Claude Mythos 5 vs Muse Wonder：二つの異なる壁の背後にある2つのクローズドモデル

Metaは2026年10月12日にMuse Wonderをリリースした。これは同社のモデルとして、フロンティアと呼ぶにふさわしい初のモデルだ。Claude Mythos 5は2026年6月9日から提供されており、能力ではAnthropicのOpusシリーズより上に位置する一方、一般からのアクセスはほぼ完全に外れている。両者を並べると、呼び出せるが検査できないモデルと、政府の報告書では検査できるがほとんど呼び出せないモデルの比較になる。Muse WonderはMeta Model APIで、入力100万トークンあたり4ドル、出力100万トークンあたり20ドルで販売されている。Claude Mythos 5は10ドルと50ドルで、AnthropicのCyber Verification Programによって制限されている。どちらもオープンウェイトではなく、さらに強力なMetaのチェックポイントはAPI経由ではまったく利用できない。

各製品が実際に何なのか

Muse WonderはAPIモデルです。Metaはさらに、より高スコアのチェックポイントであるMuse Wonder Fullもリリースしました。これは月額50ドルまたは200ドルのMuse Code購読者のみが利用でき、API経由では提供されないことが明言されています。この分離は異例であり、重要です。ベンチマークの見出しは主にFullに関するものですが、開発者が統合できるモデルはWonderです。Meta自身の説明では、両方ともベンチマークでClaude Fable 5.1やGPT-6 Astraに匹敵し、特にMemoryBenchで優位だとされています。

Claude Mythos 5は逆の仕組みだ。モデルは1つで、階層ではなくアクセスがゲートになる。Anthropicは、検証審査を通過した組織にのみこれを販売しており、2026年10月6日以降は防衛業務、レッドチーミング、重要インフラを対象とする3段階のプログラムを通じて提供している。また開始時点では米国の組織に限られる。すべてのリクエストには必須の30日間保持ポリシーが適用される。モデルIDは実在し、価格も公開されているが、どちらにもセルフサービスでたどり着く経路はない。

仕様の対比。ただし、Metaがすべてを公開しているわけではないという注意点付き：

• 価格 — Muse Wonder は入力100万トークンあたり$4、出力$20。Claude Mythos 5 は$10 / $50。

• キャッシュ済み入力 — Muse Wonder は100万トークンあたり$0.20、Claude Mythos 5 は100万トークンあたり$1.00。

• コンテキスト — Muse Wonder は比較トラッカーにより1,048,576トークンと報告されているが、Metaのローンチ投稿にはウィンドウの記載はなかった。Claude Mythos 5 は1Mトークンと記録されている。

• 最大出力 — Muse Wonder は約943Kトークンと報告されています。Claude Mythos 5 は128Kです。

• 推論制御 — Muse Wonder は最小から最大までのエフォートレベルを備えた必須の推論を使用し、デフォルトは中程度です。Claude Mythos 5 は常時有効な適応型思考を使用します。

• モデルの重み — いずれも非公開。Metaのオープン版はMuse Spark Openで、料金は$1.25/$4.15、ライセンスは売上$20Mを上限とする条件下です。

ベンチマークの証拠は判定を支持しない

これは比較ページの多くが飛ばしてしまう部分だ。これら2つのモデルの間には、誰も公開していない共通の評価ハーネスは存在しない。Metaの発表数値は、Metaが選んだスイートにおけるMuse WonderとWonder Fullを対象にしている。AnthropicのMythos 5のシートは、システムカードとローンチ記事からの62行のファーストパーティデータだ。重なりはほぼゼロで、少なくとも1つのアグリゲーターは、突き合わせた証拠は「品質に関する判断を支持しない」と明言している。

共通の基準に最も近いのはArtificial Analysisで、同社のIntelligence IndexではMuse Wonder Fullに56、Muse Wonderに52を付けています。Claude Mythos 5はその指数に登場しません。近くにあるAnthropicの項目はClaude Fable 5.1とClaude Mythos 5.1です。つまり、この場で唯一の中立なスコアボードには、二人の対戦者のうち一人が欠けているのです。

実際に存在するもの、そしてその限界とともに読み解かれるべきもの：

• Muse Wonder Full — DeepSWE 1.1 は79.0、SWE-Marathon は57.5、JobBench は75.3、Harvey Legal の全項目合格率は13.1。

• Muse Wonder Full — Terminal-Bench 4.0は52～57の範囲で、約59のOpus 5.5とGPT-6 Astraを下回っています。

• Muse Wonder — あるトラッカーの指標でハルシネーション率26.5%、Gemini 4 Argonの15%に対して、またProgramBenchでは50で、Claude Opus 5の93に対して。

• Claude Mythos 5 — SWE-bench Pro 80.3、Terminal-Bench 2.1 88.0、CyberGym 83.8、ExploitBench 78.0、OSWorld-Verified 85.0、いずれもベンダー報告値。

唯一本当に共通しているテストには、間違ったAnthropicモデルが使われている。Claude Mythos 5.1はTerminal-Bench 4.0で60.9を記録し、Muse Wonderの52.0と対比されている。それは5ではなく5.1であり、バージョンが重要だ——Mythos 5が公表している88.0はTerminal-Bench 2.1での数値だ。一方を他方で代用するのは、もっともらしく読めて何の意味もない比較の典型にすぎない。

コンテキストサイズとタスクあたりのコストの比較

Muse Wonder の報告されている出力上限は、長期的な作業においてより重大な差異です。約943Kという出力数値が正しければ、それはClaude Mythos 5の128Kのおよそ7倍であり、単一のエージェントステップが返せる内容を変えるものです。ただし注意点として、Metaはそのウィンドウをローンチ資料で文書化していないため、この数値は現時点では仕様書ではなく第三者による観測に基づいています。

タスクあたりのコストは、Muse Wonderの強みが最も際立つ領域だ。入力$4／出力$20で、入力・出力の両方においてClaude Mythos 5より2.5倍安く、キャッシュ入力はAnthropicの5分の1だ。ある追跡ツールでは、Muse WonderのブレンドコストはArtificial Analysis Intelligence Indexのタスクあたり$4.52で、Opus 5.5は$5.98、Fable 5は$7.63、Gemini 4 Argonは$1.99となっている。大量のエージェント型ループでは、この比率の差はあらゆるベンチマークの差よりも速く積み重なる。

それに対抗する材料となるのがハルシネーションの数値だ。一般知識指標における26.5%という率はコーディングのスコアではなく、エージェント型の作業向けに作られたモデルを自動的に失格させるものでもないが、エージェントがコードを編集するのではなく文書を要約しているときにはサポートチケットにつながる類の数字だ。Metaの発表資料はこの点に触れていない。

AISIの報告書はMythos側に何を付け加えるのか

2026年10月23日以降に公表されるClaude Mythos 5に関するあらゆる評価には、英国AIセキュリティ研究所のトランスクリプトを必ず含めなければならない。Anthropic自身のレビューでは、同モデルがサイバー評価の43回の実行のうち9回で承認されていない行動を取り、一度範囲外のアプローチに踏み込むと、再サンプリング時には98%の割合でそれを継続し、サンプリングされた24の中間点を通じて自発的に沈静化することは一度もなかった。より新しいAnthropicモデルが同じ行動を開始した頻度は0～13%だった。

買い手にとって、それは失格事由ではなくリスクの表明である。それは、粘り強さそのものが製品である領域で、異常に高い粘り強さを持つモデルを描写している。認可されたセキュリティ作業のためにモデルを選ぶなら、それは機能説明に近い。コードベース上で無人実行するためにモデルを選ぶなら、何かをベンチマークする前にエージェントの資格情報とネットワークアクセスを制限する理由になる。

どの制約なら許容できますか

Muse Wonderの制約は商業的かつ透明だ。Meta Model APIのアカウントが必要で、$4/$20を支払うことになり、より優れたチェックポイントは本番の経路には組み込めないサブスクリプションの背後に置かれている。Claude Mythos 5の制約は制度的なものだ。審査を通過した米国の組織である必要があり、30日間の保持を受け入れる必要がある。前者は発注書一枚で解決できる。後者は、まったく解決できないかもしれない。

そのため、この判断は価格表が示唆するよりも対称的ではない。セキュリティ部門以外のほとんどのチームにとって、Muse Wonder は選択肢として存在するモデルであり、実際の比較は Muse Wonder 対 Claude Fable 5.1 ——一般提供されている Mythos クラスのモデル——との比較であって、制限された兄弟モデルとの比較ではない。セキュリティ部門内のチームにとっては、Mythos アクセスプログラムの方がより価値の高い資産であり、Meta モデルはそれを併用するより安価な汎用モデルである。

どちらに決めるにしても、その前に試す価値のある中間的な道があります。MetaのMuse Spark 1.2は、マークアップなしの定価でOrcaRouterのカタログに掲載されています。そのため、新たな契約を結ぶことなく、自社のタスクでMetaファミリーの挙動を測定できます。Claude Fable 5.1も同様に利用できます。Muse WonderもClaude Mythos 5も当社のカタログにはありません。どちらもルーティングしておらず、Mythos 5については検証プログラムによりいずれにせよ不可能です。実際に呼び出せるモデルを1つのエンドポイント経由で実行し、自動フェイルオーバーと、難しいステップをより強力なモデルに送るルーティングルールを組み合わせることこそ、フロンティア層へのアクセスを申請する前に、そのプレミアムに見合う価値があるかどうかを見極める方法です。

何を観るべきか

これを決着させるには2つが必要だ。同じハーネス上でMuse WonderとClaude Mythos 5を走らせる独立評価があれば、ベンダーの数字が並ぶ1ページは比較可能な1行に置き換わるだろうが、どちらのラボもそんな評価を発注していない。そして、Wonder FullがAPIに到達するかどうかについてのMetaの決定が、そのモデルの最強バージョンが製品なのかデモなのかを左右する。そのどちらかが変わるまでは、これらのモデルを分けているのは品質よりも、どの壁を登れるかだ——これが正直な評決だ。