Claude Mythos 5 vs Gemini 4 Pro: nazwa jest błędna, luka w dostępie jest realna

Jeśli porównujesz Claude Mythos 5 z Gemini 4 Pro, pierwszą rzeczą, którą warto wiedzieć, jest to, że tylko jedna z tych nazw należy do modelu, który można kupić. Google nie udostępniło niczego o nazwie Gemini 4 Pro. Wiodącym modelem Gemini 4 w produkcji jest Gemini 4 Argon, ogłoszony 30 września 2026 r. zamkniętej grupie obrońców cybernetycznych i udostępniony na całym świecie 13 października 2026 r. w promocyjnej cenie 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych. Claude Mythos 5, wydany 9 czerwca 2026 r., kosztuje 10 USD i 50 USD za te same jednostki i w ogóle nie jest sprzedawany w trybie samoobsługowym. Uczciwe porównanie nie polega więc na tym, „który flagowiec jest lepszy”. To porównanie specjalisty o ograniczonym dostępie przy pięciokrotnie wyższej cenie wyjściowej z ogólnodostępnym generalistą w cenie promocyjnej, która wygasa 30 listopada 2026 r.

Warto wyjaśnić to zamieszanie z nazewnictwem, zamiast je omijać, ponieważ doprowadziło ono już do powstania całej serii stron porównawczych cytujących specyfikacje modelu, którego nie ma w dokumentacji API Google. „Gemini 4 Pro” krąży jako społecznościowa etykieta dla wewnętrznych checkpointów i dla samego wydania Argon. Dokumentacja dla deweloperów Google wymienia gemini-4-argon. Każda podana poniżej liczba po stronie Google pochodzi z tego modelu.

Co Google faktycznie wypuściło

Najważniejszą zmianą w Gemini 4 Argon nie jest okno wejściowe, którego Google oficjalnie nie opublikował. Jest nią limit wyjściowy: milion tokenów w jednej odpowiedzi, wobec 64 tys. w poprzedniej generacji. To inny rodzaj możliwości niż duże okno kontekstowe. Wyjście o długości miliona tokenów pozwala modelowi napisać całą migrację, pełny zestaw testów lub długi dokument w jednym przebiegu, bez łączenia fragmentów, i zmienia to, co pętla agentowa może zwrócić w jednym kroku.

Premierowe benchmarki opublikowane przez Google — wszystkie raportowane przez dostawcę i nieodtworzone niezależnie:

• DeepSWE v1.1 — 77,9%, wobec 74,2% dla Claude Opus 5.5 i 74,1% dla GPT-6 Astra w zestawieniu Google.

• Vals Index — 68,9%, pierwsze miejsce w opracowanym przez Google zestawieniu zadań z zakresu finansów, prawa, podatków i programowania.

• Zapier AutomationBench — 51,3%, pierwsze miejsce.

• LVBench — 91,7% w rozumieniu długich materiałów wideo.

• CWE-bench v1 — 68% w zakresie remediacji podatności, ex aequo na pierwszym miejscu.

Harvey Legal Agent Benchmark — 19,6% przypadków zaliczonych w całości.

Słabe punkty są równie konkretne i rzadziej cytowane. Argon ustępuje Claude Opus 5.5 o około dziewięć punktów w Terminal-Bench 4.0, a GPT-6 Astra — o mniej więcej 10,5 punktu w FrontierSWE v2 i Terminal-Bench Science. W GDPval-AA uzyskuje 56%, co jedno z zestawień plasuje na 14. miejscu. Artificial Analysis przyznaje mu Intelligence Index na poziomie 53 — trzecie miejsce, ex aequo z GPT-6 Astra i za Opus 5.5 z wynikiem 58.

Do luki cenowej dołączony jest kalendarz.

Stawka Argon $2/$10 jest ceną wprowadzającą. Od 1 grudnia 2026 r. zmienia się na $4/$20. Porównanie, które większość stron publikuje dziś, po cichu zakłada, że liczba promocyjna jest stała, przez co różnica względem Claude Mythos 5 wygląda na 5× na wyjściu, choć po zmianie wynosi 2,5×. Wejście z cache to druga połowa historii: Argon udziela 95% zniżki na odczyty z cache, do $0.10 za milion, podczas gdy odczyty z cache w Mythos 5 kosztują $1.00 za milion. W przypadku agenta, który przy każdej turze ponownie odczytuje duże repozytorium, o rachunku bardziej decyduje ten stosunek niż cena outputu podana w nagłówku.

Mythos 5 ma jedną przewagę cenową, o której rzadko się wspomina: żądania wsadowe są o połowę tańsze, a jego kontekst 1 mln tokenów jest udokumentowany, a nie wywnioskowany. Google opublikowało limit wyjściowy, ale nie okno wejściowe, a zewnętrzne narzędzia śledzące wypełniły tę lukę liczbami, których Google nie potwierdziło. Jeśli Twoja aplikacja zależy od konkretnego górnego limitu danych wejściowych, to jest kwestia zakupów, a nie kwestia benchmarku.

Dwa arkusze wzorcowe, które nigdy się nie spotykają

Nie ma wspólnego środowiska testowego dla tych dwóch modeli, jeśli chodzi o ich publiczne wyniki. Google podaje DeepSWE v1.1; karta Mythos 5 od Anthropic na czele wymienia SWE-bench Pro z wynikiem 80,3%, Terminal-Bench 2.1 – 88,0%, SWE-bench Verified – 95,5%, CyberGym – 83,8% i ExploitBench – 78,0%. To różne testy, przeprowadzane przez różne laboratoria, w różnych terminach. Zestawienie ich obok siebie daje tabelę, która wygląda jak porównanie, ale nim nie jest.

Jedynym uczciwym punktem odniesienia między modelami jest neutralny indeks. Artificial Analysis umieszcza Gemini 4 Argon na poziomie 53. Claude Mythos 5 w ogóle nie pojawia się w tym indeksie — najbliższe wpisy to jego pokrewny model Claude Fable 5.1 i jego następca Claude Mythos 5.1. W przypadku modelu dostępnego od czerwca sam brak niezależnego wyniku jest informacją: ograniczenia dostępu, które trzymają Mythos 5 poza powszechnym obiegiem, trzymają go także poza większością procesów ewaluacyjnych.

Decydującą zmienną jest dostęp, a nie jakość.

Claude Mythos 5 nie można kupić kartą kredytową. 6 października 2026 r. Anthropic przekształcił swój Cyber Verification Program w trzy poziomy dostępne na podstawie wniosku — Defence Access, Red Team Access oraz poziom Specialised Access zarezerwowany dla infrastruktury krytycznej — a dotychczasowych partnerów Project Glasswing włączono do najwyższego poziomu. Wnioski podlegają rozpatrzeniu, na start program jest dostępny wyłącznie dla organizacji z USA, a cały ruch klasy Mythos objęty jest obowiązkową 30-dniową polityką retencji, co wyklucza go u każdego, kto zobowiązał się do zerowej retencji. Nie ma strony rejestracyjnej.

Gemini 4 Argon obrał przeciwny kierunek, ale etapami. Najpierw został udostępniony zweryfikowanym obrońcom w ramach programu Fairwind, a następnie 13 października otwarto go dla płacących klientów API. Jeśli w tym kwartale budujesz coś i nie jesteś organizacją zajmującą się bezpieczeństwem z harmonogramem przeglądów, jeden z tych modeli to pozycja w budżecie, a drugi to projekt.

Ta asymetria przeformułowuje również argument dotyczący benchmarków. Model, którego nie można wywołać, ma ocenę jakości, a nie przewagę jakościową. Dla większości zespołów istotne pytanie brzmi, który powszechnie dostępny model daje im coś najbliższego zachowaniu klasy Mythos. Po stronie Anthropic jest to Claude Fable 5.1: ten sam model bazowy z nienaruszonymi zabezpieczeniami, $10/$50 i bez programu weryfikacji. Po stronie Google jest to sam Argon, który jest szeroko dostępny, ale nie jest tym samym produktem co model cybernetyczny bez klasyfikatora.

Jak wybrać bez bezpośredniego porównania, którego nie można przeprowadzić

Jeśli Twoja praca to autoryzowane testy bezpieczeństwa ofensywnego, red teaming lub analiza złośliwego oprogramowania w organizacji, która przejdzie weryfikację, Claude Mythos 5 jest specjalistą, a proces uzyskania dostępu to cena wstępu. Jeśli Twoja praca polega na generowaniu długich fragmentów kodu, migracji lub syntezie dokumentów, Gemini 4 Argon jest dziś tańszy, a po grudniowej zmianie cen — jeszcze tańszy na wyjściu niż Mythos 5 — i jest dostępny bez konieczności składania wniosku.

Dla wszystkich pomiędzy praktyczna odpowiedź jest taka, aby nie wybierać żadnego z nich jako pojedynczej zależności. Claude Fable 5.1 i Claude Fable 5 są oba w katalogu OrcaRouter w cenie katalogowej bez narzutu, co oznacza, że cennik Anthropic dociera do Ciebie bez zmian, a zmiana ceny jest aktywna tego samego dnia. Gemini 4 Argon nie ma jeszcze w naszym katalogu; modele Gemini, które kierujemy, to linia 3.x, więc bezpośrednia umowa z Google pozostaje drogą dla Argon. Prowadzenie strony Anthropic przez jeden punkt końcowy obok modeli, których już używasz, to tani sposób sprawdzenia, czy Fable 5.1 spełnia Twoje wymagania, zanim zaangażujesz się w program weryfikacji dla jego nieograniczonego bliźniaka.

Co zmieniłoby to porównanie

Dwie daty mają znaczenie. 1 grudnia 2026 r. cena Argona podwaja się, co zawęża lukę wydajności do 2,5× i sprawia, że różnica w odczycie z pamięci podręcznej staje się ważniejsza niż cena katalogowa. A trzystopniowy program Anthropic jest wciąż na tyle nowy, że terminy zatwierdzeń są podawane przez dostawcę, a nie zaobserwowane. Jeśli okaże się, że Defence Access zajmuje dni, a nie tygodnie, argument dotyczący dostępu słabnie, a specjalistyczne rozwiązanie staje się realistyczną opcją dla znacznie szerszego grona zespołów ds. bezpieczeństwa. Do tego czasu uczciwym podsumowaniem jest, że Google sprzedaje czołowego generalistę w cenie promocyjnej, a Anthropic sprzedaje ograniczonego specjalistę organizacjom z listy zatwierdzonych — i są to różne produkty, zanim są różnymi wynikami.