Claude Mythos 5 vs Gemini 4 Pro：名前は間違っているが、アクセス格差は現実だ

Claude Mythos 5 と Gemini 4 Pro を比較しているなら、まず知っておくべきは、そのうち実際に購入できるモデル名は片方だけだということです。Google は Gemini 4 Pro という名称のものをリリースしていません。本番環境にあるフロンティア Gemini 4 モデルは Gemini 4 Argon で、2026年9月30日にサイバーディフェンダーの限定グループ向けに発表され、2026年10月13日に、導入価格として入力100万トークンあたり2ドル、出力100万トークンあたり10ドルで世界中に公開されました。2026年6月9日にリリースされた Claude Mythos 5 は、同じ単位で10ドルと50ドルかかり、セルフサービスではまったく販売されていません。したがって、正直な比較は「どちらのフラッグシップが優れているか」ではありません。出力価格が5倍の限定提供の専門特化モデルと、2026年11月30日に終了するプロモーション料金で誰にでも開放されている汎用モデルとの比較なのです。

命名の混乱は迂回するのではなく解消する価値がある。なぜなら、それはGoogleのAPIドキュメントに記載されていないモデルの仕様を引用する比較ページをすでに大量に生み出しているからだ。「Gemini 4 Pro」は、内部チェックポイントやArgonリリース自体に対するコミュニティの呼び名として流通している。Googleの開発者ドキュメントにはgemini-4-argonが記載されている。以下のGoogle側の数値はすべてそのモデルに由来する。

Googleが実際にリリースしたもの

Gemini 4 Argonの目玉となる変更は、Googleが正式に公開していない入力ウィンドウではない。それは出力の上限だ。1回の応答で100万トークンとなり、前世代の64Kから増加している。これは巨大なコンテキストウィンドウとは異なる種類の能力である。100万トークンの出力により、モデルは継ぎ接ぎなしに1つの流れで移行作業全体、完全なテストスイート、あるいは長い文書を書き上げることができ、エージェント型ループが1ステップで返せる内容を変える。

Googleが公開したローンチ時のベンチマークは、すべてベンダー報告によるもので、独立して再現されたものではありません：

• DeepSWE v1.1 — {{1}}77.9%{{/1}}、Googleの比較ではClaude Opus 5.5の74.2%、GPT-6 Astraの74.1%に対して。

• Vals Index — 68.9%、Googleの金融・法務・税務・コーディングの各タスクを総合した評価で第1位。

・Zapier AutomationBench — 51.3%、第1位。

• LVBench — 長尺動画理解において91.7%。

• CWE-bench v1 — 脆弱性の修復で68%、同率首位。

• Harvey Legal Agent Benchmark — 全項目合格率 19.6%。

弱点も同じくらい具体的だが、あまり引用されていない。ArgonはTerminal-Bench 4.0でClaude Opus 5.5に約9ポイント劣り、FrontierSWE v2とTerminal-Bench ScienceではGPT-6 Astraに約10.5ポイント劣る。GDPval-AAでは56%を記録し、ある追跡調査では14位に位置づけられている。Artificial Analysisはインテリジェンス指数を53としている。これは3位で、GPT-6 Astraと同率、58のOpus 5.5に次ぐ。

価格差にはカレンダーが付いている

Argonの$2/$10は導入価格です。2026年12月1日からは$4/$20になります。今日ほとんどのページが提示している比較は、そのプロモーション価格が恒久的なものだと暗黙に前提しており、そのせいでClaude Mythos 5との差は出力で5倍に見えますが、変更後は2.5倍です。キャッシュ入力もこの話のもう半分を占めます。Argonはキャッシュ読み取りを95%割引して100万あたり$0.10としていますが、Mythos 5のキャッシュ読み取りは100万あたり$1.00です。毎ターン大規模なリポジトリを再読み込みするエージェントにとって、請求額を左右するのは見出しの出力価格よりもこの比率です。

Mythos 5にはめったに言及されない価格面の利点が1つある。バッチリクエストは半額で、100万トークンのコンテキストは推測ではなく文書化されている。Googleは出力上限を公開しているが入力ウィンドウは公開しておらず、第三者のトラッカーがGoogle未確認の数値でその空白を埋めてきた。アプリケーションが特定の入力上限に依存しているなら、それはベンチマークの質問ではなく調達の質問だ。

決して交わることのない2枚のベンチマークシート

これら2つのモデルの公開数値の間には、共通の評価ハーネスが存在しない。GoogleはDeepSWE v1.1を報告している。AnthropicのMythos 5の資料は、SWE-bench Pro 80.3%を筆頭に、Terminal-Bench 2.1 88.0%、SWE-bench Verified 95.5%、CyberGym 83.8%、ExploitBench 78.0%を掲げている。これらは異なるテストであり、異なるラボが異なる日付に実施したものだ。それらを横に並べると、比較のように見えて比較ではない表ができあがる。

クロスモデル比較における唯一の正直な基準点は、中立的な指標だ。Artificial AnalysisはGemini 4 Argonを53として掲載している。Claude Mythos 5はその指標に一切登場しない。最も近い項目は、兄弟モデルのClaude Fable 5.1と後継モデルのClaude Mythos 5.1だ。6月から利用可能なモデルにとって、独立したスコアが存在しないこと自体が情報である。Mythos 5を一般流通から締め出しているアクセス制限は、ほとんどの評価パイプラインからも締め出しているのだ。

決め手となる変数は品質ではなくアクセスだ

Claude Mythos 5はクレジットカードでは購入できません。2026年10月6日、AnthropicはCyber Verification Programを、申請ベースの3つの階層——Defence Access、Red Team Access、および重要インフラ向けに限定されたSpecialised Access階層——に再編し、旧Project Glasswingのパートナーは最上位階層に組み込みました。申請は審査制で、開始時点では米国の組織のみが対象です。また、Mythosクラスのすべてのトラフィックには必須の30日間保持ポリシーが適用されるため、ゼロ保持を約束している組織には利用できません。サインアップページはありません。

Gemini 4 Argonは段階的に別の道をたどった。Fairwind Programを通じて審査済みの防御者向けに提供を開始し、その後10月13日に有料API顧客へ開放した。今四半期に何かを作っていて、レビュー期間を伴うセキュリティ組織でないなら、これらのモデルの一方は経費項目で、もう一方はプロジェクトだ。

その非対称性は、ベンチマークをめぐる議論の枠組みも変える。呼び出すことのできないモデルが持つのは品質スコアであり、品質上の優位性ではない。ほとんどのチームにとって重要な問いは、一般に利用可能なモデルのうち、どれがMythos級の挙動に最も近いものを提供するかである。Anthropic側ではそれがClaude Fable 5.1だ。同じ基盤モデルでありながらセーフガードはそのままに、価格は$10/$50、検証プログラムもない。Google側ではそれがArgon自体であり、広く利用可能ではあるものの、分類器なしのサイバーモデルとは同じ製品ではない。

実行できない直接比較なしでどう選ぶか

あなたの業務が、審査を通過できる組織内での許可された攻撃的セキュリティ、レッドチーミング、マルウェア分析であるなら、Claude Mythos 5 が専門特化型であり、アクセス手続きが参入コストです。あなたの業務が長文出力のコード生成、移行、文書合成であるなら、Gemini 4 Argon は今日時点で安く、12月の価格改定後は出力において Mythos 5 よりさらに安く、しかも申請なしで利用できます。

その中間にいるすべての人にとって、実用的な答えは、どちらか一方を単一の依存先として選ぶことではありません。Claude Fable 5.1 と Claude Fable 5 はどちらも OrcaRouter のカタログに、マークアップなしの定価で掲載されています。つまり、Anthropic の料金表は変わらずにあなたのもとに届き、価格変更は当日に反映されます。Gemini 4 Argon はまだ当社のカタログにはありません。当社が実際にルーティングしている Gemini モデルは 3.x 系なので、Argon については直接 Google と契約するのが依然として手段です。Anthropic 側を、すでに使用しているモデルと並べて 1 つのエンドポイント経由で実行することは、Fable 5.1 があなたの基準を満たすかどうかを、その無制限版の双子のために検証プログラムにコミットする前に安価に試す方法です。

この比較を変えるものは何でしょうか？

重要な日付が2つある。2026年12月1日にArgonの価格が2倍になり、これによって出力コストの差は2.5×まで縮まり、定価よりもキャッシュ読み取りの差の方が重要になる。またAnthropicの3層プログラムはまだ新しく、承認までの期間は実測値ではなくベンダーによる説明にすぎない。Defence Accessが数週間ではなく数日で済むとなれば、アクセスの論拠は弱まり、この専門特化モデルははるかに広い範囲のセキュリティチームにとって現実的な選択肢になる。それまでは、Googleはフロンティア汎用モデルを販促価格で販売しており、Anthropicは制限付きの専門特化モデルを承認済み組織のリスト向けに販売している、というのが公平な要約だ。そしてこれらは、スコアが異なる以前に、そもそも製品が異なる。