Claude Mythos 5 vs DeepSeek V4 Pro: un divario di prezzo di 15×, e solo uno dei due è economico in ciò in cui è bravo

C​laude M​ythos 5 e DeepSeek V4 Pro non sono concorrenti nel senso usuale, e i numeri lo dicono prima di qualsiasi benchmark. C​laude M​ythos 5 è il flagship ristretto di A​nthropic per cyber e biologia del 9 giugno 2026 — aggiornato come C​laude M​ythos 5.1 il 1° settembre — al prezzo di 10 $ per milione di token in input e 50 $ per milione in output sul tier M​ythos e disponibile solo attraverso un programma di verifica. DeepSeek V4 Pro è il flagship MoE affine all'open-weights servito dalla API propria di D​eepSeek da aprile 2026 e aggiornato ad agosto, a 0,66 $ in input e 1,98 $ in output fuori punta, all'incirca un quindicesimo della tariffa M​ythos con letture dalla cache tredici volte più economiche, dietro una chiave che puoi creare in novanta secondi. Uno di questi è una capacità per cui fai domanda; l'altro è una voce di costo che ottimizzi. Il confronto vale comunque la pena, perché i due modelli sono scarsi nelle stesse cose e bravi nelle stesse cose, e il divario di prezzo è massimo esattamente dove il divario di capacità è minimo.

Cosa è realmente ciascun modello

Claude Mythos 5 è lo SKU riservato della generazione di frontiera di Anthropic, che condivide i pesi sottostanti con il Claude Fable 5 pubblico e si distingue solo per il livello di salvaguardia — i classificatori per cybersicurezza e biologia che restano attivi nel modello pubblico. Anthropic lo descrive come l'ultimo aggiornamento di Mythos Preview, con miglioramenti nei benchmark di cybersicurezza, biologia e assistenza sanitaria, rilasciato a "un piccolo gruppo di partner verificati". La sua cronologia dei benchmark pubblicati è scarna e deriva per lo più dalla copertura del lancio anziché da una scheda mantenuta, e il dato dell'83,8% di CyberGym Level 1 che circola insieme al nome non proviene da Anthropic. Il suo punto di forza noto è l'attività di sicurezza offensiva e difensiva: la reputazione del modello si basa sulla scoperta autonoma di vulnerabilità, e il suo perimetro di accesso è costruito attorno a questo — il Cyber Verification Program e lo scanner Claude Security, che mette Mythos 5 davanti a basi di codice reali per i clienti Enterprise senza consentire loro il prompting in forma libera.

DeepSeek V4 Pro è l'opposto sotto quasi ogni aspetto che conti commercialmente. È un modello Mixture-of-Experts con 1,6 trilioni di parametri totali e circa 49 miliardi attivi, una finestra di contesto di 1.048.576 token, un output massimo di 384.000 token, input solo testuale e un listino prezzi pubblicato. È stato rilasciato tramite l'API di D​eepSeek ad aprile, aggiornato con la build 0813 il 13 agosto, ed è ancora oggi erogato con fatturazione invariata — un punto che vale la pena dichiarare esplicitamente perché a settembre D​eepSeek ha annunciato il ritiro del modello, ha fissato una data e poi ha fatto marcia indietro undici giorni dopo sotto la pressione degli sviluppatori. La nota a piè di pagina sulla pagina dei prezzi di D​eepSeek stessa ora si legge come un impegno di continuità senza alcun orizzonte temporale associato.

Schede delle tariffe, con la riga che la maggior parte dei confronti omette

• Input — C​laude M​ythos 5 a $10,00 per milione di token contro DeepSeek V4 Pro a $0,66 fuori picco, $1,32 all'interno delle finestre di picco; un divario da 7,6× a 15,2×.

• Output — 50,00 $ per milione rispetto a 1,98 $ fuori punta, 3,96 $ in punta; un divario da 12,6× a 25×.

• Letture cache — $1,00 per milione per la generazione M​ythos di giugno, $0,25 su C​laude M​ythos 5.1 e Claude Fable 5.1, contro $0,022 per DeepSeek V4 Pro fuori picco; la voce che domina le lunghe esecuzioni degli agenti e dove il divario è più ampio.

• Contesto e tetto di output — 1M di token entrambi; output massimo di 128K sul lato M​ythos contro 384K per DeepSeek V4 Pro.

• Modalità — input di testo, immagini e file sul lato M​ythos rispetto al solo testo su DeepSeek V4 Pro.

• Accesso — un programma di verifica e un requisito di conservazione dei dati di 30 giorni rispetto a una chiave API self-service.

La riga della finestra di picco è quella che morde. La tariffa off-peak di D​eepSeek è la metà di quella di picco, e le finestre di picco sono 01:00–04:00 e 06:00–10:00 UTC, dal lunedì al venerdì, esclusi i giorni festivi cinesi; tutto il resto, inclusi i fine settimana interi, conta come off-peak. Un processo batch che viene eseguito secondo una pianificazione anziché su richiesta può finire in una finestra di picco senza che nessuno lo scelga, e la tariffa effettiva di input diventa $1,32. Resta comunque una frazione della tariffa di M​ythos, quindi la conclusione non si ribalta — ma un riepilogo "25× più economico" che ignora la finestra descrive un modello che potresti non star chiamando. Sul fronte M​ythos, nota la direzione di marcia sul caching: A​nthropic ha ridotto del 75% la lettura della cache tra le due generazioni, il che ti dice che il fornitore sa che il lungo lavoro agentico rilegge lo stesso contesto e che la voce della cache è dove risiede davvero la bolletta di un utente intensivo.

Il confronto benchmark che non può essere fatto

Ecco il problema onesto con questo confronto, e non è di poco conto. A​nthropic non pubblica una tabella di benchmark per C​laude M​ythos 5, e D​eepSeek non pubblica risultati contro M​ythos 5. I due modelli sono stati misurati su cose diverse da parti diverse, e le cifre che circolano per C​laude M​ythos 5 provengono per lo più da confronti di terze parti anziché da A​nthropic.

Ciò che esiste è asimmetrico in modo utile. D​eepSeek ha pubblicato una scheda completa per la build 0813, il tutto dichiarato dal fornitore e nulla riprodotto in modo indipendente: Terminal-Bench 2.1 a 87,9, DeepSWE a 62,7, CyberGym a 83,3, Humanity's Last Exam a 42,7 senza strumenti e 60,0 con essi, Toolathlon-Verified a 74,1, AutomationBench a 31,8. I valutatori indipendenti hanno poi ridimensionato notevolmente il quadro — Artificial Analysis colloca la build 0813 a 36 sul suo Intelligence Index con un costo misurato di 0,67 $ per attività dell'indice, e la sua variante non-reasoning a 20. Si tratta di un profilo di capacità reale per 0,66 $ per milione di token di input, e molto lontano dalla frontiera sul ragionamento generale.

Il punto in cui i due modelli effettivamente si sovrappongono è la sicurezza, e lì il confronto è istruttivo nella direzione sbagliata. DeepSeek riporta CyberGym a 83.3 per V4 Pro. Il numero più spesso riportato accanto a Claude Mythos 5 sullo stesso benchmark è 83.8 — e non proviene da Anthropic, ma dal confronto di un concorrente che ha tutto l'interesse a presentare la gara come molto serrata. Due cifre vicine ai vendor, separate da mezzo punto sullo stesso benchmark, non sono prova che un flagship MoE aperto eguagli il modello cyber ad accesso limitato di Anthropic. Sono prova che nessuno dei due numeri è stato verificato in modo indipendente e che il benchmark viene usato da entrambe le parti come infrastruttura di marketing.

Dove ognuno è lo strumento sbagliato

Metti a confronto i due modelli su una lista di attività e la separazione è abbastanza netta da poterci instradare.

Claude Mythos 5 è progettato per il lavoro nel campo della sicurezza ed è chiuso a quasi chiunque lo voglia. Se il tuo compito è la scoperta di vulnerabilità, lo sviluppo di exploit, il red-teaming contro la tua infrastruttura o la ricerca sulla sicurezza che richiede prompting in forma libera di un modello di frontiera, il livello Mythos è quello pensato per questo, e il prezzo non è l'ostacolo — lo è l'idoneità. Il gemello pubblico dello stesso modello, Claude Fable 5, presenta l'intero stack di salvaguardie, il che significa che penetration testing, generazione di exploit e scansione di vulnerabilità binarie restano bloccati; stai acquistando il livello di capacità, non i permessi cyber.

DeepSeek V4 Pro è costruito per il volume. Testo in ingresso, testo in uscita, un tetto di output enorme e un prezzo che rende economicamente banali cicli di retry aggressivi e lunghe pipeline di estrazione. Il suo profilo è esattamente quello che vuoi per la classificazione su larga scala, l'estrazione strutturata da documenti che sono già testo, il riassunto, il triage di primo passaggio e la parte centrale, densa di formattazione, di una pipeline di agenti. Quello che non è, è un modello a cui inviare un'immagine: non ha capacità visive, quindi un PDF scansionato o uno screenshot non è un percorso di input più economico, è un percorso escluso. E il suo indice generale di ragionamento di 36 significa che i compiti che richiedono un vero piano multi-step sono i compiti in cui il vantaggio di prezzo smette di compensare.

La struttura dei costi che rende il routing la risposta anziché un compromesso

Poiché i punti di forza non si sovrappongono molto, la mossa utile non è scegliere. Affida il lavoro che richiede visione e il ragionamento complesso al lato A​nthropic e il lavoro testuale ad alto volume a D​eepSeek, e il risparmio su un carico di lavoro misto è di solito notevole — ma solo se i due modelli stanno dietro un'unica chiave, perché altrimenti la seconda integrazione costa più tempo di ingegneria della differenza di spesa in token.

Questo è un caso da livello di routing più che da decisione di approvvigionamento. OrcaRouter offre anthropic/claude-opus-5.5 a $4,00 in ingresso e $20,00 in uscita e deepseek/deepseek-v4-pro a $0,66 e $1,98 sullo stesso endpoint compatibile con OpenAI, in un catalogo di oltre 200 modelli, con il prezzo di listino del provider passato con ricarico 0% — il che conta specificamente sul fronte DeepSeek, perché DeepSeek ha ritoccato il prezzo di V4 Pro più di una volta e ha spostato le sue fasce off-peak, e una rotta pass-through segue il listino del fornitore invece di congelare un numero nel tuo contratto. Il DSL di routing esprime la suddivisione in un unico punto — modello economico per il ramo facile, escalation quando la confidenza della risposta o la forma del compito lo richiede — e il failover automatico qui vale più che su un modello stabile: V4 Pro ha passato una settimana di settembre sotto una dismissione annunciata e poi ritirata, e avere una rotta che ripiega su un secondo provider senza un deploy è una copertura a basso costo contro un fornitore che cambia idea.

L'altro uso onesto dello stesso catalogo è come strumento di misura. L'abitudine di partire dal modello costoso è comune e costosa; l'unica soluzione affidabile è contare i token sul traffico reale con entrambi i modelli, il che è una modifica di configurazione quando entrambi sono su un'unica chiave e un progetto a sé quando non lo sono.

Cosa cambierebbe questo confronto

Due cose. Se DeepSeek rilascia un successore che colma il divario degli agenti a lungo orizzonte a un prezzo anche solo lontanamente simile a quello attuale, la divisione si riduce a una questione di prezzo e la risposta è banale — e DeepSeek ha fatto questa mossa ripetutamente, incluso un rilascio di settembre che, a suo dire, supera in modo completo V4 Pro su prestazioni, costo e velocità. Nell'altra direzione, se Anthropic pubblica una tabella di benchmark di Mythos 5 o 5.1 su un set standard, la parte relativa alla sicurezza di questo confronto diventa verificabile anziché asserita, e gli acquirenti potrebbero finalmente capire se il listino da 10 / 50 $ stia comprando qualcosa che i 0,66 $ di DeepSeek non offrono.

Non è accaduto né l'uno né l'altro. Finché una delle due cose non accadrà, la posizione pratica è che DeepSeek V4 Pro offre il miglior rapporto valore per token sul mercato per il lavoro di tipo testuale ed è prezzato come se il ragionamento di frontiera fosse una commodity ormai risolta, mentre Claude Mythos 5 è una capacità che la maggior parte dei team non può ottenere e un prezzo che la maggior parte dei team non pagherebbe se potesse. Costruisci su quello che puoi chiamare; tieni il nome del modello nella configurazione, così l'altro diventa una modifica di una riga se mai verrà reso disponibile.

Niente di tutto ciò è ipotetico: i fallimenti documentati dell'IA e gli incidenti degli agenti alla base di rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.