Claude Mythos 5 vs Gemini 4 Argon: Satu Pintu Terbuka dalam Tiga Belas Hari, yang Lain Belum Terbuka Sejak Juni

Gemini 4 Argon dan Claude Mythos 5 keduanya diumumkan sebagai model dengan kemampuan di atas model unggulan dengan akses awal yang terbatas, dan sejak itu keduanya benar-benar berbeda. Google mengumumkan Gemini 4 Argon pada 30 September 2026 melalui kohort Fairwind Program yang terdiri dari para pembela siber tepercaya, dan pada 13 Oktober string model gemini-4-argon berpindah ke Stable di tier berbayar milik Google sendiri — tiga belas hari dari pengumuman hingga kunci layanan mandiri, dengan harga perkenalan $2 per juta token masukan dan $10 per juta token keluaran yang masih berlaku. Claude Mythos 5 sudah ada jauh lebih lama: Anthropic merilisnya pada 9 Juni 2026 sebagai model saudara dengan akses terbatas dari Claude Fable 5, memperbaruinya sebagai Claude Mythos 5.1 pada 1 September, dan model itu masih belum memiliki endpoint publik, tanpa tier layanan mandiri, dan tanpa tabel tolok ukur yang dipublikasikan — akses hanya melalui Cyber Verification Program atau Life Sciences Verification Program dan tidak ada cara lain. Perbedaan itulah, bukan sebaran tolok ukur, yang menentukan pertarungan ini bagi hampir setiap pembaca.

Dua model dengan kisah asal yang sama dan akhir yang berbeda

Keduanya datang dengan cara yang sama, dan itulah yang membuat perbedaan ini begitu instruktif. A​nthropic merilis C​laude M​ythos 5 sebagai SKU terbatas dari generasi 9 Juni miliknya, berbagi bobot dasar dengan Claude Fable 5 publik dan hanya berbeda pada tingkat pengamanan, lalu memberikannya kepada "sekelompok kecil mitra yang telah diverifikasi." G​oogle merilis G​emini 4 Argon terlebih dahulu ke Fairwind Program — otoritas pemerintah yang telah diverifikasi, operator infrastruktur kritis, dan pemelihara perangkat lunak — dan mengatakan dengan gamblang bahwa akses yang lebih luas bagi pelanggan API berbayar, pelanggan G​oogle AI Ultra, pengembang, dan perusahaan akan menyusul. G​oogle kemudian melakukan hal yang dikatakannya akan dilakukan.

A​nthropic melakukan sesuatu yang berbeda, dan patut kita bersikap adil tentangnya. Pada 6 Oktober, ia membangun ulang Program Verifikasi Siber menjadi tiga tingkat berbasis aplikasi, memasukkan Project Glasswing ke dalamnya, dan mengubah C​laude M​ythos 5.1 dari alokasi mitra menjadi hibah akses yang dapat diajukan oleh organisasi keamanan mana pun yang memenuhi syarat. Itu adalah pelebaran pintu yang nyata — yang pertama dalam sejarah model ini. Pintu itu juga masih berupa pintu dengan ambang verifikasi, bukan harga, dan ditujukan secara khusus kepada organisasi keamanan, bukan kepada audiens pengembang umum. Jalur G​oogle berakhir pada daftar tarif; jalur A​nthropic berakhir pada tinjauan aplikasi.

Berapa biaya masing-masing, dan catatan pada angka Argon

• Input — G​emini 4 Argon seharga $2.00 per juta token sebagai perkenalan vs C​laude M​ythos 5 seharga $10.00; selisih 5×.

Keluaran — $10.00 per juta vs $50.00; 5× yang sama.

Input yang di-cache — Argon seharga $0,10 per juta, diskon 95% untuk input; Claude Mythos 5.1 seharga $0,25 pada SKU yang lebih baru dan $1,00 pada generasi Juni.

• Konteks dan output — 1M token konteks pada keduanya; plafon output Argon dinaikkan menjadi 1M dari 64K, dibandingkan dengan 128K untuk tier Mythos.

• Modalitas — Argon menerima teks, gambar, video, dan file dengan output teks; tier M​ythos menerima input teks, gambar, dan file.

• Akses — kunci API berbayar sejak 13 Oktober vs aplikasi ke program verifikasi Anthropic dengan persyaratan retensi data 30 hari.

Peringatannya adalah kata "introductory." Google menetapkan tarif $2 / $10 sebagai tarif peluncuran dan Google telah mengatakan hal itu; tarif yang digambarkan seperti itu bisa berubah, dan angka yang harus dianggarkan adalah angka yang dipasang Google pada hari Anda berkomitmen. Peringatan lainnya bersifat aritmetis ketimbang kebijakan: Artificial Analysis mengukur biaya menjalankan seluruh rangkaian indeksnya sebesar $2.407 untuk Argon — sekitar $1,99 per tugas indeks — yang kira-kira sepertiga dari biaya rangkaian yang sama pada Claude Opus 5.5 — sebuah pengingat bahwa harga daftar dan biaya yang terealisasi menyimpang begitu sebuah model membutuhkan lebih sedikit token dan lebih sedikit percobaan ulang untuk menyelesaikan suatu tugas. Tidak ada angka yang setara untuk Claude Mythos 5, karena tidak ada evaluator independen yang dapat mengaksesnya.

Asimetri tolok ukur, yang merupakan judul berita yang jujur

G​emini 4 Argon telah diukur. C​laude M​ythos 5 belum diukur, dan bukan karena ada yang menganggapnya lemah.

Angka yang diterbitkan secara independen oleh Argon: Artificial Analysis Intelligence Index 52,6 hingga 53 tergantung pada konfigurasi upaya, dengan biaya terukur $1,99 per tugas indeks dan 48,9 token keluaran per detik dengan token pertama 2,79 detik. Peringkat pertama Vals Index pada 68,90% (±0,97) di papan dampak ekonomi berbobot PDB-nya. Skor tugas yang dilaporkan vendor, yang dipublikasikan Google bersama pengumuman 30 September dan yang masih belum direproduksi: Terminal-Bench 4.0 pada 57,1%, SciCode pada 61,8%, Humanity's Last Exam pada 57,1%, penalaran konteks panjang pada 79,7%, AutomationBench pertama pada 51,3%, dan angka Omniscience sebesar 42,4 — keunggulan tugas tunggal terbesar dibandingkan model terbuka yang sebanding dalam kumpulan itu.

Rekam jejak yang dipublikasikan Claude Mythos 5 adalah hal yang berbeda. Anthropic tidak memiliki kartu benchmark untuknya, sehingga setiap angka yang beredar adalah data tidak langsung. Skor CyberGym Level 1 sebesar 83,8% yang paling sering tercetak di samping nama itu sama sekali bukan berasal dari Anthropic — angka itu muncul dalam perbandingan vendor pesaing, yang punya kepentingan sendiri atas seberapa ketat persaingan itu terlihat. Angka ExploitBench sebesar 78,0% adalah milik Anthropic sendiri, yang dilaporkan pada peluncuran Juni, dibandingkan dengan 40% untuk Claude Opus 4.8. Di luar itu, ada klaim-klaim operasional: bug OpenBSD berusia 27 tahun yang belum ditemukan, kerentanan FFmpeg berusia 16 tahun, eksploit browser yang merangkai empat celah untuk lolos dari sandbox perender dan OS, serta eskalasi hak istimewa kernel Linux dari pengguna ke root.

Letakkan keduanya berdampingan, dan papan-papan peringkatnya tidak dapat dibandingkan, yang justru menjadi intinya. Satu model memiliki skor indeks, biaya per tugas, dan posisi papan peringkat; model lainnya memiliki reputasi dan sekumpulan studi kasus yang tidak dapat direproduksi oleh siapa pun di luar daftar mitra Anthropic. Argon juga memiliki kritik terdokumentasi yang tidak dimiliki tier Mythos: Bloomberg melaporkan pada hari pengumuman bahwa sejumlah karyawan Google dengan akses langsung mengatakan model itu berkinerja kurang baik pada pekerjaan nyata dibandingkan yang disiratkan tolok ukurnya — desain front-end termasuk di antara tugas yang disebutkan — dan menggambarkannya sebagai terpengaruh optimisasi tolok ukur, yang dibantah Google. Laporan itu belum diverifikasi dan diperdebatkan, dan itu tetap merupakan titik data yang ada untuk satu sisi pertandingan ini dan tidak untuk sisi lainnya.

Perbandingan yang tidak dibuat oleh vendor mana pun

Materi peluncuran G​oogle memposisikan Argon melawan C​laude O​pus 5.5 dan GPT-6 Astra dalam hal coding, dan tidak mempublikasikan perbandingan dengan baik Claude Fable 5.1 maupun C​laude M​ythos 5.1. Materi A​nthropic memposisikan M​ythos 5.1 melawan pendahulunya sendiri. Tidak ada vendor yang mempublikasikan pertarungan langsung, yang berarti pertandingan dalam judul artikel ini adalah salah satu yang telah dihindari kedua perusahaan dan yang tidak dapat dijalankan oleh lab independen mana pun, karena salah satu dari dua model tersebut tidak dapat dipanggil oleh evaluator.

Apa yang dapat dikatakan adalah di mana brief desainnya berbeda. Kumpulan perbandingan yang diterbitkan Argon mencakup Harvey's Legal Agent Benchmark, Vals Finance Agent v2, dan rangkaian injeksi prompt tidak langsung dari Gray Swan — pekerjaan pengetahuan, keluaran ekonomi, dan ketahanan terhadap injeksi. Bukti untuk tier M​ythos adalah pekerjaan keamanan ofensif dan defensif. Itu adalah pekerjaan yang berbeda, dan pembeli yang memilih di antara keduanya biasanya memilih antara model frontier umum yang kebetulan kuat dalam dokumen dan spesialis yang luar biasa kuat dalam permukaan serangan. Perbedaan biayanya, 5× pada harga daftar, adalah harga dari spesialisasi tersebut, dan itu hanya layak dibayar jika spesialisasinya adalah yang Anda butuhkan.

Apa yang dapat Anda sebut hari ini

Kedua model itu tidak ada dalam katalog OrcaRouter, dan itu bukan kondisi sementara yang bisa diperbaiki oleh sebuah platform — Gemini 4 Argon dapat diakses melalui API milik Google sendiri dengan tarif Google, dan Claude Mythos 5 dapat diakses melalui program verifikasi atau tidak sama sekali. Mencantumkan salah satunya di sini sebagai tersedia berarti berbohong.

Yang ada di katalog adalah anggota yang dapat dijangkau dari setiap keluarga. Claude Fable 5 adalah kembaran publik C​laude M​ythos 5 — bobot dasar yang sama, tumpukan pengaman penuh — pada harga daftar A​nthropic sebesar $10.00 per juta input dan $50.00 per juta output dengan markup 0%, dan Claude Fable 5.1 adalah padanan yang lebih baru pada tarif yang sama dengan pembacaan cache dipotong 75% menjadi $0.25. C​laude O​pus 5.5 tersedia pada $4.00 dan $20.00, dan materi peluncuran A​nthropic sendiri menyatakan bahwa model itu sebanding dengan C​laude M​ythos 5.1 dalam biologi dan keamanan siber — yang, jika dibaca secara gamblang, berarti vendor memberi tahu Anda bahwa keunggulan model terbatas itu telah menyempit menjadi perilaku penolakan yang hendak dibuka oleh program verifikasi. Tempatkan semua itu di balik satu endpoint dengan failover otomatis dan masalah "Saya tidak bisa mendapatkan model yang saya inginkan" menjadi konfigurasi routing alih-alih proyek riset: pekerjaan yang membutuhkan kemampuan yang berdekatan dengan M​ythos dialihkan ke Fable 5.1, pekerjaan yang membutuhkan penalaran umum yang lebih murah dialihkan ke tempat lain, dan menukar salah satunya hanyalah perubahan string model pada kunci yang sama.

Apa yang harus ditonton

Tiga sinyal, semuanya spesifik. Apakah harga perkenalan Google bertahan saat bersentuhan dengan trafik nyata, yang menjadi pemicu bagi argumen biaya untuk menjadi dapat ditindaklanjuti alih-alih teoretis. Apakah Anthropic menerbitkan tabel tolok ukur Mythos 5.1 pada set yang sama dengan Opus 5.5 — dokumen tunggal paling berguna yang dapat dirilis vendor, dan satu-satunya cara pembeli dapat menilai premi 5×. Dan apakah ambang lamaran Cyber Verification Program terus menurun, karena pembangunan ulang 6 Oktober adalah kali pertama kebijakan akses model ini bergerak menuju keterbukaan dan laju pergerakan itulah yang layak dilacak.

Sampai semua itu terwujud, ringkasan yang adil adalah bahwa Argon adalah model dengan harga, endpoint, dan penggaris milik orang lain yang diterapkan padanya, dan Claude Mythos 5 adalah model dengan reputasi dan formulir pendaftaran. Dua dari tiga hal itu dapat diperiksa, dan yang ketiga tidak.

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.