Claude Mythos 5 vs Gemini 4 Pro: Namanya Salah, Kesenjangan Akses Itu Nyata

Jika Anda membandingkan Claude Mythos 5 dengan Gemini 4 Pro, hal pertama yang perlu diketahui adalah bahwa hanya satu dari nama tersebut yang merujuk pada model yang dapat Anda beli. Google belum merilis apa pun yang bernama Gemini 4 Pro. Model Gemini 4 terdepan yang ada dalam produksi adalah Gemini 4 Argon, diumumkan pada 30 September 2026 kepada kelompok tertutup pertahanan siber dan dibuka ke seluruh dunia pada 13 Oktober 2026 dengan harga perkenalan $2 per juta token input dan $10 per juta token output. Claude Mythos 5, yang dirilis pada 9 Juni 2026, mengenakan biaya $10 dan $50 untuk unit yang sama dan sama sekali tidak dijual secara mandiri. Jadi, perbandingan yang jujur bukanlah "flagship mana yang lebih baik." Melainkan spesialis terbatas dengan harga output lima kali lipat versus generalis yang terbuka untuk semua dengan tarif promosi yang berakhir pada 30 November 2026.

Kebingungan penamaan ini layak dijelaskan, bukan dihindari, karena kebingungan ini sudah menghasilkan sederet halaman perbandingan yang mengutip spesifikasi untuk model yang tidak muncul dalam dokumentasi API Google. “Gemini 4 Pro” beredar sebagai label komunitas untuk checkpoint internal dan untuk rilis Argon itu sendiri. Dokumentasi pengembang Google mencantumkan gemini-4-argon. Setiap angka di bawah ini untuk sisi Google berasal dari model tersebut.

Apa yang sebenarnya dirilis Google

Perubahan utama Gemini 4 Argon bukanlah jendela input, yang belum dipublikasikan secara resmi oleh Google. Melainkan batas maksimum output: satu juta token dalam satu respons, naik dari 64K pada generasi sebelumnya. Itu adalah jenis kemampuan yang berbeda dari jendela konteks besar. Output satu juta token memungkinkan model menulis seluruh migrasi, rangkaian tes lengkap, atau dokumen panjang dalam satu lintasan tanpa penyambungan, dan itu mengubah apa yang dapat dikembalikan oleh loop agentik dalam satu langkah.

Benchmark peluncuran yang dipublikasikan Google, semuanya dilaporkan vendor dan tidak direproduksi secara independen:

• DeepSWE v1.1 — 77,9%, dibandingkan 74,2% untuk Claude Opus 5.5 dan 74,1% untuk GPT-6 Astra dalam perbandingan Google.

• Vals Index — 68,9%, peringkat pertama pada komposit Google untuk tugas keuangan, hukum, pajak, dan coding.

• Zapier AutomationBench — 51,3%, peringkat pertama.

• LVBench — 91,7% dalam pemahaman video panjang.

• CWE-bench v1 — 68% dalam remediasi kerentanan, berbagi posisi pertama.

• Harvey Legal Agent Benchmark — 19,6% lulus semua.

Titik lemahnya sama spesifiknya dan lebih jarang dikutip. Argon tertinggal dari Claude Opus 5.5 sekitar sembilan poin pada Terminal-Bench 4.0, dan tertinggal dari GPT-6 Astra sekitar 10,5 poin pada FrontierSWE v2 dan Terminal-Bench Science. Pada GDPval-AA, skornya 56%, yang oleh salah satu pelacak ditempatkan di peringkat ke-14. Artificial Analysis memberinya Intelligence Index 53 — peringkat ketiga, seri dengan GPT-6 Astra dan di belakang Opus 5.5 pada 58.

Selisih harga memiliki kalender yang terlampir

Tarif $2/$10 Argon adalah tarif pengenalan. Mulai 1 Desember 2026, tarifnya menjadi $4/$20. Perbandingan yang dijalankan banyak halaman saat ini secara diam-diam mengasumsikan angka promosi itu permanen, sehingga selisihnya terhadap Claude Mythos 5 tampak seperti 5× pada output, padahal setelah perubahan menjadi 2.5×. Input yang di-cache adalah separuh cerita lainnya: Argon memberikan diskon 95% untuk pembacaan cache, menjadi $0.10 per juta, sedangkan pembacaan cache Mythos 5 adalah $1.00 per juta. Bagi agen yang membaca ulang repositori besar pada setiap giliran, rasio itu lebih menentukan tagihan daripada harga output yang ditonjolkan.

Mythos 5 memiliki satu keunggulan harga yang jarang disebutkan: permintaan batch setengah harga, dan konteks 1 juta token-nya terdokumentasi, bukan disimpulkan. Google telah menerbitkan batas output tetapi bukan jendela input, dan pelacak pihak ketiga telah mengisi celah itu dengan angka yang belum dikonfirmasi Google. Jika aplikasi Anda bergantung pada batas maksimum input tertentu, itu adalah pertanyaan pengadaan, bukan pertanyaan benchmark.

Dua lembar tolok ukur yang tidak pernah bertemu

Tidak ada harness bersama antara kedua model ini dalam angka publik mereka. Google melaporkan DeepSWE v1.1; lembar Mythos 5 milik Anthropic mengunggulkan SWE-bench Pro pada 80,3%, Terminal-Bench 2.1 pada 88,0%, SWE-bench Verified pada 95,5%, CyberGym pada 83,8%, dan ExploitBench pada 78,0%. Itu adalah tes yang berbeda, dijalankan oleh lab yang berbeda, pada tanggal yang berbeda. Menempatkannya berdampingan menghasilkan tabel yang tampak seperti perbandingan dan sebenarnya bukan perbandingan.

Satu-satunya titik acuan lintas-model yang jujur adalah indeks netral. Artificial Analysis mencantumkan Gemini 4 Argon pada 53. Claude Mythos 5 sama sekali tidak muncul di indeks itu — entri terdekatnya adalah saudaranya, Claude Fable 5.1, dan penerusnya, Claude Mythos 5.1. Bagi model yang telah tersedia sejak Juni, tidak adanya skor independen itu sendiri merupakan informasi: pembatasan akses yang membuat Mythos 5 tidak beredar secara umum juga membuatnya absen dari sebagian besar alur evaluasi.

Akses adalah variabel penentu, bukan kualitas

Claude Mythos 5 tidak dapat dibeli dengan kartu kredit. Pada 6 Oktober 2026, Anthropic merestrukturisasi Cyber Verification Program menjadi tiga tingkat berbasis permohonan — Defence Access, Red Team Access, dan tingkat Specialised Access yang dikhususkan untuk infrastruktur kritis — dengan mitra Project Glasswing lama dimasukkan ke tingkat teratas. Permohonan ditinjau, hanya untuk organisasi AS saat peluncuran, dan semua lalu lintas kelas Mythos memiliki kebijakan retensi 30 hari yang wajib sehingga membuatnya tidak mungkin digunakan oleh siapa pun yang memiliki komitmen nol retensi. Tidak ada halaman pendaftaran.

Gemini 4 Argon mengambil arah sebaliknya secara bertahap. Model ini diluncurkan kepada defender yang telah diverifikasi melalui Fairwind Program, lalu dibuka untuk pelanggan API berbayar pada 13 Oktober. Jika Anda sedang membangun sesuatu kuartal ini dan Anda bukan organisasi keamanan dengan linimasa tinjauan, salah satu dari model ini adalah pos anggaran dan yang lainnya adalah proyek.

Asimetri itu juga membingkai ulang argumen benchmark. Model yang tidak dapat Anda panggil memiliki skor kualitas, bukan keunggulan kualitas. Pertanyaan yang relevan bagi sebagian besar tim adalah model yang tersedia secara umum mana yang memberi mereka hal yang paling mendekati perilaku kelas Mythos. Di sisi Anthropic, itu adalah Claude Fable 5.1: model dasar yang sama dengan pengaman yang tetap utuh, $10/$50, dan tanpa program verifikasi. Di sisi Google, itu adalah Argon sendiri, yang tersedia secara luas tetapi bukan produk yang sama dengan model siber tanpa pengklasifikasi.

Bagaimana memilih tanpa perbandingan langsung yang tidak dapat Anda lakukan

Jika pekerjaan Anda adalah keamanan ofensif yang sah, red teaming, atau analisis malware di dalam organisasi yang dapat lolos tinjauan, Claude Mythos 5 adalah spesialisnya dan proses akses adalah harga masuknya. Jika pekerjaan Anda adalah pembuatan kode dengan keluaran panjang, migrasi, atau sintesis dokumen, Gemini 4 Argon lebih murah hari ini, bahkan lebih murah lagi setelah penyesuaian harga Desember dibandingkan Mythos 5 untuk keluaran, dan tersedia tanpa pengajuan permohonan.

Bagi semua orang di antaranya, jawaban praktisnya adalah jangan memilih salah satu pun sebagai satu-satunya dependensi. Claude Fable 5.1 dan Claude Fable 5 sama-sama ada di katalog OrcaRouter dengan harga daftar tanpa markup, yang berarti daftar harga Anthropic sampai kepada Anda tanpa perubahan dan perubahan harga langsung berlaku pada hari yang sama. Gemini 4 Argon belum ada di katalog kami; model Gemini yang kami rutekan adalah lini 3.x, jadi kontrak langsung dengan Google tetap menjadi jalur untuk Argon. Menjalankan sisi Anthropic melalui satu endpoint bersama model yang sudah Anda gunakan adalah cara murah untuk menguji apakah Fable 5.1 memenuhi standar Anda sebelum Anda berkomitmen pada program verifikasi untuk kembarannya yang tanpa batasan.

Apa yang akan mengubah perbandingan ini?

Dua tanggal penting. Pada 1 Desember 2026, harga Argon menjadi dua kali lipat, yang mempersempit kesenjangan keluaran menjadi 2,5× dan membuat perbedaan pembacaan cache lebih penting daripada harga daftar. Dan program tiga tingkat Anthropic masih cukup baru sehingga jadwal persetujuan merupakan pernyataan vendor, bukan hasil pengamatan. Jika Defence Access ternyata memakan waktu berhari-hari, bukan berminggu-minggu, argumen aksesnya melemah dan spesialis tersebut menjadi opsi yang realistis bagi jauh lebih banyak tim keamanan. Sampai saat itu, ringkasan yang adil adalah bahwa Google menjual generalis terdepan dengan harga promosi dan Anthropic menjual spesialis terbatas kepada daftar organisasi yang disetujui — dan itu adalah produk yang berbeda sebelum menjadi skor yang berbeda.