repiten el patrón en la actualización del 1 de septiembre. El modelo está clasificado como ASL-3 —el nivel que A​nthropic reserva para capacidades que considera que podrían impulsar significativamente la ciberofensiva— y su reputación se construyó sobre resultados de red-team en lugar de una tabla de benchmarks publicada: un error de OpenBSD no descubierto de aproximadamente 27 años de antigüedad, una vulnerabilidad de FFmpeg que había sobrevivido unos 16 años y cinco millones de aciertos de escaneo automatizado, un exploit de navegador que encadena cuatro vulnerabilidades para escapar tanto de los sandboxes del renderizador como del sistema operativo, y una escalada de privilegios del kernel de Linux.

GPT-6.1 Sol llegó nueve semanas después con la postura de divulgación opuesta. Se posiciona un nivel por debajo de GPT-6 Astra en la serie G​PT-6 de O​penAI, en sustitución de GPT-6 Sol con las mismas tarifas anunciadas y con la entrada en caché reducida a la mitad, a $0.10 por millón. Alcanzó la disponibilidad general el 29 de septiembre de 2026 —el mismo día que GPT-6 Sol y G​PT-6 Luna— en ChatGPT Work y Codex en Plus, Pro, Business, Enterprise y Edu; está deliberadamente ausente del producto de chat de consumo y de Free y Go, y en Enterprise y Edu un administrador tiene que activarlo. La lista de instantáneas contiene un único identificador, gpt-6.1-sol, sin variante con fecha, así que el modelo que aparece en la página y el modelo al que haces la llamada son lo mismo.

La forma de ambos, dimensión por dimensión:

• Contexto y salida — 1M de tokens con una salida máxima de 128K para Claude Mythos 5 frente a 1.050.000 tokens con una salida máxima de 128K para GPT-6.1 Sol.

• Modalidad — entrada de texto, imagen y archivo con salida de texto en ambos.

• Control de razonamiento — pensamiento adaptativo que no se puede desactivar del lado de A​nthropic frente a razonamiento siempre activo en cinco niveles de esfuerzo, de bajo a máximo, con medio por defecto, del lado de O​penAI.

• Muestreo — C​laude M​ythos 5 acepta los parámetros habituales de A​nthropic; GPT-6.1 Sol no acepta temperature ni top_p en absoluto, y en su lugar ajusta la profundidad mediante effort.

• Fecha de corte de conocimiento — junio de 2026 para C​laude M​ythos 5; O​penAI publica el 30 de abril de 2026 para GPT-6.1 Sol.

• Acceso — una solicitud a través del Programa de Verificación Cibernética o el Programa de Verificación de Ciencias de la Vida, con un requisito de retención de datos de 30 días, frente a una clave de API de autoservicio, además de AWS, Google Cloud y Microsoft Azure.

La tarjeta de tarifas, incluido el nivel que esconde la pegatina.

• Precio de lista — $10.00 de entrada / $50.00 de salida por millón de tokens para C​laude M​ythos 5 frente a $2.00 / $10.00 para GPT-6.1 Sol, una brecha de cinco veces en ambas direcciones.

• Lecturas de caché — $1.00 por millón en la generación Mythos de junio, reducidas a $0.25 en la actualización de septiembre, frente a $0.10 por millón en GPT-6.1 Sol.

• El precipicio del contexto largo: GPT-6.1 Sol mantiene $2/$10 hasta 272.000 tokens de entrada y luego pasa a $4,00 / $15,00, con la tarifa en caché también duplicándose a $0,20. No existe un nivel publicado equivalente para Claude Mythos 5.

• Lotes — Anthropic publica precios por lotes a la mitad de la tarifa de lista de Mythos, $5.00 / $25.00; el descuento por lotes de OpenAI es el habitual de mitad de tarifa.

• Multiplicador de región — Anthropic aplica un multiplicador de 1,1× para la inferencia solo en EE. UU. en la vía Mythos.

La fila de niveles es la que la mayoría de los lectores se salta y es la que decide la economía de los prompts grandes. Esta comparación enfrenta un modelo con contexto de 1M contra uno con contexto de 1,05M, lo que significa que ambos se venden exactamente para las cargas de trabajo que cruzan hacia el segundo nivel de precios. Con un prompt de 400.000 tokens, GPT-6.1 Sol no es un modelo de $2/$10: es un modelo de $4/$15, y la brecha de cinco veces respecto a la tarifa de M​ythos se ha reducido a 2,5× en entrada y 3,3× en salida. Con ese tamaño de prompt en trabajos con un alto componente de razonamiento, las dos tarifas están más cerca de lo que sugiere el titular de cualquiera de los proveedores.

El número por el que se conoce cada modelo, y quién lo publicó

La puntuación Independent de GPT-6.1 Sol es la de Artificial Analysis, y llegó con una exhaustividad que es genuinamente inusual para un lanzamiento de DevDay. La versión que se ejecutaba el 30 de septiembre de 2026 era el Index v4.3.2 del evaluador —una combinación de diez evaluaciones que incluye Terminal-Bench 4.0, GDPval-AA v2.1, AutomationBench-AA, SciCode, Humanity's Last Exam y GDP.pdf—, y los tres modelos de OpenAI de este artículo están en la misma revisión, lo que hace que la comparación a continuación sea equiparable de una manera que nunca lo es la tabla de lanzamiento de ningún proveedor.

• Índice de inteligencia — 51,8 para GPT-6.1 Sol con esfuerzo máximo, frente a 52,7 para GPT-6 Astra y 47,5 para GPT-6 Sol.

• Costo por tarea de indexación — $0.72 para GPT-6.1 Sol, $3.26 para Astra, $1.05 para GPT-6 Sol.

• Tokens de salida consumidos en la ejecución — 67,2 millones para GPT-6.1 Sol, 60,0 millones para Astra, 76,8 millones para GPT-6 Sol.

Lee las dos primeras filas en conjunto, porque ese emparejamiento es la parte útil: cuatro veces y media el dinero compra 0,84 de un punto de Índice al pasar de GPT-6.1 Sol a GPT-6 Astra. Sea cual sea el techo de esta generación, es caro de una manera en que el nivel inferior no lo es.

Ahora, el lado de A​nthropic. A​nthropic no publica ninguna tabla de benchmark para C​laude M​ythos 5. Las cifras del modelo de cinco meses circulan como datos de su cobertura de lanzamiento, y las dos más citadas tienen problemas de procedencia que vale la pena declarar sin rodeos:

• ExploitBench, 78,0% — reportado por A​nthropic en el lanzamiento de junio, aproximadamente el doble del 40% que citó para C​laude O​pus 4.8. Reportado por el proveedor, nunca reproducido de forma independiente.

• CyberGym Nivel 1, 83,8 % — la cifra que con más frecuencia se imprime junto al nombre, y no se origina en Anthropic. Aparece en el material comparativo de un competidor, que tiene su propio incentivo en cómo se enmarca la contienda.

• Terminal-Bench 4.0, 42,0 % para la generación de junio y 60,9 % para Claude Mythos 5.1 — cifras propias de Anthropic correspondientes a la actualización de septiembre, reportadas por el proveedor, y la única cifra de codificación agéntica que existe para esta modalidad.

Así que el resumen honesto de la evidencia está desequilibrado de una manera concreta. Para GPT-6.1 Sol tienes la puntuación compuesta de un tercero más la medición de un tercero de cuánto costó ejecutar la evaluación. Para C​laude M​ythos 5 tienes el número específico de seguridad de un proveedor, el número específico de seguridad de un competidor y una puntuación de codificación agéntica del proveedor. Esos conjuntos no se pueden restar.

entre sí, y cualquier página que los alinee en una sola columna se está inventando una comparación.

La brecha se vuelve un poco menos desigual a partir del 15 de octubre, cuando Anthropic comenzó a conceder a un equipo de METR un acceso similar al de los empleados —hardware de la empresa, espacio de oficina, sistemas internos y el derecho a publicar análisis que Anthropic no puede vetar, solo censurar en categorías predefinidas. Esa es la solución estructural para exactamente el problema que expone este enfrentamiento, y vale la pena observar si un modelo restringido llega alguna vez a adquirir una fila independiente como resultado. A día de hoy, no lo ha hecho.

Lo que realmente modificó el cambio del 6 de octubre

El 6 de octubre de 2026, Anthropic reconstruyó el Programa de Verificación Cibernética en tres niveles basados en solicitudes, integró Project Glasswing en el nivel superior y convirtió Claude Mythos 5.1 de una asignación exclusiva para socios en una concesión de acceso que puede solicitar cualquier organización de seguridad que cumpla los requisitos. Claude Opus 5.5 y Claude Sonnet 5.5 se añadieron a todos los niveles al mismo tiempo. Las solicitudes de Defense Access se responden en unos pocos días según Anthropic, las revisiones de Red Team Access tardan unas semanas, y el propio acceso a Mythos llega aproximadamente cinco días hábiles después de la aprobación. Todo declarado por el proveedor y no confirmado de forma independiente, y el listón sigue siendo más un estándar de verificación que

un a un precio.

Lo que ha cambiado no es el precio ni el modelo. Lo que ha cambiado es que la puerta ahora tiene una manilla. Antes del 6 de octubre, la vía de M​ythos se destinaba a los socios de Project Glasswing —unas cien organizaciones verificadas— y a los poseedores previos de M​ythos Preview, sin ningún flujo de registro; la generación del 9 de junio había sido suspendida en todo el mundo dos días después de su lanzamiento por una orden del Departamento de Comercio de EE. UU., y el acceso solo se restableció para un conjunto limitado de organizaciones estadounidenses verificadas a principios de julio. Un formulario de solicitud que cualquier equipo de seguridad que cumpla los requisitos puede enviar es un objeto genuinamente distinto de una asignación a socios, y es la primera vez en la historia de este modelo que la respuesta a «¿cómo lo consigo?» no ha sido «no lo consigues».

Para un lector cuyo trabajo no sea la seguridad ofensiva, la biología o la química, eso sigue siendo una puerta cerrada en lugar de una abierta. La solicitud existe; la elegibilidad, no.

Cómo ejecutar esta comparación en tu propio tráfico

La cuestión práctica para la mayoría de los equipos no es qué modelo es mejor, porque la mayoría de los equipos no puede comprar uno de ellos. Es qué poner en la ruta mientras esperas averiguar si calificas.

GPT-6.1 Sol figura en el catálogo de OrcaRouter al precio de lista del propio OpenAI — $2.00 de entrada y $10.00 de salida por millón, $0.10 de entrada en caché, con el límite de tramo de 272,000 tokens trasladado con exactitud — pasado a un 0% de recargo, así que un cambio en la tarifa del proveedor se aplica aquí el mismo día en que se publica, y no en tu próxima renovación de contrato. Lo que hace que eso importe para este modelo en concreto es su escala de esfuerzo: cinco ajustes, de bajo a máximo, con medio por defecto, y el coste medido de una ejecución completa de Index va desde $0.72 con esfuerzo máximo hasta bastante menos con ajustes más bajos. Ajustar el esfuerzo es la palanca más barata disponible en este modelo y la más fácil de errar bajo un tiempo de espera fijo, y ahí es donde la conmutación automática por fallo entre proveedores se gana su lugar: una ruta que se degrada, o un backend que simplemente va lento esta noche, pasa la solicitud a otro proveedor en lugar de devolver un error a tu usuario.

Si lo que realmente querías de Claude Mythos 5 era la capacidad y no el nivel reducido de salvaguardas, Claude Fable 5.1 es los mismos pesos subyacentes con las salvaguardas activadas, y se ofrece en el mismo catálogo al precio de lista de Anthropic de $10.00 de entrada / $50.00 de salida, con la lectura de caché de $0.25 de la actualización de septiembre ya aplicada. Cambiar entre él y GPT-6.1 Sol es un cambio de cadena de modelo, no una segunda integración. Un modelo con acceso restringido no puede enrutarse al público —la elegibilidad es decisión de Anthropic y ninguna plataforma la cambia—, pero su gemelo sin restricciones sí puede, y esa es la versión honesta de esta recomendación.

Así que la regla de decisión es breve. Si tu trabajo es validación ofensiva autorizada o investigación de vulnerabilidades contra sistemas que posees, la expansión del programa del 6 de octubre es la primera oportunidad genuina que este modelo te ha ofrecido, y el sobreprecio de 5× es el precio de un nivel de capacidad en lugar de una puntuación de benchmark. Para todos los demás, GPT-6.1 Sol es cinco veces más barato en la etiqueta, aún más barato en caché, medido de forma independiente con un coste documentado por tarea, y se puede invocar esta tarde. La fila en blanco del otro lado no es un punto en contra de Claude Mythos 5 — es una declaración de que nadie fuera de Anthropic ha podido ponerle precio a lo que hace, y no deberías pagar un sobreprecio de 5× por ser el primero.

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.