Claude Mythos 5 vs DeepSeek V4 Pro: Selisih Harga 15×, dan Hanya Satu di Antaranya yang Murah pada Bidang yang Menjadi Keunggulannya

C​laude M​ythos 5 dan DeepSeek V4 Pro bukanlah pesaing dalam arti biasa, dan angka-angka menunjukkan hal itu sebelum tolok ukur apa pun melakukannya. C​laude M​ythos 5 adalah unggulan siber dan biologi terbatas milik A​nthropic pada 9 Juni 2026 — diperbarui menjadi C​laude M​ythos 5.1 pada 1 September — dengan harga $10 per juta token masukan dan $50 per juta token keluaran pada tingkat M​ythos dan hanya tersedia melalui program verifikasi. DeepSeek V4 Pro adalah unggulan MoE yang berdekatan dengan open-weights yang dilayani dari API D​eepSeek sendiri sejak April 2026 dan diperbarui pada Agustus, dengan harga $0,66 masukan dan $1,98 keluaran di luar jam sibuk, sekitar seperlima belas dari tarif M​ythos dengan pembacaan cache tiga belas kali lebih murah, di balik kunci yang dapat Anda buat dalam sembilan puluh detik. Salah satunya adalah kemampuan yang Anda ajukan; yang lain adalah item baris yang Anda optimalkan. Perbandingan tetap layak dilakukan, karena kedua model buruk pada hal yang sama dan bagus pada hal yang sama, dan kesenjangan harga paling besar tepat di mana kesenjangan kemampuan paling kecil.

Apa sebenarnya masing-masing model

Claude Mythos 5 adalah SKU terbatas dari generasi terdepan Anthropic, berbagi bobot dasarnya dengan Claude Fable 5 publik dan dibedakan hanya oleh tingkat pengamanan — pengklasifikasi siber dan biologi yang tetap aktif pada model publik. Anthropic menggambarkannya sebagai pembaruan terbaru untuk Mythos Preview, dengan peningkatan pada tolok ukur keamanan siber, biologi, dan layanan kesehatan, dirilis kepada "sekelompok kecil mitra yang telah diverifikasi." Riwayat tolok ukur yang dipublikasikan tipis dan sebagian besar berasal dari liputan peluncuran, bukan dari kartu model yang dipelihara, dan angka CyberGym Level 1 sebesar 83,8% yang beredar bersama nama itu tidak berasal dari Anthropic. Kekuatan yang diketahui adalah pekerjaan keamanan ofensif dan defensif: reputasi model ini bertumpu pada penemuan kerentanan secara otonom, dan cakupan aksesnya dibangun di sekitar itu — Cyber Verification Program, dan pemindai Claude Security, yang menempatkan Mythos 5 di depan basis kode nyata untuk pelanggan Enterprise tanpa memberi mereka prompting bebas.

DeepSeek V4 Pro adalah kebalikannya dalam hampir setiap aspek yang penting secara komersial. Ini adalah model Mixture-of-Experts dengan total 1,6 triliun parameter dan sekitar 49 miliar parameter aktif, jendela konteks 1.048.576 token, keluaran maksimum 384.000 token, masukan hanya teks, dan kartu tarif yang dipublikasikan. Model ini dirilis melalui API D​eepSeek pada April, disegarkan dengan build 0813 pada 13 Agustus, dan masih dilayani hingga hari ini dengan penagihan yang tidak berubah — poin yang layak dinyatakan secara eksplisit karena pada September D​eepSeek mengumumkan pensiunnya model tersebut, menetapkan tanggal, lalu membalikkan keputusan itu sebelas hari kemudian di bawah tekanan pengembang. Catatan kaki di halaman harga D​eepSeek sendiri kini terbaca sebagai komitmen keberlanjutan tanpa jangka waktu yang disertakan.

Kartu tarif, dengan baris yang paling sering dihilangkan dalam perbandingan

• Masukan — Claude Mythos 5 dengan $10,00 per juta token vs DeepSeek V4 Pro dengan $0,66 di luar jam sibuk, $1,32 di dalam jendela jam sibuk; selisih 7,6× hingga 15,2×.

• Keluaran — $50,00 per juta vs $1,98 di luar jam sibuk, $3,96 pada jam sibuk; selisih 12,6× hingga 25×.

• Pembacaan cache — $1,00 per juta untuk generasi Mythos Juni, $0,25 pada Claude Mythos 5.1 dan Claude Fable 5.1, vs $0,022 untuk DeepSeek V4 Pro di luar jam sibuk; pos biaya yang mendominasi proses agen panjang dan yang kesenjangannya paling lebar.

• Batas konteks dan output — 1M token untuk keduanya; output maksimum 128K di sisi M​ythos versus 384K untuk DeepSeek V4 Pro.

• Modalitas — input teks, gambar, dan file di sisi M​ythos vs hanya teks pada DeepSeek V4 Pro.

• Akses — program verifikasi dan persyaratan retensi data 30 hari vs kunci API mandiri.

Baris jendela puncak adalah yang benar-benar merugikan. Tarif off-peak D​eepSeek adalah setengah dari tarif puncak, dan jendela puncaknya adalah 01:00–04:00 dan 06:00–10:00 UTC, Senin sampai Jumat, kecuali hari libur nasional Tiongkok; semua waktu lainnya, termasuk akhir pekan penuh, dihitung sebagai off-peak. Pekerjaan batch yang berjalan sesuai jadwal, bukan berdasarkan permintaan, dapat masuk ke jendela puncak tanpa ada yang memilihnya, dan tarif input efektifnya menjadi $1,32. Itu masih sebagian kecil dari tarif M​ythos, jadi kesimpulannya tidak berbalik — tetapi ringkasan "25× lebih murah" yang mengabaikan jendela tersebut sedang menggambarkan model yang mungkin tidak Anda panggil. Di sisi M​ythos, perhatikan arah perkembangan caching: A​nthropic memangkas pembacaan cache sebesar 75% antara dua generasi, yang menunjukkan bahwa vendor tahu bahwa pekerjaan agen yang panjang membaca ulang konteks yang sama dan bahwa baris cache adalah tempat tagihan pengguna berat sebenarnya berada.

Perbandingan tolok ukur yang tidak dapat dilakukan

Inilah masalah sebenarnya dengan perbandingan ini, dan ini bukan masalah kecil. Anthropic tidak menerbitkan tabel tolok ukur untuk Claude Mythos 5, dan DeepSeek tidak menerbitkan hasil terhadap Mythos 5. Kedua model telah diukur pada hal-hal yang berbeda oleh pihak yang berbeda, dan angka-angka yang beredar untuk Claude Mythos 5 sebagian besar berasal dari perbandingan pihak ketiga, bukan dari Anthropic.

Yang ada bersifat asimetris dengan cara yang berguna. DeepSeek menerbitkan kartu lengkap untuk build 0813, semuanya dilaporkan vendor dan tidak ada yang direproduksi secara independen: Terminal-Bench 2.1 pada 87,9, DeepSWE pada 62,7, CyberGym pada 83,3, Humanity's Last Exam pada 42,7 tanpa alat dan 60,0 dengan alat tersebut, Toolathlon-Verified pada 74,1, AutomationBench pada 31,8. Evaluator independen kemudian meredam gambaran itu secara signifikan — Artificial Analysis menempatkan build 0813 pada 36 di Intelligence Index miliknya dengan biaya terukur $0,67 per tugas indeks, dan varian non-reasoning-nya pada 20. Itu adalah profil kemampuan yang nyata untuk $0,66 per juta token input, dan jauh di bawah garis terdepan dalam penalaran umum.

Titik tempat kedua model itu benar-benar bertumpang tindih adalah keamanan, dan di sana perbandingannya justru memberi pelajaran ke arah yang salah. D​eepSeek melaporkan CyberGym sebesar 83,3 untuk V4 Pro. Angka yang paling sering dicantumkan di samping C​laude M​ythos 5 pada tolok ukur yang sama adalah 83,8 — dan angka itu tidak berasal dari A​nthropic, melainkan dari perbandingan seorang pesaing yang punya alasan sendiri untuk membingkai persaingan agar tampak ketat. Dua angka dari pihak yang berdekatan dengan vendor yang berselisih setengah poin pada tolok ukur yang sama bukanlah bukti bahwa sebuah unggulan MoE terbuka menandingi model siber terbatas milik A​nthropic. Itu adalah bukti bahwa tidak ada satu pun dari angka-angka tersebut yang telah diverifikasi secara independen, dan bahwa tolok ukur itu digunakan oleh kedua belah pihak sebagai infrastruktur pemasaran.

Di mana masing-masing adalah alat yang salah

Adu kedua model pada sebuah daftar tugas, dan pemilahannya cukup jelas untuk dijadikan dasar perutean.

C​laude M​ythos 5 dibuat untuk pekerjaan keamanan dan tertutup bagi hampir semua orang yang menginginkannya. Jika tugas Anda adalah penemuan kerentanan, pengembangan eksploit, red-teaming terhadap infrastruktur Anda sendiri, atau riset keamanan yang memerlukan pemberian prompt bebas terhadap model frontier, tier M​ythos adalah yang dirancang untuk itu, dan harganya bukan hambatan — yang menjadi hambatan adalah kelayakan. Kembaran publik dari model yang sama, Claude Fable 5, membawa rangkaian pengaman lengkap, yang berarti pengujian penetrasi, pembuatan eksploit, dan pemindaian kerentanan biner tetap diblokir; Anda membeli tier kemampuan, bukan izin siber.

DeepSeek V4 Pro dirancang untuk volume. Teks masuk, teks keluar, plafon keluaran yang sangat besar, dan harga yang membuat loop percobaan ulang yang agresif serta pipeline ekstraksi yang panjang menjadi murah secara ekonomi. Profilnya persis seperti yang Anda inginkan untuk klasifikasi dalam skala besar, ekstraksi terstruktur dari dokumen yang sudah berupa teks, peringkasan, triase awal, dan bagian tengah pipeline agen yang berat pemformatan. Yang bukan merupakan keunggulannya adalah model yang bisa Anda kirimi gambar: ia tidak memiliki kemampuan visi, jadi PDF hasil pindai atau tangkapan layar bukan jalur input yang lebih murah, melainkan jalur yang dikecualikan. Dan indeks penalaran umumnya sebesar 36 berarti tugas-tugas yang membutuhkan rencana multi-langkah yang sesungguhnya adalah tugas-tugas di mana keunggulan harga tidak lagi cukup mengimbanginya.

Struktur biaya yang menjadikan routing sebagai jawaban, bukan kompromi

Karena kekuatan mereka tidak banyak tumpang tindih, langkah yang berguna bukanlah memilih. Kirim pekerjaan yang melibatkan visi dan penalaran sulit ke sisi A​nthropic serta pekerjaan teks bervolume tinggi ke D​eepSeek, dan penghematan pada beban kerja campuran biasanya besar — tetapi hanya jika kedua model berada di balik satu kunci, sebab jika tidak, integrasi kedua memakan lebih banyak waktu rekayasa daripada selisih pengeluaran token.

Itu adalah kasus untuk lapisan routing alih-alih keputusan pengadaan. OrcaRouter membawa anthropic/claude-opus-5.5 dengan harga $4.00 untuk input dan $20.00 untuk output serta deepseek/deepseek-v4-pro dengan harga $0.66 dan $1.98 pada endpoint yang sama yang kompatibel dengan O​penAI, dalam katalog berisi lebih dari 200 model, dengan harga daftar penyedia diteruskan tanpa markup 0% — yang khususnya penting di sisi D​eepSeek, karena D​eepSeek telah beberapa kali menyesuaikan harga V4 Pro dan menggeser jendela off-peak-nya, dan rute pass-through mengikuti kartu harga vendor alih-alih membekukan angka ke dalam kontrak Anda. DSL routing mengungkapkan pembagian itu di satu tempat — model murah untuk cabang yang mudah, eskalasi ketika keyakinan jawaban atau bentuk tugas menuntut demikian — dan failover otomatis lebih bernilai di sini daripada pada model yang stabil: V4 Pro menghabiskan sepekan pada bulan September dalam penghentian yang diumumkan lalu ditarik kembali, dan memiliki rute yang beralih ke penyedia kedua tanpa perlu deploy adalah lindung nilai yang murah terhadap vendor yang berubah pikiran.

Penggunaan jujur lainnya dari katalog yang sama adalah sebagai alat pengukuran. Kebiasaan mengutamakan model mahal itu umum dan mahal; satu-satunya solusi yang andal adalah menghitung token pada lalu lintas nyata dengan kedua model, yang merupakan perubahan konfigurasi ketika keduanya berada di satu kunci dan sebuah proyek ketika tidak.

Apa yang akan mengubah perbandingan ini?

Dua hal. Jika DeepSeek merilis penerus yang menutup kesenjangan agen jangka panjang dengan harga yang kurang lebih sama dengan harga saat ini, perpecahan itu akan runtuh menjadi pertanyaan harga dan jawabannya sepele — dan DeepSeek telah melakukan langkah itu berulang kali, termasuk rilis September yang dikatakannya secara komprehensif melampaui V4 Pro dalam hal performa, biaya, dan kecepatan. Di arah lain, jika Anthropic menerbitkan tabel benchmark Mythos 5 atau 5.1 pada set standar, separuh keamanan dari perbandingan ini menjadi dapat diperiksa daripada hanya diklaim, dan pembeli akhirnya dapat mengetahui apakah kartu tarif $10 / $50 membeli sesuatu yang tidak disediakan oleh DeepSeek seharga $0.66.

Keduanya belum terjadi. Sampai salah satunya terjadi, posisi praktisnya adalah bahwa DeepSeek V4 Pro menawarkan nilai per token yang lebih baik di pasar untuk pekerjaan berbentuk teks dan dibanderol seolah-olah penalaran terdepan sudah menjadi komoditas yang terpecahkan, sedangkan C​laude M​ythos 5 adalah kemampuan yang tidak dapat diperoleh sebagian besar tim dan harga yang tidak akan dibayar sebagian besar tim jika pun mereka bisa. Bangunlah di atas model yang dapat Anda panggil; simpan nama model di konfigurasi agar yang lain menjadi perubahan satu baris jika suatu saat terbuka.

Tidak ada satu pun dari itu yang hipotetis: kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda status diperdebatkan.