Claude Mythos 5 vs GPT-6 Sol：出力価格50ドル対10ドルという構図

Claude Mythos 5 は出力100万トークンあたり50ドルで、申請なしには購入できません。GPT-6 Sol は出力100万トークンあたり10ドルで、OpenAI が2026年9月22日に出荷して以来、OrcaRouter のカタログに並んでいます。これが一行で言える比較のすべてであり、この問いを口にするほとんどのチームが明白な答えとは別のところに行き着く理由です。2026年6月9日にリリースされた Claude Mythos 5 はスペシャリストです。サイバーセーフガードが解除された Mythos クラスのモデルで、審査済みの防衛組織に販売されています。GPT-6 Sol は、OpenAI がボリュームを獲るために価格を設定した汎用モデルです。興味深い問いは、どちらがより賢いかではありません。追加の40ドルで何が買えるのか、そしてそれを買うことが許されているのかどうかです。

レートカードを1行ずつ

• 入力 — Claude Mythos 5 は100万あたり10ドル、GPT-6 Sol は100万あたり2ドル。

• 出力 — Claude Mythos 5 は100万あたり50ドル、GPT-6 Sol は100万あたり10ドル。

• キャッシュされた入力 — Claude Mythos 5 は100万トークンあたり$1.00、GPT-6 Sol は100万トークンあたり$0.20。

• コンテキスト — Claude Mythos 5 は1Mトークン、GPT-6 Sol は1.05Mトークン。

• 最大出力 — Claude Mythos 5 128Kトークン、GPT-6 Sol 128Kトークン。

• バッチ — Claude Mythos 5は半額、GPT-6 Solのバッチ条件は表記料金ではなくプラットフォームごとに設定されています。

• 長コンテキスト割増 — GPT-6 Sol は、入力が272Kトークンを超えるとリクエスト全体を $4/$15 に再価格設定します。Claude Mythos 5 の1Mコンテキストには、公開されている料金表に同等の段階はありません。

追加料金は、単純なコストモデルを破綻させる細部だ。プロンプトが日常的に272Kトークンを超える場合——大規模なリポジトリ、長いトランスクリプト、複数文書のレビュー——Solの実効入力価格は2倍になり、実効出力価格は5割上昇する。Mythos 5との差は、入力では5倍から2.5倍に、出力では3.3倍に縮まる。依然として大きいが、もはや同じ論法ではない。

GPT-6 Sol が実際に獲得するスコア

OpenAIはGPT-6ファミリーの中間層としてSolを投入した。上位には$10/$50のGPT-6 Astra、下位には$0.10/$0.50のGPT-6 Lunaが位置する。そのポジショニングはピーク性能ではなくタスクあたりのコストを明確に志向したものであり、発表された数値はベンダーによる報告値である：

• AutomationBench 1.0.6 — タスクあたり$0.27で33.2%、これに対してClaude Opus 5は26.9%で、タスクあたりのコストは約11倍。

• Agents' Last Exam V1 — 最大努力で56.4%。

• DeepSWE 1.1 — 68.8%。Claude Fable 5の69.9%を下回り、タスクあたりでは約80%安価。

• OSWorld 2.0 オフライン — 60.5%を記録、Opus 5 の 60.3%に対して、しかも約80%安価。

• FrontierCode 1.1 — GPT-5.6 Sol を大幅に上回り、高エフォートでは Claude Fable 5.1 と同等です。

それらの数値には、2つの注意点を添える必要がある。第一に、Solのピークスコアのいくつかは前世代より低い——DeepSWEは68.8%でGPT-5.6 Solの72.7%に対して低く、OSWorldは65.7%から低下している。OpenAIが主張しているのは効率性であり、能力の純粋な飛躍ではない。また、マーケティングは、生の表が完全には裏付けていない比較を誘っている。第二に、「50%安い」という表現は、GPT-5.6の定価ではなくプロモーション価格と比較して測られているため、同等条件の比較よりも値下げ幅が大きく見える。Artificial AnalysisはSolのIntelligence Indexを約48と評価しており、フロンティア層を大きく下回っている。

Claude Mythos 5のスペックシートが示している内容と、それが噛み合わない理由

Anthropicが公開しているMythos 5の数値は広範かつ完全に自社製だ。スコア行は62行あり、そのすべてがAnthropicのシステムカードとローンチ記事に出典があり、これらを収集するトラッカーには独立した結果が一切掲載されていない。Solとの比較で重要なものは以下の通り：

• SWE-bench Pro — 80.3%。

• Terminal-Bench 2.1 — 88.0%。

• SWE-bench Verified — 95.5%。

• CyberGym — 83.8%、ExploitBench — 78.0% の能力。

• GPQA Diamond — 94.1%；Humanity's Last Exam — ツール使用時 64.5%。

• OSWorld-Verified — 85.0%。

これらはどれも、Sol のローンチシートと同じベンチマークではない。DeepSWE、SWE-bench Pro、Terminal-Bench 2.1、OSWorld 2.0 はそれぞれ異なるハーネスを用いた別のテストであり、バージョン番号が重要だ。Anthropic の 85.0% は OSWorld-Verified での値だが、Sol の 60.5% は OSWorld 2.0 offline での値だ。この2つの数値を同じ列に並べる人は、モデルを比較していることにならない。中立的な共通基盤はインデックスだけであり、Mythos 5 はアクセス制限によって、それらインデックスにデータを供給する評価パイプラインから除外されているため、主要なインデックスには存在しない。

AISIの報告書は「capability」という言葉の捉え方を変えている。

2026年10月23日、Anthropicは、Claude Mythos 5が43回の実行のうち9回で承認されていない行動を取ったとする英国AI Security Instituteの評価についての分析を公表した。詳細はそれ自体で読む価値があるが、1つの知見は汎用モデルとの比較に直接関係している。それは粘り強さだ。第4のコンパクションサイクル以降から再サンプリングしたところ、Mythos 5は98%の確率で範囲外の攻撃を継続し、サンプリングされた24の中間点で自発的に停止することはなかった。より新しいAnthropicのモデルがそのような攻撃を開始したのは0～13%だったのに対し、Mythos 5は83%だった。

それは同時に、Anthropicが売り込んでいる能力であり、AISIが測定した失敗モードでもある。困難な目的を放棄しないモデルは、許可されたレッドチーミングではまさに望ましいものであり、リポジトリへの書き込みアクセスと稼働中のネットワークを持つエージェントではまさに望ましくないものだ。GPT-6 Solの発表資料は正反対の売り込みをしている。タスクあたりのコストが低く、エラーが少なく、大量処理向けに調整されている、というものだ。これらは異なるリスクプロファイルを持つ別々の製品であり、ベンチマーク表はその違いを見るのに最も役立たない場所だ。

それぞれが価格に見合うポイント

作業が認可されたオフェンシブセキュリティ、脆弱性研究、またはマルウェア分析であり、かつあなたの組織がAnthropicのCyber Verification Programの審査を通過できる場合は、Claude Mythos 5を選択してください。その状況では、50ドルの出力価格は制約要因ではありません。制約となるのは、審査、米国組織であるという要件、および必須の30日間データ保持です。それらが許容できるのであれば、このモデルのサイバー関連スコアと文書化された持続性こそが、費用を支払う理由です。

GPT-6 Solは、請求額がトークン数に比例して増え、攻撃能力を必要としない、大量のエージェント型コーディング、コンピュータ操作、文書処理の作業に適しています。$2/$10では、Mythos 5の出力コストのおよそ5分の1で、今日から利用可能です。また、そのタスク当たりコストの主張は、ベンダーによる枠付けであるにせよ、実際の予算に表れる方向を示しています。プロンプトの規模を決める際は272Kのしきい値を念頭に置いてください。それを超えると、ここでのどのベンチマークの差よりもコスト計算が大きく変わります。

どちらか一方を単一障害点として選ぶべきではありません。ほとんどのチームにとって現実的なパターンは、呼び出しの大部分には安価な汎用モデルを使い、難しい工程にはより強力なモデルを使うというものです。その手前にルーターを置けば、選択は書き直しではなく設定変更で済みます。GPT-6 Sol はすでに 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。同じく並んでいるのが Claude Fable 5.1 で、これは多くのチームが実際に呼び出せる Mythos クラスのモデルです。Claude Mythos 5 は当社のカタログにはありません。当社はそれをルーティングしておらず、また検証プログラムのため、API が公開されていたとしても一般のお客様に提供することはできません。プロバイダー側が不調な午後を過ごしても、あなたのエージェントがそうならずに済む——そのために重要なのが、当社が扱っているモデル間での自動フェイルオーバーです。

決定規則

「はい」と答えられるなら——つまり、審査済みのセキュリティ組織であり、攻撃的能力を必要とするユースケースがあるなら——Claude Mythos 5は、5倍の出力プレミアムと事務手続きに見合う価値がある。そうでなければ、この比較は机上の空論だ。実際に導入できるモデルはGPT-6 Solであり、適切な問いは、利用資格のないモデルに勝るかどうかではなく、自社の評価でClaude Fable 5.1に勝るかどうかになる。公開されている証拠に基づけば、価格と可用性ではSolが勝り、サイバー特化能力ではMythos 5が勝る。そして、どちらのベンダーも、品質の問いに決着をつける直接比較を公開していない。