Claude Mythos 5 対 Gemini 4 Argon：一方は13日で扉を開き、もう一方は6月以来開いていない

Gemini 4 ArgonとClaude Mythos 5はどちらも、フラッグシップを超える能力を持つモデルとして発表され、初回アクセスは制限されていたが、その後両者は完全に異なる道を歩んでいる。GoogleがGemini 4 Argonを発表したのは2026年9月30日、信頼できるサイバー防御担当者によるFairwind Programのコホートを通じてであり、10月13日にはモデル文字列gemini-4-argonがGoogle自身の有料ティアでStableに移行した——発表からセルフサービスキーまで13日、導入価格は入力100万トークンあたり2ドル、出力100万トークンあたり10ドルが維持されている。Claude Mythos 5の歴史はずっと長い。Anthropicが2026年6月9日にClaude Fable 5の制限付き兄弟モデルとしてリリースし、9月1日にはClaude Mythos 5.1として刷新したが、依然として公開エンドポイントも、セルフサービスティアも、公開されたベンチマーク表も存在しない——アクセスはCyber Verification ProgramまたはLife Sciences Verification Programを通じたものだけに限られている。ほぼすべての読者にとって、この対決を決めるのはベンチマークの差ではなく、この違いなのだ。

同じ起源の物語を持ち、結末が異なる2つのモデル

どちらも同じ形で登場した。だからこそ、この分岐は示唆に富む。A​nthropicはC​laude M​ythos 5を6月9日世代の制限付きSKUとして出荷し、基盤となる重みを公開版のClaude Fable 5と共有し、セーフガードの水準だけが異なっていた。そして「審査済みの少数のパートナー」に提供した。G​oogleはG​emini 4 ArgonをまずFairwind Program——審査済みの政府当局、重要インフラ事業者、ソフトウェア保守担当者——に投入し、有料API顧客、G​oogle AI Ultra加入者、開発者、企業へのより広範なアクセスが続くと明白に述べた。そしてG​oogleは、すると言ったことを実際に行った。

Anthropicは何か違うことをした。それについては公平に評価する価値がある。10月6日、同社はCyber Verification Programを申請ベースの3つの階層に再構築し、Project Glasswingをそこに統合し、Claude Mythos 5.1をパートナーへの割り当てから、資格を満たすあらゆるセキュリティ組織が申請できるアクセス権の付与へと変えた。これは実際に門戸を大きく広げるものであり、このモデルの歴史で初めてのことだ。また、それは価格ではなく検証のハードルを設けた門戸であり、一般の開発者層ではなく、特にセキュリティ組織を対象としている。Googleの道は料金表に行き着き、Anthropicの道は申請審査に行き着く。

それぞれにかかる費用と、Argonの数値に関する注意点

• 入力 — G​emini 4 Argon は100万トークンあたり導入価格$2.00、C​laude M​ythos 5 は$10.00、5倍の差。

• 出力 — 100万あたり$10.00 対 $50.00、同じ5×。

• キャッシュ済み入力 — Argon は100万あたり $0.10、入力が95%オフ。C​laude M​ythos 5.1 は新しいSKUで $0.25、6月版では $1.00。

• コンテキストと出力 — 両方ともコンテキストは1Mトークン。Argonの出力上限は64Kから1Mに引き上げられ、M​ythosティアの128Kと対比される。

• モダリティ — Argon はテキスト、画像、動画、ファイルを入力として受け取り、テキストを出力します。Mythos ティアはテキスト、画像、ファイルを入力とします。

• アクセス — 10月13日以降の有料APIキー 対 30日間のデータ保持要件付きのA​nthropicの検証プログラムへの申請。

ただし注意すべきは「導入価格」という言葉だ。Googleの$2 / $10は開始時の料金であり、Google自身がそう認めている。そのように説明された料金は変動しうるので、予算を立てる際に基準とすべきは、契約する日にGoogleが提示している数字だ。もう一つの注意点は政策ではなく算数の話である。Artificial Analysisは、Argonでインデックススイート全体を実行するコストを$2,407——インデックスタスクあたり約$1.99——と測定しており、これは同じスイートをClaude Opus 5.5で実行した場合のおよそ3分の1にあたる。これは、タスクを完了するのにより少ないトークンとより少ない再試行で済むモデルでは、定価と実際のコストが乖離するということを思い起こさせる。Claude Mythos 5については同等の数値が存在しない。独立した評価者が呼び出せないからだ。

ベンチマークの非対称性、それが正直な見出しだ

G​emini 4 Argon は測定済みです。C​laude M​ythos 5 は測定されていません。そして、それは誰かがそれが弱いと考えているからではありません。

Argonが独自に公表した数値：Artificial Analysis Intelligence Indexはエフォート設定に応じて52.6～53で、実測ではインデックスタスクあたり1.99ドル、毎秒48.9出力トークン、初回トークンは2.79秒。Vals Indexは、GDP加重の経済影響ボードで68.90%（±0.97）の1位。ベンダー報告のタスクスコアは、Googleが9月30日の発表で公表し、依然として再現されていない：Terminal-Bench 4.0は57.1%、SciCodeは61.8%、Humanity's Last Examは57.1%、長コンテキスト推論は79.7%、AutomationBenchは51.3%で1位、Omniscienceの数値は42.4 — これはそのセットにおいて、同等のオープンモデルに対する単一タスクでの最大のリードである。

Claude Mythos 5の公表された記録は別物である。Anthropicはそれに関するベンチマークカードを維持していないため、出回っている数値はすべて又聞きである。名前の横に最もよく記載されるCyberGym Level 1のスコア83.8%は、Anthropicから出たものではまったくない — それは競合ベンダーの比較に現れ、そのベンダーは競争がどれほど接戦に見えるかに独自の利害を抱いている。ExploitBenchの数値78.0%はAnthropic自身のもので、6月のローンチ時にClaude Opus 4.8の40%に対して報告された。それ以外にも運用上の主張がある：27年間未発見だったOpenBSDのバグ、16年前のFFmpegの脆弱性、レンダラーとOSの両方のサンドボックスを脱出するために4つの欠陥を連鎖させるブラウザエクスプロイト、そしてユーザーからrootへのLinuxカーネルの特権昇格。

並べて置いてみると、両者のボードは比較にならない——そこが要点だ。一方のモデルには指標スコア、タスクごとのコスト、リーダーボード上の順位がある。もう一方にあるのは評判と、Anthropic のパートナーリストの外にいる誰も再現できない一連のケーススタディだ。Argon にはさらに、Mythos 層にはない文書化された批判がある。ブルームバーグは発表当日、直接アクセスできる一部の Google 従業員が、このモデルは実務ではベンチマークが示すほどにはうまく機能しないと述べ、挙げられたタスクの中にはフロントエンド設計もあったと報じ、またベンチマーク最適化の影響を受けていると述べたが、Google はこれを否定している。その報道は未検証であり、異論もある。それでも、この対決の一方の側には存在し、もう一方には存在しないデータポイントではある。

どちらのベンダーも行っていない比較

Googleの発表資料は、Argonをコーディング領域においてClaude Opus 5.5およびGPT-6 Astraと対置させており、Claude Fable 5.1ともClaude Mythos 5.1とも比較を一切公表していない。Anthropicの資料は、Mythos 5.1を自社の前世代モデルと対置している。どちらのベンダーも直接対決の比較を公表していない。つまり本記事のタイトルにある対決は、両社がともに避けてきたものであり、どの独立系ラボも実施できない。2つのモデルのうち一方は、評価者が呼び出せないのだから。

言えるのは、設計ブリーフが分岐する箇所である。Argonが公開している比較セットには、HarveyのLegal Agent Benchmark、Vals Finance Agent v2、そしてGray Swanの間接プロンプトインジェクション・スイートが含まれている——ナレッジワーク、経済的アウトプット、インジェクション耐性。Mythosティアのエビデンスは、攻撃的および防御的セキュリティの業務である。これらは別種の仕事であり、両者の間で選ぶ買い手は通常、たまたま文書処理に強い汎用フロンティアモデルと、攻撃面に異常に強い専門特化モデルのどちらかを選んでいる。価格差、すなわち定価で5倍という差は、その専門特化の対価であり、その専門性こそが自分に必要なものである場合にのみ、支払う価値がある。

今日電話できる相手

どちらのモデルも OrcaRouter のカタログには載っておらず、それはプラットフォームが修正できる一時的な状態ではありません — Gemini 4 Argon は Google 自身の API を通じて Google のレートで利用でき、Claude Mythos 5 は検証プログラムを通じてのみ利用できるか、まったく利用できません。ここでそのどちらかを利用可能として掲載するのは嘘になります。

カタログに載っているのは、各ファミリーの中で到達可能なメンバーだ。Claude Fable 5はC​laude M​ythos 5の公開版の双子 — 同じ基盤ウェイト、完全なセーフガードスタック — で、A​nthropicの定価は入力100万トークンあたり$10.00、出力100万トークンあたり$50.00、マークアップは0%。そしてClaude Fable 5.1は同じ料金の新しい同等品で、キャッシュ読み取りが75%削減されて$0.25になっている。C​laude O​pus 5.5は$4.00と$20.00で提供されており、A​nthropic自身のローンチ資料は、これが生物学とサイバーセキュリティにおいてC​laude M​ythos 5.1に匹敵すると述べている — これを素直に読めば、ベンダーが「制限付きモデルの優位性は、検証プログラムが解錠するために存在する拒否挙動にまで狭まった」と告げているに等しい。これらを自動フェイルオーバー付きの単一エンドポイントの背後に置けば、「欲しいモデルが手に入らない」という問題は、研究プロジェクトではなくルーティング設定になる。M​ythos隣接の能力を必要とする作業はFable 5.1へ、より安価な汎用推論を必要とする作業は別のところへ回り、どちらを入れ替えるのも同じキー上のモデル文字列の変更で済む。

何を見るべきか

3つのシグナルは、いずれも具体的だ。G​oogleの導入価格が実際のトラフィックに触れても持ちこたえるかどうか。これが、コスト論が理論ではなく実行可能になるきっかけだ。A​nthropicがM​ythos 5.1のベンチマーク表をO​pus 5.5と同じセットで公開するかどうか。これはベンダーが公表できる単一で最も有用な文書であり、購入者が5倍のプレミアムを評価できる唯一の方法だ。そして、Cyber Verification Programの申請基準が下がり続けるかどうか。10月6日の再構築は、このモデルのアクセス方針が開放性へと動いた最初の事例であり、追跡する価値があるのはその動きの速度だからだ。

それらが登場するまでは、公平な要約はこうだ。Argon は価格とエンドポイントを持ち、それに他人の物差しを当てられたモデルであり、Claude Mythos 5 は評判と申込書を持つモデルである。この三つのうち二つは検証可能で、三つ目は検証できない。

そうした話は決して仮定ではない。このようなリリースの背景にある、記録に残されたAIの障害やエージェントのインシデントはOrcaRouter AIインシデントアーカイブに集められており、各項目には独自の情報源、深刻度、信頼度グレード、係争中フラグが付されています。