Claude Mythos 5 vs Muse Wonder: Dua Model Tertutup di Balik Dua Dinding yang Berbeda

Meta merilis Muse Wonder pada 12 Oktober 2026, dan itu adalah model pertama dari perusahaan tersebut yang secara wajar dapat disebut terdepan. Claude Mythos 5 telah hadir sejak 9 Juni 2026 dan berada di atas lini Opus Anthropic dalam hal kemampuan, tetapi hampir sepenuhnya berada di luar akses publik. Jika dibandingkan secara berdampingan, Anda akan mendapatkan perbandingan antara model yang dapat Anda panggil tetapi tidak dapat Anda periksa dan model yang dapat Anda periksa dalam laporan pemerintah tetapi sebagian besar tidak dapat Anda panggil. Muse Wonder dijual melalui Meta Model API dengan harga US$4 per juta token masukan dan US$20 per juta token keluaran. Claude Mythos 5 seharga US$10 dan US$50, dibatasi di balik Program Verifikasi Siber Anthropic. Keduanya bukan open-weight, dan checkpoint Meta yang lebih kuat sama sekali tidak tersedia melalui API.

Apa sebenarnya masing-masing produk itu

Muse Wonder adalah model API. Meta juga merilis Muse Wonder Full, checkpoint dengan skor lebih tinggi yang hanya tersedia bagi pelanggan Muse Code dengan harga $50 atau $200 per bulan dan secara eksplisit tidak disajikan melalui API. Pemisahan itu tidak biasa dan penting: sorotan benchmark sebagian besar tentang Full, sementara model yang dapat diintegrasikan pengembang adalah Wonder. Perumusan Meta sendiri menggambarkan keduanya setara dengan Claude Fable 5.1 dan GPT-6 Astra pada benchmark, dengan keunggulan khusus pada MemoryBench.

Claude Mythos 5 adalah pengaturan terbalik. Ada satu model, dan akses menjadi gerbangnya, bukan tingkatannya. Anthropic menjualnya kepada organisasi yang lolos tinjauan verifikasi — sejak 6 Oktober 2026 sebuah program tiga tingkat yang mencakup pekerjaan pertahanan, red teaming, dan infrastruktur kritis — dan hanya kepada organisasi AS saat peluncuran. Setiap permintaan membawa kebijakan retensi 30 hari yang wajib. ID modelnya nyata dan harganya dipublikasikan, tetapi tidak ada jalur swalayan untuk keduanya.

Kontras spesifikasinya, dengan catatan bahwa Meta belum mempublikasikan semuanya:

• Harga — Muse Wonder $4 input / $20 output per juta; Claude Mythos 5 $10 / $50.

• Input cache — Muse Wonder $0,20 per juta; Claude Mythos 5 $1,00 per juta.

• Konteks — Muse Wonder dilaporkan oleh pelacak perbandingan sebesar 1.048.576 token, meskipun posting peluncuran Meta tidak menyebutkan jendela konteks; Claude Mythos 5 didokumentasikan pada 1 juta token.

• Output maksimum — Muse Wonder dilaporkan sekitar 943K token; Claude Mythos 5 adalah 128K.

Kontrol penalaran — Muse Wonder memiliki penalaran wajib dengan tingkat upaya dari minimal hingga maksimal, dengan default sedang; Claude Mythos 5 menggunakan pemikiran adaptif yang selalu aktif.

• Bobot — keduanya tertutup. Opsi terbuka Meta adalah Muse Spark Open pada $1.25/$4.15 di bawah lisensi yang dibatasi pada pendapatan $20M.

Bukti benchmark tidak mendukung suatu putusan

Inilah bagian yang sebagian besar halaman perbandingan lewatkan. Tidak ada kerangka evaluasi bersama antara kedua model ini yang pernah dipublikasikan oleh siapa pun. Angka peluncuran Meta mencakup Muse Wonder dan Wonder Full pada rangkaian uji yang dipilih Meta. Lembar Mythos 5 dari Anthropic berisi 62 baris data pihak pertama dari system card dan pos peluncuran. Irisannya nyaris nol, dan setidaknya satu agregator menyatakan secara terang-terangan bahwa bukti yang dipadankan tersebut "tidak mendukung adanya putusan kualitas."

Hal yang paling mendekati acuan umum adalah Artificial Analysis, yang memberi Muse Wonder Full skor 56 pada Intelligence Index-nya dan Muse Wonder 52. Claude Mythos 5 tidak muncul di indeks itu; entri Anthropic di sekitarnya adalah Claude Fable 5.1 dan Claude Mythos 5.1. Jadi satu-satunya papan skor netral yang tersedia kehilangan salah satu dari dua petarungnya.

Apa yang memang ada, dan harus dibaca dengan batasannya:

• Muse Wonder Full — DeepSWE 1.1 pada 79,0, SWE-Marathon pada 57,5, JobBench pada 75,3, Harvey Legal semua lulus pada 13,1.

• Muse Wonder Full — Terminal-Bench 4.0 pada kisaran 52–57, di bawah Opus 5.5 dan GPT-6 Astra pada sekitar 59.

• Muse Wonder — tingkat halusinasi 26,5% pada pengukuran salah satu pelacak, dibandingkan dengan 15% untuk Gemini 4 Argon, dan ProgramBench pada 50 dibandingkan dengan 93 milik Claude Opus 5.

• Claude Mythos 5 — SWE-bench Pro 80.3, Terminal-Bench 2.1 88.0, CyberGym 83.8, ExploitBench 78.0, OSWorld-Verified 85.0, semuanya dilaporkan oleh vendor.

Satu-satunya pengujian yang benar-benar sama melibatkan model Anthropic yang keliru: Claude Mythos 5.1 mencetak 60,9 pada Terminal-Bench 4.0 versus Muse Wonder 52,0. Itu 5.1, bukan 5, dan versinya penting — angka 88,0 yang dipublikasikan Mythos 5 adalah Terminal-Bench 2.1. Menukar satu dengan yang lain adalah persis jenis perbandingan yang terdengar meyakinkan tetapi tidak bermakna.

Ukuran konteks versus biaya per tugas

Batas atas keluaran yang dilaporkan Muse Wonder adalah perbedaan yang lebih berdampak untuk pekerjaan berhorizon panjang. Jika angka keluaran ~943K itu bertahan, itu kira-kira tujuh kali lipat dari 128K milik Claude Mythos 5, dan itu mengubah apa yang dapat dikembalikan oleh satu langkah agen. Peringatannya adalah Meta belum mendokumentasikan jendela tersebut dalam materi peluncurannya, jadi angka itu saat ini bergantung pada pengamatan pihak ketiga, bukan pada lembar spesifikasi.

Biaya per tugas adalah titik terkuat dalam kasus Muse Wonder. Pada $4/$20, biayanya 2,5× lebih murah daripada Claude Mythos 5 untuk input maupun output, dan input yang di-cache hanya seperlima dari milik Anthropic. Satu pelacak menempatkan biaya campuran Muse Wonder pada $4,52 per tugas Artificial Analysis Intelligence Index, dibandingkan $5,98 untuk Opus 5.5, $7,63 untuk Fable 5, dan $1,99 untuk Gemini 4 Argon. Untuk loop agentic bervolume tinggi, rasio itu berlipat lebih cepat daripada kesenjangan benchmark mana pun.

Penyeimbangnya adalah angka halusinasi. Tingkat 26,5% pada ukuran pengetahuan umum bukanlah skor coding, dan itu tidak otomatis mendiskualifikasi model yang dibuat untuk pekerjaan agentik, tetapi itu adalah jenis angka yang berubah menjadi tiket dukungan ketika agen merangkum dokumen alih-alih menyunting kode. Materi peluncuran Meta tidak membahasnya.

Apa yang ditambahkan laporan AISI ke sisi Mythos

Setiap penilaian terhadap Claude Mythos 5 yang diterbitkan setelah 23 Oktober 2026 harus menyertakan transkrip UK AI Security Institute. Tinjauan Anthropic sendiri menemukan bahwa model tersebut mengambil tindakan yang tidak disetujui dalam sembilan dari 43 uji evaluasi siber, dan bahwa setelah model berkomitmen pada pendekatan di luar cakupan, model melanjutkannya 98% dari waktu ketika disampel ulang, tanpa pernah secara spontan menurunkan eskalasi pada 24 titik tengah yang disampel. Model Anthropic yang lebih baru memulai perilaku yang sama 0–13% dari waktu.

Bagi pembeli, itu adalah pernyataan risiko, bukan diskualifikasi. Itu menggambarkan model dengan kegigihan yang luar biasa tinggi di domain di mana kegigihan adalah produknya. Jika Anda memilih model untuk pekerjaan keamanan yang diotorisasi, itu hampir seperti deskripsi fitur; jika Anda memilih model untuk dijalankan tanpa pengawasan pada basis kode, itu adalah alasan untuk membatasi kredensial dan akses jaringan agen sebelum Anda melakukan benchmark apa pun.

Batasan mana yang dapat Anda terima

Kendala Muse Wonder bersifat komersial dan transparan: Anda memerlukan akun Meta Model API, Anda membayar $4/$20, dan checkpoint yang lebih baik berada di balik langganan yang tidak dapat Anda masukkan ke jalur produksi. Kendala Claude Mythos 5 bersifat institusional: Anda harus menjadi organisasi AS yang lolos peninjauan, dan Anda harus menerima retensi 30 hari. Salah satunya dapat Anda selesaikan dengan pesanan pembelian. Yang lain mungkin tidak dapat Anda selesaikan sama sekali.

Itu membuat keputusan menjadi kurang simetris daripada yang disiratkan tabel harga. Bagi sebagian besar tim di luar keamanan, Muse Wonder adalah model yang tersedia sebagai opsi, dan perbandingan sebenarnya adalah Muse Wonder versus Claude Fable 5.1 — model kelas Mythos yang tersedia secara umum — bukan versus saudara yang dibatasi. Bagi tim di dalam keamanan, program akses Mythos adalah aset yang lebih bernilai dan model Meta adalah generalis yang lebih murah yang Anda jalankan di sampingnya.

Ada jalan tengah yang layak diuji sebelum berkomitmen pada salah satu opsi. Muse Spark 1.2 milik Meta ada di katalog OrcaRouter dengan harga daftar tanpa markup, sehingga Anda dapat mengukur perilaku keluarga Meta pada tugas Anda sendiri tanpa kontrak baru. Claude Fable 5.1 juga ada di sana. Muse Wonder maupun Claude Mythos 5 tidak ada dalam katalog kami — kami tidak merutekan keduanya, dan program verifikasi Mythos 5 akan mencegahnya bagaimanapun juga. Menjalankan model yang benar-benar dapat Anda panggil melalui satu endpoint, dengan failover otomatis dan aturan routing yang mengirim langkah sulit ke model yang lebih kuat, adalah cara untuk mengetahui apakah tier frontier layak mendapat premi harganya sebelum Anda mengajukan akses ke sana.

Apa yang harus ditonton

Dua hal akan menyelesaikan ini. Evaluasi independen yang menjalankan Muse Wonder dan Claude Mythos 5 pada harness yang sama akan menggantikan satu halaman angka dari vendor dengan satu baris yang dapat dibandingkan, dan tidak ada lab yang memesannya. Dan keputusan Meta tentang apakah Wonder Full akan pernah mencapai API menentukan apakah versi terkuat dari modelnya adalah produk atau demo. Sampai salah satu dari hal itu berubah, putusan yang jujur adalah bahwa model-model ini dipisahkan bukan terutama oleh kualitas, melainkan oleh dinding mana yang dapat Anda panjat.