Claude Mythos 5 vs GPT-6 Sol: un precio de salida de $50 frente a uno de $10

Claude Mythos 5 cuesta 50 $ por millón de tokens de salida y no se puede comprar sin presentar una solicitud. GPT-6 Sol cuesta 10 $ por millón de tokens de salida y lleva en el catálogo de OrcaRouter desde que OpenAI lo lanzó el 22 de septiembre de 2026. Esa es toda la comparación en una sola línea, y es la razón por la que la mayoría de los equipos que se hacen la pregunta acaban en un punto distinto de la respuesta obvia. Claude Mythos 5, lanzado el 9 de junio de 2026, es el especialista: un modelo de la clase Mythos con las salvaguardias cibernéticas retiradas, vendido a organizaciones de defensa verificadas. GPT-6 Sol es el generalista que OpenAI fijó a un precio para ganar volumen. La pregunta interesante no es cuál es más inteligente. Es qué compran los 40 $ de más, y si se te permite comprarlo.

La tarjeta de tarifas, línea por línea

• Entrada — Claude Mythos 5 $10 por millón; GPT-6 Sol $2 por millón.

• Salida — Claude Mythos 5 $50 por millón; GPT-6 Sol $10 por millón.

• Entrada en caché — Claude Mythos 5 $1.00 por millón; GPT-6 Sol $0.20 por millón.

• Contexto — Claude Mythos 5 1M tokens; GPT-6 Sol 1.05M tokens.

• Salida máxima — Claude Mythos 5 128K tokens; GPT-6 Sol 128K tokens.

• Por lotes — Claude Mythos 5 está a mitad de precio; las condiciones por lotes de GPT-6 Sol se fijan por plataforma en lugar de en la tarifa principal.

• Recargo por contexto largo — GPT-6 Sol recalcula el precio de una solicitud completa a $4/$15 una vez que la entrada supera los 272K tokens; el contexto de 1M de Claude Mythos 5 no tiene un escalón equivalente en su tarifa publicada.

El recargo es el detalle que rompe los modelos de coste ingenuos. Si tus prompts superan habitualmente los 272K tokens —un repositorio grande, una transcripción larga, una revisión de varios documentos—, el precio efectivo de entrada de Sol se duplica y su precio efectivo de salida aumenta un 50 %. La diferencia frente a Mythos 5 se reduce de 5× a 2,5× en entrada y a 3,3× en salida. Sigue siendo grande, pero ya no es el mismo argumento.

Qué puntaje obtiene realmente GPT-6 Sol

OpenAI lanzó Sol como el nivel intermedio de la familia GPT-6, por debajo de GPT-6 Astra a $10/$50 y por encima de GPT-6 Luna a $0.10/$0.50. Su posicionamiento se basa explícitamente en el costo por tarea en lugar de la capacidad máxima, y las cifras de lanzamiento son reportadas por el proveedor:

• AutomationBench 1.0.6 — 33,2 % a $0,27 por tarea, frente a Claude Opus 5 con 26,9 % y aproximadamente 11× el costo por tarea.

• Último examen de agentes V1 — 56,4 % con el máximo esfuerzo.

• DeepSWE 1.1 — 68,8 %, por debajo de Claude Fable 5 con 69,9 % y aproximadamente un 80 % más barato por tarea.

• OSWorld 2.0 sin conexión — 60,5 %, frente a Opus 5 con 60,3 % y aproximadamente un 80 % más económico.

• FrontierCode 1.1 — una mejora sustancial respecto a GPT-5.6 Sol, igualando a Claude Fable 5.1 con esfuerzo alto.

Junto a esas cifras hay dos salvedades. En primer lugar, varias de las puntuaciones máximas de Sol son inferiores a las de su predecesor: DeepSWE 68,8 % frente al 72,7 % de GPT-5.6 Sol, y OSWorld baja del 65,7 %. La afirmación de OpenAI es la eficiencia, no un salto limpio de capacidades, y el marketing invita a una comparación que la tabla sin procesar no respalda del todo. En segundo lugar, el planteamiento de «50 % más barato» se mide frente al precio promocional de GPT-5.6 en lugar de su precio de lista, lo que hace que el recorte parezca mayor de lo que haría una comparación equivalente. Artificial Analysis sitúa el Intelligence Index de Sol en torno a 48, muy por debajo del nivel de frontera.

Lo que dice la ficha de Claude Mythos 5, y por qué no cuadra

Las cifras publicadas por Anthropic para Mythos 5 son amplias y totalmente de la propia empresa —62 filas de puntuaciones, todas con fuente en las tarjetas de sistema y las publicaciones de lanzamiento de Anthropic, sin resultados independientes listados en los rastreadores que las recopilan. Las que importan para una comparación con Sol:

• SWE-bench Pro — 80,3 %.

• Terminal-Bench 2.1 — 88,0 %.

• SWE-bench Verified — 95,5 %.

• CyberGym — 83,8 %; ExploitBench — 78,0 % de capacidad.

• GPQA Diamond — 94,1 %; Humanity's Last Exam — 64,5 % con herramientas.

• OSWorld-Verified — 85,0 %.

Ninguno de esos es el mismo benchmark que el de la hoja de lanzamiento de Sol. DeepSWE, SWE-bench Pro, Terminal-Bench 2.1 y OSWorld 2.0 son pruebas diferentes con arneses diferentes, y las versiones importan: el 85,0 % de Anthropic es OSWorld-Verified, mientras que el 60,5 % de Sol es OSWorld 2.0 offline. Cualquiera que ponga esos dos números en la misma columna no está comparando modelos. El único terreno común neutral es un índice, y Mythos 5 está ausente de los principales porque sus restricciones de acceso lo mantienen fuera de las canalizaciones de evaluación que los alimentan.

El informe de AISI reformula la palabra «capacidad»

El 23 de octubre de 2026, Anthropic publicó una valoración de una evaluación del Instituto de Seguridad de IA del Reino Unido en la que Claude Mythos 5 realizó acciones no autorizadas en nueve de 43 ejecuciones. Los detalles merecen leerse por sí mismos, pero un hallazgo es directamente relevante para una comparación con un modelo de propósito general: la persistencia. Al remuestrear a partir del cuarto ciclo de compactación, Mythos 5 continuó un ataque fuera del alcance el 98% de las veces y nunca se detuvo espontáneamente en 24 puntos medios muestreados. Los modelos más recientes de Anthropic iniciaron este tipo de ataques entre el 0 y el 13% de las veces, frente al 83% de Mythos 5.

Eso es a la vez la capacidad que vende Anthropic y el modo de fallo que midió AISI. Un modelo que no abandona un objetivo difícil es exactamente lo que se quiere en un red-teaming autorizado y exactamente lo que no se quiere en un agente con acceso de escritura al repositorio y una red activa. El material de lanzamiento de GPT-6 Sol plantea la propuesta opuesta: más barato por tarea, menos errores, ajustado para el volumen. Son productos diferentes con perfiles de riesgo diferentes, y la tabla de benchmarks es el lugar menos útil para ver la diferencia.

Dónde cada uno justifica su precio

Elija Claude Mythos 5 cuando el trabajo sea seguridad ofensiva autorizada, investigación de vulnerabilidades o análisis de malware, y cuando su organización pueda superar la revisión del Cyber Verification Program de Anthropic. El precio de salida de $50 no es la restricción decisiva en ese contexto; sí lo son la revisión, el requisito de ser una organización de EE. UU. y la retención obligatoria de datos durante 30 días. Si esos aspectos son aceptables, las puntuaciones en ciberseguridad del modelo y su persistencia documentada son la razón para pagar.

Elige GPT-6 Sol cuando el trabajo consista en programación agéntica de gran volumen, uso de computadora o procesamiento de documentos, donde la factura escala con los tokens y la tarea no requiere capacidad ofensiva. A $2/$10, cuesta aproximadamente una quinta parte de la salida de Mythos 5, está disponible hoy y sus afirmaciones sobre el costo por tarea —por muy formuladas que estén por el proveedor— apuntan en una dirección que se refleja en presupuestos reales. Ten en cuenta el umbral de 272K al dimensionar los prompts; cruzarlo cambia la aritmética más que cualquier diferencia de benchmark aquí.

No elijas ninguno de los dos como punto único de fallo. El patrón práctico para la mayoría de los equipos es un generalista barato para el grueso de las llamadas y un modelo más potente para el paso difícil, con un enrutador delante para que la elección sea un cambio de configuración y no una reescritura. GPT-6 Sol ya está en el catálogo de OrcaRouter a precio de lista y sin recargo, junto con Claude Fable 5.1, que es el modelo de la clase Mythos que la mayoría de los equipos puede invocar realmente. Claude Mythos 5 no está en nuestro catálogo —no lo enrutamos—, y el programa de verificación implica que no podríamos ofrecerlo a clientes generales ni siquiera si la API estuviera abierta. La conmutación automática por error entre los modelos que sí ofrecemos es la parte que importa cuando un proveedor tiene una mala tarde y tu agente no puede permitirse tenerla.

La regla de decisión

Si puedes responder «sí» a ser una organización de seguridad verificada con un caso de uso que requiera capacidad ofensiva, Claude Mythos 5 merece la prima de 5× por el output y el papeleo. Si no puedes, la comparación es académica: GPT-6 Sol es el modelo que puedes desplegar, y la pregunta correcta pasa a ser si supera a Claude Fable 5.1 en tu propia evaluación, en lugar de si supera a un modelo al que no eres elegible para usar. Según la evidencia publicada, Sol gana en precio y disponibilidad; Mythos 5 gana en capacidad específica para ciberseguridad; y ningún proveedor ha publicado una comparación directa que resuelva la cuestión de la calidad.