Claude Mythos 5 vs Grok 4.7: Trzy niezależne liczby, które się nie zgadzają

Artificial Analysis oceniło Grok 4.7 trzykrotnie tego samego popołudnia i otrzymało trzy odpowiedzi wskazujące w różnych kierunkach: 46 w swoim Intelligence Index — dwa punkty powyżej Grok 4.6 — 56 w Coding Agent Index, o dziewięć punktów wyżej, i 1657 Elo w AA-Briefcase, o 111 punktów wyżej. Ten rozrzut to najciekawsza rzecz w wydaniu S​paceXAI z 21 września 2026 r., a jednocześnie powód, dla którego to starcie z C​laude M​ythos 5 warto szczegółowo opisać, a nie przepuścić go bez zastanowienia. Grok 4.7 to generalista, który stał się specjalistą: jego zyski koncentrują się na długoterminowym kodowaniu agentowym i pracy opartej na wiedzy, a na zagregowanym benchmarku pozostają niemal niewidoczne. C​laude M​ythos 5 jest specjalistą od dnia premiery 9 czerwca 2026 r. — flagowego, objętego ograniczeniami modelu A​nthropic do cyberbezpieczeństwa i biologii, zaklasyfikowanego na poziomie ASL-3, odświeżonego jako C​laude M​ythos 5.1 1 września, wycenionego — w ramach poziomu M​ythos — na 10,00 USD za milion tokenów wejściowych i 50,00 USD za milion tokenów wyjściowych, i dostępnego przez program weryfikacyjny, a nie na podstawie cennika. Jeden z tych modeli możesz kupić. O drugi możesz się ubiegać. Wszystko inne w tym porównaniu wynika z tego zdania.

Czym jest każdy model i kto pozwoli ci go wywołać

Grok 4.7 to obecny flagowy model S​paceXAI do kodowania, zadań agentowych i pracy opartej na wiedzy, następca Grok 4.6 w identycznej cenie i z identycznym oknem kontekstowym. Producent zapisuje swoją nazwę jako S​paceXAI zarówno w dokumentacji dla programistów, jak i na stronie z aktualnościami, podczas gdy API jest nadal obsługiwane z api.x.ai, a identyfikatory nadal mają postać grok — warto o tym wiedzieć, ponieważ wyszukiwanie którejkolwiek z tych nazw prowadzi do tego samego produktu. Jest już dostępny w Cursor i w firmowym agencie terminalowym G​rok Build, a producent pozycjonuje go jako domyślną rekomendację do wszystkiego poza pracą z dźwiękiem, obrazem i wideo. Twierdzenie producenta jest węższe i bardziej konkretne niż ogólny przekaz marketingowy: jest mocny w długotrwałych zadaniach inżynierii oprogramowania i w weryfikowaniu własnej pracy.

Claude Mythos 5 to ograniczony SKU należącej do Anthropic generacji frontier z 9 czerwca, współdzielący bazowe wagi z publicznym Claude Fable 5 i różniący się od niego wyłącznie poziomem zabezpieczeń — klasyfikatorami cyber i biologicznymi, które w modelu Fable pozostają włączone. Anthropic klasyfikuje go jako ASL-3, poziom, który rezerwuje dla zdolności mogących w istotny sposób wzmocnić cyberofensywę, i odpowiednio racjonuje dostęp. Jego reputacja opiera się na ustaleniach testów red-team, a nie na opublikowanej tabeli benchmarków: około 27-letni nieodkryty błąd w OpenBSD, luka w FFmpeg, która przetrwała około 16 lat i pięć milionów automatycznych skanów, exploit przeglądarkowy łączący cztery luki, aby wydostać się zarówno z piaskownicy renderera, jak i z piaskownicy systemu operacyjnego, oraz eskalacja uprawnień w jądrze Linuksa.

• Kontekst i dane wyjściowe — 500 000 tokenów, z czego maksymalnie 450 000 na wyjściu dla Grok 4.7, w porównaniu z 1 mln tokenów i maksymalnym wyjściem 128 tys. dla C​laude M​ythos 5.

• Cena za milion — 2,00 USD za wejście / 6,00 USD za wyjście poniżej 200 000 tokenów wejściowych dla Grok 4.7, rosnąca do 4,00 USD / 12,00 USD powyżej tego progu, w porównaniu z jednolitą stawką poziomu M​ythos wynoszącą 10,00 USD / 50,00 USD.

• Odczyt z pamięci podręcznej — 0,50 USD za milion dla Grok 4.7, podwajając się do 1,00 USD po przekroczeniu progu 200 000 tokenów, w porównaniu z 1,00 USD za milion w czerwcowej generacji M​ythos i 0,25 USD po wrześniowej aktualizacji.

• Modalność — wprowadzanie tekstu, obrazu i plików, z wyjściem tekstowym w obu przypadkach.

• Sterowanie rozumowaniem — konfigurowalny wysiłek na czterech poziomach dla Grok 4.7 w porównaniu z myśleniem adaptacyjnym, którego nie można wyłączyć dla C​laude M​ythos 5.

• Dostęp — klucz samoobsługowy plus własne aplikacje dostawcy kontra wniosek za pośrednictwem Cyber Verification Program lub Life Sciences Verification Program, z wymogiem 30-dniowego przechowywania danych.

Te dwa wiersze z cenami to miejsce, w którym zwykłe odczytanie się myli. W cenniku Grok 4.7 to jedna piąta stawki M​ythos. Przy długim prompcie to niewiele ponad jedną trzecią, ponieważ granica progu wypada na 200 000 tokenów, a to model sprzedawany z oknem 500 000 tokenów.

Te trzy niezależne liczby, odczytane prawidłowo

Zacznij od tego, który dostał najmniej uwagi, bo jest największy. Na AA-Briefcase, tablicy ewaluatora do długoterminowej pracy wiedzowej, G​rok 4.7 zajmuje czwarte miejsce ogółem — za trzema wpisami C​laude'a i przed Claude Opus 5 przy wysiłku xhigh — przy mniej więcej połowie kosztu Claude Opus 5 na zadanie. Cokolwiek jeszcze byłoby prawdą o tym wydaniu, to wynik cenowo-wydajnościowy, a nie luka w możliwościach, i po raz pierwszy model G​rok osiągnął taki na tej tablicy.

Wynik Coding Agent Index należy do tej samej historii. Dziewięć punktów przewagi nad Grok 4.6 na osi agenta kodującego wobec dwóch punktów w ogólnym indeksie to nie szum; to mówi, że praca treningowa poszła konkretnie w zachowania agentowe i kodujące, a to, co się poprawiło, nie przekłada się na szeroki kompozyt dziesięciu ewaluacji. Ogólny indeks to liczba, którą publikuje ranking. Wynik agenta kodującego to ten, którego naprawdę doświadcza zespół prowadzący długie pętle narzędziowe.

Jest jeszcze rozbieżność między dostawcą a ewaluatorem w tym samym benchmarku — i to jest ta część, o której warto pamiętać za każdym razem, gdy czytasz tabelę wyników z premiery. Własny wynik S​paceXAI w Terminal-Bench 4.0 dla Grok 4.7 to 38%. Niezależny przebieg tego samego benchmarku wykonany przez Artificial Analysis dał 33%. Pięć punktów, w tym samym kierunku, na jednej osi, dla jednego modelu — i żadna ze stron nie kłamie. Benchmarki agentowe mierzą model plus szkielet, ustawienia harnessu bywają różne, a powtarzane uruchomienia dają różne wyniki. Tak właśnie wygląda pięciopunktowy rozrzut, gdy nikt nie oszukuje. Zestawiaj to z każdą pojedynczą liczbą dostawcy, jaką zobaczysz, w tym z tą od A​nthropic.

Co prowadzi nas do strony Mythos i do powodu, dla którego nie da się ukończyć porównania. Anthropic nie publikuje tabeli benchmarków dla Claude Mythos 5. Nie wszystkie liczby krążące pod tą nazwą pochodzą od dostawcy:

• ExploitBench, 78,0% — własny wynik Anthropic z czerwcowej premiery, około dwukrotnie wyższy niż 40%, które firma podała dla Claude Opus 4.8. Zgłoszone przez dostawcę, nieodtworzone.

• CyberGym Level 1, 83,8% — liczba najczęściej podawana obok tego modelu, i nie pochodzi od Anthropic. Pojawia się w materiałach porównawczych konkurencji, która ma własny interes w odpowiednim jej przedstawieniu.

• Terminal-Bench 4.0 — 42,0% dla czerwcowej generacji i 60,9% dla C​laude M​ythos 5.1, zgodnie z wrześniowym materiałem odświeżającym A​nthropic.

Zauważ, co ten trzeci wiersz robi z tym porównaniem. W jedynym benchmarku, dla którego oba tory mają wynik, 60,9% C​laude M​ythos 5.1 jest znacznie wyższe niż niezależnie zmierzone 33% Grok 4.7. Tych wartości nadal nie można odejmować: jedna jest liczbą dostawcy uzyskaną na jego własnym stanowisku testowym, druga pochodzi od strony trzeciej, a zostały uzyskane w różnych czasach na różnych konfiguracjach. Ale różnica jest wystarczająco duża, że jest mało prawdopodobne, by była w całości artefaktem, i jest uczciwym ostrzeżeniem, że model z mikrofonem ogólnego przeznaczenia nie konkuruje na osi, dla której istnieje poziom M​ythos.

Gadatliwość to wiersz kosztów, którego nikt nie drukuje.

Najtańszym elementem Grok 4.7 jest jego cennik, a najdroższym — jego rozwlekłość. Artificial Analysis zmierzyło 113% wzrost zużycia tokenów rozumowania względem Grok 4.6, przy około 81 000 tokenów wyjściowych zużywanych na zadanie agentowe. Zestaw to z modelem, który ponownie odczytuje kontekst, a nie z modelem, który wyprowadza go na nowo, a te dwie struktury kosztów przestają w ogóle wyglądać podobnie: Grok 4.7 jest tani w przeliczeniu na token, a drogi w przeliczeniu na zadanie w długiej pracy agentowej, podczas gdy poziom M​ythos jest drogi w przeliczeniu na token, a jego ekonomika zależy w całości od zachowania pamięci podręcznej, dlatego wrześniowa aktualizacja A​nthropic obniżyła cenę odczytu z pamięci podręcznej z 1,00 USD do 0,25 USD i określiła to jako do około 45% taniej w wysoce agentowych obciążeniach.

Wyjście o długości 81 000 tokenów przy stawce 6,00 USD za milion to około 49 centów kosztu wyjścia na jedno zadanie. W oferowanym przez ten model oknie 500 000 tokenów prompt przekraczający 200 000 tokenów podwaja stawkę za dane wejściowe i wraz z nią podwaja stawkę za tokeny z pamięci podręcznej. Żadna z tych liczb nie jest wadą — dłuższe myślenie to sposób, w jaki modele rozumujące stają się lepsze — ale cennik to cena za token, a rachunek to cena za zadanie, a mnożnik między nimi różni się bardziej niż różnica stawek.

Co zmienił 6 października, a czego nie

6 października 2026 r. A​nthropic przebudował Cyber Verification Program na trzy poziomy oparte na wnioskach, włączył Project Glasswing do najwyższego z nich i zmienił C​laude M​ythos 5.1 z przydziału tylko dla partnerów w grant dostępu, o który może ubiegać się każda kwalifikująca się organizacja zajmująca się bezpieczeństwem. Claude Opus 5.5 i C​laude S​onnet 5.5 dołączyły do każdego poziomu w tym samym czasie. Wnioski o Defense Access są rozpatrywane w ciągu kilku dni według A​nthropic, Red Team Access zajmuje kilka tygodni, a sam dostęp do M​ythos następuje około pięciu dni roboczych po zatwierdzeniu. Wszystko to jest podane przez dostawcę i niezależnie niepotwierdzone, a poprzeczka pozostaje standardem weryfikacji, a nie ceną.

To, co to konkretnie oznacza w zestawieniu z Grok 4.7, ma wąskie znaczenie. Dla upoważnionego zespołu ds. bezpieczeństwa to pierwszy raz, gdy ścieżka M​ythos ma oficjalne wejście, a porównanie staje się realne po raz pierwszy w historii tego modelu. Dla wszystkich pozostałych — programowanie, praca z wiedzą, długie pętle narzędziowe, praca, dla której powstał Grok 4.7 — strona A​nthropic w tym starciu pozostaje zamknięta, a uczciwa interpretacja jest taka, że nigdy nie było to właściwe porównanie. Generacja z 9 czerwca została zawieszona na całym świecie dwa dni po premierze na mocy rozporządzenia amerykańskiego Departamentu Handlu i przywrócona dopiero dla ograniczonego zestawu zweryfikowanych amerykańskich organizacji około początku lipca; całe istnienie tego modelu zostało ukształtowane przez to ograniczenie, a żadna ilość czytania benchmarków nie zmienia tego, kto zostanie wpuszczony.

Odpowiedź dotycząca routingu, która jest jedyną dostępną dzisiaj

Grok 4.7 znajduje się w katalogu OrcaRouter według własnych stawek S​paceXAI — $2.00 za milion tokenów wejściowych i $6.00 za milion tokenów wyjściowych, $0.50 za tokeny z pamięci podręcznej, z granicą progu 200 000 tokenów i podwyżką do $4.00 / $12.00 odwzorowanymi dokładnie tak, jak publikuje je dostawca — przekazywane przy 0% narzutu, więc zmiana stawek obowiązuje tu w dniu jej publikacji. Ta precyzja ma większe znaczenie w przypadku tego modelu niż w większości innych, ponieważ klif przy 200 000 tokenów to największa pojedyncza nieciągłość cenowa w tym porównaniu, a router, który spłaszcza go do średniej, wprowadzałby cię w błąd co do wysokości twojego własnego rachunku.

Druga rzecz, którą robi warstwa routingu, polega na tym, że problem rozwlekłości staje się tani do przetestowania, a nie drogi do założenia z góry. Średnie wyjście wynoszące 81 000 tokenów to wartość średnia, a Twój ruch może plasować się zarówno powyżej, jak i poniżej niej. Uruchomienie Grok 4.7 na własnym obciążeniu to jedyny pomiar, który odpowiada na pytanie, czy jest on tani, czy drogi w Twoim przypadku, a zrobienie tego bez drugiej integracji oznacza, że odpowiedź kosztuje jedno popołudnie. Automatyczne przełączanie awaryjne między dostawcami obejmuje drugą połowę — model rozumujący, który pod obciążeniem myśli dłużej, jest tym, który najczęściej przekracza limit czasu, a trasa, która przekazuje żądanie do innego backendu zamiast zwracać błąd, jest tu warta więcej niż w przypadku szybkiego modelu.

Jeśli funkcją, której chciałeś od Claude Mythos 5, była klasa Mythos, a nie obniżony poziom zabezpieczeń, model objęty ograniczeniami nie może zostać udostępniony publicznie i żadne zmiany w platformie tego nie zmienią. Jego bliźniak bez ograniczeń może: Claude Fable 5.1 to te same bazowe wagi z pozostawionymi włączonymi zabezpieczeniami, w tym samym katalogu, w cenie katalogowej Anthropic wynoszącej 10,00 / 50,00 USD, z obowiązującym odczytem z pamięci podręcznej za 0,25 USD z wrześniowej aktualizacji, a przełączenie między nim a Grok 4.7 to zmiana ciągu modelu.

Werdykt jest węższy, niż sugeruje tytuł, i warto powiedzieć to wprost. W przypadku ogólnej pracy z agentami Grok 4.7 jest jedynym z tych dwóch, który możesz wywołać, a niezależne dowody wskazują, że jego przewaga nad poprzednikiem skupia się dokładnie tam, gdzie byś go używał — co jest lepszą oznaką niż szeroki wzrost indeksu o dwa punkty. C​laude M​ythos 5 jest silniejszym modelem na jedynej osi, na jakiej ktokolwiek go mierzył, a tą osią jest praca związana z bezpieczeństwem w ramach zweryfikowanego programu. Jeśli nie tym się zajmujesz, ciekawe pytanie nie brzmi „M​ythos kontra G​rok”; brzmi ono: czy koszt przypadający na zadanie w przypadku Groka 4.7 w twoim własnym ruchu jest niższy niż koszt modelu, którego obecnie używasz.

Nic z tego nie jest hipotetyczne: udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, stopień ważności, ocenę pewności i oznaczenie sporne.