Claude Mythos 5 vs Grok 4.7 : trois chiffres indépendants qui ne concordent pas

Artificial Analysis a évalué Grok 4.7 trois fois le même après-midi et a obtenu trois réponses qui pointent dans des directions différentes : 46 sur son Intelligence Index — deux points au-dessus de Grok 4.6 — 56 sur son Coding Agent Index, avec neuf points d'avance, et 1 657 Elo sur AA-Briefcase, avec 111 points d'avance. Cet écart est la chose la plus intéressante de la sortie de S​paceXAI du 21 septembre 2026, et c'est aussi la raison pour laquelle cette confrontation avec C​laude M​ythos 5 vaut la peine d'être consignée plutôt que balayée d'un revers de main. Grok 4.7 est un généraliste devenu spécialiste : ses gains sont concentrés dans le codage agentique à long horizon et le travail du savoir, et sont presque invisibles sur le benchmark agrégé. C​laude M​ythos 5 est un spécialiste depuis le jour de sa sortie, le 9 juin 2026 — le fleuron d'A​nthropic dédié à la cyber et à la biologie à accès restreint, classé ASL-3, actualisé en C​laude M​ythos 5.1 le 1er septembre, proposé au tarif de 10,00 $ en entrée / 50,00 $ en sortie par million de jetons du niveau M​ythos, et disponible via un programme de vérification plutôt qu'une grille tarifaire. L'un de ces modèles, vous pouvez l'acheter. L'autre, vous devez en faire la demande. Tout le reste dans cette comparaison découle de cette phrase.

Ce qu'est chaque modèle, et qui vous permettra de l'appeler

Grok 4.7 est le modèle phare actuel de S​paceXAI pour le codage, les tâches agentiques et le travail de connaissance, succédant à Grok 4.6 à un prix identique et avec une fenêtre de contexte identique. Le fournisseur écrit son nom S​paceXAI à la fois dans la documentation destinée aux développeurs et sur la page d'actualités, tandis que l'API est toujours servie depuis api.x.ai et que les identifiants restent ceux de grok — une information utile, car les recherches sur l'un ou l'autre nom renvoient au même produit. Il est déjà disponible dans Cursor et dans l'agent terminal G​rok Build de l'entreprise, et le fournisseur le positionne comme la recommandation par défaut pour tout, sauf les travaux audio, image et vidéo. La revendication du fournisseur est plus étroite et plus spécifique qu'un argumentaire généraliste : il est performant pour l'ingénierie logicielle de longue durée et pour la vérification de son propre travail.

C​laude M​ythos 5 est le SKU restreint de la génération frontière d'A​nthropic du 9 juin, partageant les poids sous-jacents avec le Claude Fable 5 public et ne différant de celui-ci que par son niveau de protection — les classificateurs de cybersécurité et de biologie qui restent activés dans le modèle Fable. A​nthropic le classe ASL-3, le palier qu'elle réserve aux capacités susceptibles de renforcer sensiblement la cyberoffensive, et en rationne l'accès en conséquence. Sa réputation repose sur des résultats de red team plutôt que sur un tableau de benchmarks publié : un bug OpenBSD non découvert vieux d'environ 27 ans, une vulnérabilité FFmpeg qui avait survécu à environ 16 ans et à cinq millions de scans automatisés, un exploit de navigateur enchaînant quatre vulnérabilités pour s'échapper à la fois des bacs à sable du moteur de rendu et du système d'exploitation, et une élévation de privilèges du noyau Linux.

Contexte et sortie — 500 000 tokens avec jusqu’à 450 000 en sortie pour Grok 4.7 contre 1 M de tokens avec 128 K de sortie maximale pour Claude Mythos 5.

• Prix par million — 2,00 $ en entrée / 6,00 $ en sortie en dessous de 200 000 tokens d'entrée pour Grok 4.7, passant à 4,00 $ / 12,00 $ au-dessus de ce seuil, contre le tarif fixe de 10,00 $ / 50,00 $ du palier M​ythos.

• Lecture du cache — 0,50 $ par million pour Grok 4.7, doublant à 1,00 $ au-delà du seuil de 200 000 tokens, contre 1,00 $ par million pour la génération M​ythos de juin et 0,25 $ après la mise à jour de septembre.

• Modalité — entrée de texte, d'image et de fichier avec sortie texte pour les deux.

• Contrôle du raisonnement — effort configurable sur quatre niveaux pour Grok 4.7 vs la pensée adaptative qui ne peut pas être désactivée pour C​laude M​ythos 5.

• Accès — une clé en libre-service, ainsi que les applications du fournisseur lui-même, par opposition à une demande via le Cyber Verification Program ou le Life Sciences Verification Program, avec une exigence de conservation des données de 30 jours.

C’est sur ces deux lignes de prix que la lecture habituelle se trompe. Sur le prix affiché, Grok 4.7 correspond à un cinquième du tarif de M​ythos. Sur un prompt long, il est juste au-dessus d’un tiers, car la frontière de palier tombe à 200 000 tokens et ce modèle est vendu avec une fenêtre de 500 000 tokens.

Les trois nombres indépendants, lus correctement

Commençons par celui qui a reçu le moins d’attention, car c’est le plus important. Sur AA-Briefcase, le classement de l’évaluateur pour le travail de connaissance à long horizon, Grok 4.7 se classe quatrième au global, derrière trois entrées Claude, et devant Claude Opus 5 à effort xhigh — pour environ la moitié du coût par tâche de Claude Opus 5. Quoi qu’il en soit d’autre au sujet de cette sortie, c’est un résultat de rapport prix-performance plutôt qu’un écart de capacités, et c’est la première fois qu’un modèle Grok en produit un sur ce classement.

Le chiffre de l'index Coding Agent relève de la même histoire. Neuf points d'avance sur Grok 4.6 sur l'axe coding-agent, contre deux points sur l'index général, ce n'est pas du bruit ; cela dit que le travail d'entraînement a porté spécifiquement sur les comportements agentiques et de codage, et que ce qui s'est amélioré ne se transfère pas à un large composite de dix évaluations. L'index général est le chiffre qu'imprime un classement. Le chiffre coding-agent est celui que ressent réellement une équipe qui fait tourner de longues boucles d'outils.

Ensuite, il y a le désaccord entre le fournisseur et l'évaluateur sur le même benchmark, ce qui est la partie à retenir chaque fois que vous lisez un tableau de lancement. Le chiffre de SpaceXAI pour Grok 4.7 sur Terminal-Bench 4.0 est de 38 %. Le passage indépendant d'Artificial Analysis sur le même benchmark l'a situé à 33 %. Cinq points, dans la même direction, sur un même axe, pour un même modèle — et aucune des deux parties ne ment. Les benchmarks agentiques mesurent un modèle plus un échafaudage, les réglages du harnais diffèrent, et les exécutions répétées varient. Voilà à quoi ressemble un écart de cinq points quand personne ne triche. Mettez-le en regard de n'importe quel chiffre isolé d'un fournisseur que vous voyez, y compris celui d'Anthropic.

Ce qui nous amène du côté de Mythos et explique pourquoi la comparaison ne peut pas être menée à terme. Anthropic ne publie aucun tableau de benchmarks pour Claude Mythos 5. Les chiffres qui circulent sous ce nom ne viennent pas tous du fournisseur :

• ExploitBench, 78,0 % — le chiffre de lancement de juin d’Anthropic lui-même, soit environ le double des 40 % qu’elle a cités pour Claude Opus 4.8. Rapporté par le fournisseur, non reproduit.

• CyberGym Level 1, 83,8 % — le chiffre que l’on retrouve le plus souvent à côté de ce modèle, et il ne vient pas d’Anthropic. Il figure dans des supports de comparaison de concurrents qui ont leur propre intérêt de cadrage.

• Terminal-Bench 4.0 — 42,0 % pour la génération de juin et 60,9 % pour C​laude M​ythos 5.1, selon les documents de mise à jour de septembre d’A​nthropic.

Notez l'effet de cette troisième ligne sur la confrontation. Sur le seul benchmark pour lequel les deux pistes ont un chiffre, les 60,9 % de C​laude M​ythos 5.1 sont bien au-dessus des 33 % mesurés indépendamment de Grok 4.7. Ces chiffres ne peuvent toujours pas être soustraits : l'un est un chiffre de fournisseur sur le propre harnais du fournisseur, l'autre est celui d'un tiers, et ils ont été exécutés à des moments différents sur des configurations différentes. Mais l'écart est suffisamment important pour qu'il soit peu probable qu'il s'agisse entièrement d'un artefact, et c'est un avertissement légitime : un modèle doté d'un microphone polyvalent n'est pas en concurrence sur l'axe pour lequel le niveau M​ythos existe.

La verbosité est la ligne de coût que personne n'imprime

La grille tarifaire de Grok 4.7 est l’aspect le moins cher chez lui, et sa verbosité est l’aspect le plus coûteux. Artificial Analysis a mesuré une augmentation de 113 % de l’utilisation des jetons de raisonnement par rapport à Grok 4.6, avec environ 81 000 jetons de sortie consommés par tâche agentique. Mettez cela en regard d’un modèle qui relit le contexte plutôt que d’un modèle qui le redérive, et les deux structures de coûts cessent complètement de se ressembler : Grok 4.7 est bon marché par jeton et cher par tâche sur les travaux agentiques longs, tandis que l’offre M​ythos est chère par jeton et que son modèle économique dépend entièrement du comportement du cache, ce qui explique pourquoi la mise à jour de septembre d’A​nthropic a réduit la lecture du cache de 1,00 $ à 0,25 $ et l’a présentée comme jusqu’à environ 45 % moins chère sur les charges de travail hautement agentiques.

Une sortie de 81 000 tokens à un tarif de 6,00 $ par million représente environ 49 cents de sortie pour une tâche. Sur la fenêtre de 500 000 tokens que ce modèle vend, une invite qui franchit les 200 000 tokens double le tarif d'entrée et double aussi le tarif de mise en cache. Aucun de ces chiffres n'est un défaut — réfléchir plus longtemps est ce qui permet aux modèles de raisonnement de s'améliorer —, mais une grille tarifaire est un prix par token et votre facture est un prix par tâche, et le multiplicateur entre les deux diffère davantage que ne le fait l'écart de tarif.

Ce que le 6 octobre a changé, et ce qu'il n'a pas changé

Le 6 octobre 2026, Anthropic a restructuré le Cyber Verification Program en trois niveaux sur candidature, a intégré Project Glasswing au niveau le plus élevé et a fait passer Claude Mythos 5.1 d’une allocation réservée aux partenaires à une autorisation d’accès que toute organisation de sécurité qualifiée peut demander. Claude Opus 5.5 et Claude Sonnet 5.5 ont rejoint tous les niveaux en même temps. Les candidatures à Defense Access reçoivent une réponse en quelques jours, selon Anthropic, Red Team Access prend quelques semaines, et l’accès à Mythos lui-même suit l’approbation d’environ cinq jours ouvrés. Tout cela est déclaré par le fournisseur et non confirmé de manière indépendante, et le critère reste une norme de vérification plutôt qu’un prix.

Ce que cela signifie précisément face à Grok 4.7 est limité. Pour une équipe de sécurité habilitée, c’est la première fois que la voie M​ythos dispose d’une porte d’entrée, et la comparaison devient réelle pour la première fois dans l’histoire de ce modèle. Pour tous les autres — le codage, le travail intellectuel, les longues boucles d’outils, le travail pour lequel Grok 4.7 est conçu —, le versant A​nthropic de cette confrontation reste fermé, et la lecture la plus juste est que ce n’était pas la bonne comparaison à faire. La génération du 9 juin a été suspendue dans le monde entier deux jours après son lancement par une ordonnance du département du Commerce des États-Unis, puis restaurée uniquement pour un ensemble limité d’organisations américaines vérifiées vers le début du mois de juillet ; l’existence entière du modèle a été façonnée par cette contrainte, et aucune lecture de benchmarks, aussi exhaustive soit-elle, ne change qui est autorisé à passer.

La réponse de routage, qui est la seule disponible aujourd'hui

Grok 4.7 figure au catalogue d'OrcaRouter aux tarifs propres à SpaceXAI — 2,00 $ en entrée et 6,00 $ en sortie par million, 0,50 $ pour le cache, avec le seuil de palier des 200 000 tokens et son passage à 4,00 $ / 12,00 $, reproduits exactement tels que le fournisseur les publie — appliqués avec 0 % de marge, de sorte qu'un changement de tarif est effectif ici le jour même de sa publication. Cette précision compte davantage sur ce modèle que sur la plupart, car le décrochage à 200 000 tokens est la plus grande discontinuité tarifaire de cette comparaison, et un routeur qui la lisserait dans une moyenne vous induirait en erreur sur votre propre facture.

La deuxième chose que fait la couche de routage, c'est de rendre le problème de verbosité peu coûteux à tester plutôt que coûteux à présumer. Une sortie moyenne de 81 000 tokens reste une moyenne, et votre trafic peut très bien se situer d'un côté ou de l'autre. Exécuter Grok 4.7 sur votre propre charge de travail est la seule mesure qui permet de répondre à la question de savoir si c'est peu ou très coûteux pour vous, et le faire sans une seconde intégration signifie que la réponse coûte un après-midi. Basculement automatique entre fournisseurs couvre l'autre moitié — un modèle de raisonnement qui réfléchit plus longtemps sous charge est celui qui a le plus de risques de dépasser un délai d'attente, et une route qui transmet la requête à un autre backend plutôt que de renvoyer une erreur a plus de valeur ici que sur un modèle rapide.

Si la capacité que vous vouliez de C​laude M​ythos 5 était la classe M​ythos plutôt que le niveau de protection réduit, le modèle restreint ne peut pas être routé vers le public, et aucun changement de plateforme n'y change quoi que ce soit. Son jumeau sans restriction, lui, le peut : Claude Fable 5.1 repose sur les mêmes poids sous-jacents, avec les garde-fous activés, dans le même catalogue, au prix catalogue d'A​nthropic de 10,00 $ / 50,00 $, avec la lecture de cache à 0,25 $ de la mise à jour de septembre en place, et basculer entre lui et Grok 4.7 ne demande qu'un changement de chaîne de modèle.

Le verdict est plus étroit que le titre ne le suggère, et il vaut la peine de le dire sans détour. Pour le travail agentique général, Grok 4.7 est le seul des deux que vous pouvez utiliser, et les preuves indépendantes indiquent que son avantage sur son prédécesseur se concentre exactement là où vous l'utiliseriez — ce qui est un meilleur signe qu'un large gain de deux points dans l'indice ne l'aurait été. C​laude M​ythos 5 est le modèle le plus fort sur le seul axe sur lequel on l'a mesuré, et cet axe est le travail de sécurité au sein d'un programme vérifié. Si votre travail n'est pas celui-là, la question intéressante n'est pas M​ythos versus G​rok ; c'est de savoir si le coût par tâche de Grok 4.7 sur votre propre trafic est inférieur à celui du modèle que vous utilisez actuellement.

Rien de tout cela n'est hypothétique : les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée est accompagnée de ses propres sources, de son niveau de gravité, de son degré de confiance et de son indicateur de contestation.