Claude Mythos 5 vs Grok 4.7: Drie onafhankelijke cijfers die niet met elkaar overeenkomen

Artificial Analysis beoordeelde Grok 4.7 drie keer op dezelfde middag en kreeg drie antwoorden die in verschillende richtingen wijzen: 46 op zijn Intelligence Index — twee punten boven Grok 4.6 — 56 op zijn Coding Agent Index, negen punten voorsprong, en 1.657 Elo op AA-Briefcase, 111 punten voorsprong. Die spreiding is het meest interessante aan S​paceXAI's release van 21 september 2026, en het is ook de reden dat deze confrontatie met C​laude M​ythos 5 het opschrijven waard is in plaats van er achteloos aan voorbij te gaan. Grok 4.7 is een generalist die specialist is geworden: de winst is geconcentreerd in langetermijn-agentische codering en kenniswerk, en is bijna onzichtbaar op de samengestelde benchmark. C​laude M​ythos 5 is specialist sinds de dag dat het uitkwam op 9 juni 2026 — het afgeschermde cyber- en biologievlaggenschip van A​nthropic, ASL-3 geclassificeerd, vernieuwd als C​laude M​ythos 5.1 op 1 september, geprijsd op het M​ythos-tarief van $10,00 input / $50,00 output per miljoen tokens, en beschikbaar via een verificatieprogramma in plaats van een tariefkaart. Een van deze modellen kun je kopen. Het andere kun je aanvragen. Al het andere in deze vergelijking volgt uit die zin.

Wat elk model is, en wie jou het zal laten aanroepen.

Grok 4.7 is het huidige vlaggenschip van S​paceXAI voor coderen, agentische taken en kenniswerk, als opvolger van Grok 4.6 tegen een identieke prijs en een identiek contextvenster. De leverancier schrijft de naam als S​paceXAI op zowel de ontwikkelaarsdocumentatie als de nieuwspagina, terwijl de API nog steeds wordt geleverd vanaf api.x.ai en de identifiers nog steeds grok-identifiers zijn — goed om te weten, want zoekopdrachten naar beide namen komen op hetzelfde product uit. Het is live beschikbaar in Cursor en in de eigen terminalagent G​rok Build van het bedrijf, en de leverancier positioneert het als de standaardaanbeveling voor alles behalve audio-, beeld- en videowerk. De bewering die de leverancier doet, is nauwer en specifieker dan een algemene pitch: het is sterk in langdurige software-engineering en in het verifiëren van zijn eigen werk.

Claude Mythos 5 is de beperkte SKU van Anthropics frontiergeneratie van 9 juni, deelt de onderliggende gewichten met de publieke Claude Fable 5 en verschilt daarvan alleen in beveiligingsniveau — de cyber- en biologieclassifiers die in het Fable-model ingeschakeld blijven. Anthropic classificeert het als ASL-3, het niveau dat het reserveert voor capaciteiten die offensieve cyberoperaties wezenlijk kunnen versterken, en rantsoeneert de toegang dienovereenkomstig. De reputatie ervan berust op red-teambevindingen in plaats van op een gepubliceerde benchmarktabel: een ongeveer 27 jaar oude, tot dan toe onontdekte OpenBSD-bug, een FFmpeg-kwetsbaarheid die ongeveer 16 jaar en vijf miljoen geautomatiseerde scanhits had overleefd, een browserexploit die vier kwetsbaarheden aaneenrijgt om aan zowel de renderer- als de OS-sandboxen te ontsnappen, en een privilege-escalatie in de Linux-kernel.

• Context en output — 500.000 tokens met een output van maximaal 450.000 voor Grok 4.7 vs. 1M tokens met een maximale output van 128K voor C​laude M​ythos 5.

• Prijs per miljoen — $2,00 invoer / $6,00 uitvoer onder 200.000 invoertokens voor Grok 4.7, stijgend naar $4,00 / $12,00 boven die grens, tegenover het vaste tarief van $10,00 / $50,00 van de M​ythos-tier.

• Cache-lezen — $0,50 per miljoen voor Grok 4.7, verdubbelt naar $1,00 voorbij de grens van 200.000 tokens, tegenover $1,00 per miljoen voor de M​ythos-generatie van juni en $0,25 na de september-refresh.

• Modaliteit — tekst-, afbeelding- en bestandsinvoer met tekstuitvoer voor beide.

• Controle over redeneren — configureerbare inspanning op vier niveaus voor Grok 4.7 versus adaptief denken dat niet kan worden uitgeschakeld voor C​laude M​ythos 5.

• Toegang — een selfservice-sleutel plus de eigen apps van de leverancier versus een aanvraag via het Cyber Verification Program of het Life Sciences Verification Program, met een vereiste van 30 dagen gegevensbewaring.

Bij die twee prijsrijen gaat de gebruikelijke lezing mis. Op het prijskaartje is Grok 4.7 een vijfde van het Mythos-tarief. Bij een lange prompt is het net iets meer dan een derde, omdat de staffelgrens bij 200.000 tokens ligt en dit een model is dat wordt verkocht met een contextvenster van 500.000 tokens.

De drie onafhankelijke getallen, correct gelezen

Begin met degene die de minste aandacht kreeg, want die is de grootste. Op AA-Briefcase, het scorebord van de evaluator voor kenniswerk op de lange termijn, belandt Grok 4.7 overall op de vierde plaats, achter drie Claude-inzendingen, en vóór Claude Opus 5 met xhigh-inspanning — voor ongeveer de helft van de kosten per taak van Claude Opus 5. Wat er verder ook waar is over deze release, dat is een prijs-prestatieresultaat in plaats van een capaciteitskloof, en het is de eerste keer dat een Grok-model er een op dat scorebord heeft neergezet.

Het nummer van de Coding Agent Index hoort bij hetzelfde verhaal. Negen punten boven Grok 4.6 op de coding-agent-as tegenover twee punten op de algemene index is geen ruis; het zegt dat het trainingswerk specifiek in agentic- en codinggedrag is gestoken, en dat wat er ook is verbeterd, zich niet vertaalt naar een brede samengestelde maatstaf van tien evaluaties. De algemene index is het cijfer dat een leaderboard afdrukt. Het coding-agentcijfer is het cijfer dat een team dat lange tool-loops draait daadwerkelijk ervaart.

Dan is er de onenigheid tussen de leverancier en de beoordelaar over dezelfde benchmark, en dat is het deel dat je moet onthouden telkens wanneer je een lancerings­tabel leest. SpaceXAI's eigen Terminal-Bench 4.0-cijfer voor Grok 4.7 is 38%. De onafhankelijke run van Artificial Analysis op dezelfde benchmark kwam uit op 33%. Vijf punten, in dezelfde richting, op één as, voor één model — en geen van beide partijen liegt. Agentische benchmarks meten een model plus een scaffold, de instellingen van de harness verschillen, en herhaalde runs schuiven op. Zo ziet een spreiding van vijf punten eruit wanneer niemand aan het valsspelen is. Houd dat naast elk afzonderlijk leverancierscijfer dat je ziet, ook dat van Anthropic.

Dat brengt ons bij de Mythos-kant en bij de reden waarom de vergelijking niet kan worden voltooid. Anthropic publiceert geen benchmarktabel voor Claude Mythos 5. De cijfers die onder die naam circuleren, komen niet allemaal van de leverancier:

• ExploitBench, 78,0% — het eigen juni-lanceringscijfer van Anthropic, ongeveer het dubbele van de 40% die het voor Claude Opus 4.8 noemde. Door de leverancier gerapporteerd, niet gereproduceerd.

• CyberGym Level 1, 83,8% — het getal dat het vaakst naast dit model wordt vermeld, en het is niet afkomstig van Anthropic. Het komt voor in vergelijkingsmateriaal van concurrenten, met een eigen belang bij de framing.

• Terminal-Bench 4.0 — 42,0% voor de juni-generatie en 60,9% voor Claude Mythos 5.1, volgens het september-refreshmateriaal van Anthropic.

Merk op wat die derde rij doet met de matchup. Op de enige benchmark waarvoor beide tracks een cijfer hebben, ligt de 60,9% van C​laude M​ythos 5.1 ver boven de onafhankelijk gemeten 33% van Grok 4.7. Die zijn nog steeds niet van elkaar af te trekken: het ene is een leverancierscijfer op de eigen harness van de leverancier, het andere is van een derde partij, en ze zijn op verschillende momenten en met verschillende configuraties gedraaid. Maar het verschil is groot genoeg dat het onwaarschijnlijk is dat het volledig een artefact is, en het is een terechte waarschuwing dat een model met een microfoon voor algemeen gebruik niet concurreert op de as waarvoor de M​ythos-tier bestaat.

Verbositeit is de kostenregel die niemand print

De tarievenkaart van Grok 4.7 is het goedkoopste aan het model en zijn breedsprakigheid is het duurste. Artificial Analysis mat een stijging van 113% in het gebruik van redeneertokens ten opzichte van Grok 4.6, met ongeveer 81.000 verbruikte outputtokens per agentische taak. Zet dat tegenover een model dat context opnieuw leest in plaats van een model dat die opnieuw afleidt, en de twee kostenstructuren lijken helemaal niet meer op elkaar: Grok 4.7 is goedkoop per token en duur per taak bij langdurig agentisch werk, terwijl de Mythos-tier duur is per token en de economie volledig afhangt van cachegedrag. Daarom verlaagde de septemberrefresh van Anthropic de cache-read van $1,00 naar $0,25 en positioneerde die als tot ongeveer 45% goedkoper bij zeer agentische workloads.

Een output van 81.000 tokens tegen een tarief van $6,00 per miljoen komt neer op ongeveer 49 cent aan output voor één taak. Op het venster van 500.000 tokens dat dit model verkoopt, verdubbelt een prompt die 200.000 tokens overschrijdt het invoertarief en daarmee ook het cachetarief. Geen van beide getallen is een defect — langer nadenken is hoe redeneermodellen beter worden — maar een tariefkaart is een prijs per token en je rekening is een prijs per taak, en de factor tussen beide verschilt meer dan het tariefverschil doet.

Wat 6 oktober veranderde, en wat niet

Op 6 oktober 2026 bouwde A​nthropic het Cyber Verification Program om tot drie op aanvraag gebaseerde niveaus, vouwde Project Glasswing in het hoogste niveau, en veranderde C​laude M​ythos 5.1 van een toewijzing uitsluitend voor partners in een toegangsvergunning waarvoor elke gekwalificeerde beveiligingsorganisatie een aanvraag kan indienen. Claude Opus 5.5 en C​laude S​onnet 5.5 werden tegelijkertijd aan elk niveau toegevoegd. Aanvragen voor Defense Access worden volgens A​nthropic binnen een paar dagen beantwoord, Red Team Access duurt een paar weken, en toegang tot M​ythos zelf volgt ongeveer vijf werkdagen na goedkeuring. Dit alles is door de leverancier gesteld en niet onafhankelijk bevestigd, en de drempel blijft een verificatiestandaard in plaats van een prijs.

Wat dat specifiek tegenover Grok 4.7 betekent, is beperkt. Voor een geautoriseerd beveiligingsteam is dit de eerste keer dat het M​ythos-traject een voordeur heeft, en wordt de vergelijking voor het eerst in de geschiedenis van dit model reëel. Voor alle anderen — coderen, kenniswerk, lange tool-loops, het werk waarvoor Grok 4.7 is gebouwd — blijft de A​nthropic-kant van deze confrontatie gesloten, en de eerlijke lezing is dat het nooit de juiste vergelijking was om te maken. De generatie van 9 juni werd twee dagen na de lancering wereldwijd opgeschort op bevel van het Amerikaanse ministerie van Handel en werd rond het begin van juli alleen weer beschikbaar gesteld voor een beperkte groep gescreende Amerikaanse organisaties; het hele bestaan van het model is door die beperking gevormd, en hoeveel benchmarks je ook leest, het verandert niets aan wie erdoor wordt toegelaten.

Het routeringsantwoord, het enige dat vandaag beschikbaar is

Grok 4.7 staat in de OrcaRouter-catalogus tegen S​paceXAI's eigen tarieven — $2,00 input en $6,00 output per miljoen, $0,50 cachetarief, met de staffelgrens van 200.000 tokens en de bijbehorende verhoging naar $4,00 / $12,00 exact doorgevoerd zoals de leverancier ze publiceert — doorgegeven tegen 0% opslag, dus een tariefwijziging is hier live op de dag dat die verschijnt. Die precisie is bij dit model belangrijker dan bij de meeste modellen, omdat de kloof bij 200.000 tokens de grootste prijsdiscontinuïteit in deze vergelijking is, en een router die deze afvlakt tot een gemiddelde zou je misleiden over je eigen factuur.

Het tweede dat de routeringslaag doet, is ervoor zorgen dat het uitvoerigheidsprobleem goedkoop te testen is in plaats van duur om aan te nemen. Een gemiddelde uitvoer van 81.000 tokens is een gemiddelde, en je verkeer kan er ruim aan beide kanten van zitten. Grok 4.7 op je eigen werkbelasting draaien is de enige meting die de vraag beantwoordt of het voor jou goedkoop of duur is, en dat doen zonder een tweede integratie betekent dat het antwoord een middag kost. Automatische failover tussen providers dekt de andere helft — een redeneermodel dat langer nadenkt onder belasting is het meest geneigd om een timeout te overschrijden, en een route die het verzoek aan een andere backend doorgeeft in plaats van een fout terug te sturen is hier meer waard dan bij een snel model.

Als hetgeen je van Claude Mythos 5 wilde de Mythos-klasse was in plaats van het verlaagde beveiligingsniveau, kan het afgeschermde model niet publiekelijk worden aangeboden en geen enkel platform verandert dat. De niet-afgeschermde tweelingvariant kan dat wel: Claude Fable 5.1 heeft dezelfde onderliggende gewichten, met de beveiligingen nog ingeschakeld, in dezelfde catalogus tegen de adviesprijs van Anthropic van $10,00 / $50,00, met de $0,25 cache-read uit de septemberrefresh nog van kracht, en wisselen tussen dit model en Grok 4.7 is een wijziging van de model-string.

Het oordeel is beperkter dan de titel doet vermoeden, en het loont om het ronduit te zeggen. Voor algemeen agentisch werk is Grok 4.7 de enige van deze twee die je kunt inzetten, en het onafhankelijke bewijs zegt dat het voordeel ten opzichte van zijn voorganger precies daar is geconcentreerd waar je het zou gebruiken — wat een beter teken is dan een brede winst van twee punten op de index zou zijn geweest. Claude Mythos 5 is het sterkere model op de enige as waarop iemand het heeft gemeten, en die as is beveiligingswerk binnen een gevalideerd programma. Als jouw werk dat niet is, is de interessante vraag niet Mythos versus Grok; het is of de kosten per taak van Grok 4.7 op je eigen verkeer lager zijn dan die van het model dat je nu draait.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.