Claude Mythos 5 против Grok 4.7: три независимых числа, которые не совпадают

Artificial Analysis оценила Grok 4.7 трижды в один и тот же день во второй половине дня и получила три ответа, указывающих в разные стороны: 46 в её Индексе интеллекта — на два пункта выше Grok 4.6 — 56 в её Индексе кодирующего агента, с отрывом в девять пунктов, и 1 657 Elo в AA-Briefcase, с отрывом в 111 пунктов. Этот разброс — самое интересное в выпуске S​paceXAI от 21 сентября 2026 года, и он же — причина, по которой это противостояние с C​laude M​ythos 5 стоит записать, а не просто отмахнуться. Grok 4.7 — универсал, который стал специалистом: его улучшения сосредоточены в долгосрочном агентном кодировании и интеллектуальной работе и почти незаметны в агрегированном бенчмарке. C​laude M​ythos 5 был специалистом с того самого дня, когда вышел 9 июня 2026 года, — это флагман A​nthropic ограниченного доступа в области кибербезопасности и биологии, с классификацией ASL-3, обновлённый как C​laude M​ythos 5.1 1 сентября, по цене уровня M​ythos: $10.00 за ввод / $50.00 за вывод за миллион токенов, и доступный через программу верификации, а не по тарифной сетке. Одну из этих моделей можно купить. На другую можно подать заявку. Всё остальное в этом сравнении — следствие этой фразы.

Что представляет собой каждая модель и кто позволит вам её вызвать

Grok 4.7 — текущий флагман S​paceXAI для программирования, агентных задач и работы со знаниями, приходящий на смену Grok 4.6 по той же цене и с тем же контекстным окном. Производитель пишет своё название как S​paceXAI и в документации для разработчиков, и на странице новостей, тогда как API по-прежнему обслуживается с api.x.ai, а идентификаторы по-прежнему относятся к grok, — это стоит знать, потому что поиск по любому из названий ведёт к одному и тому же продукту. Он уже доступен в Cursor и в собственном терминальном агенте компании G​rok Build, и производитель позиционирует его как рекомендацию по умолчанию для всего, кроме работы со звуком, изображениями и видео. Заявление производителя уже и конкретнее, чем универсальная презентация: он силён в долгосрочной разработке ПО и в проверке собственной работы.

Claude Mythos 5 — ограниченный SKU передового поколения Anthropic от 9 июня, использующий те же базовые веса, что и публичный Claude Fable 5, и отличающийся от него только уровнем защитных механизмов — классификаторами кибербезопасности и биологии, которые остаются включёнными в модели Fable. Anthropic классифицирует его как ASL-3 — уровень, который она резервирует для возможностей, способных существенно усилить кибернаступление, и соответственно нормирует доступ. Его репутация опирается на результаты ред-тиминга, а не на опубликованную таблицу бенчмарков: необнаруженная ошибка в OpenBSD возрастом примерно 27 лет, уязвимость в FFmpeg, пережившая около 16 лет и пять миллионов обращений автоматических сканеров, браузерный эксплойт, сцепляющий четыре уязвимости для побега из песочницы рендерера и песочницы ОС, и повышение привилегий в ядре Linux.

• Контекст и вывод — 500 000 токенов при объёме вывода до 450 000 у Grok 4.7 против 1 млн токенов при максимальном объёме вывода 128K у Claude Mythos 5.

• Цена за миллион — $2.00 за ввод / $6.00 за вывод при объёме менее 200 000 входных токенов для Grok 4.7, повышаясь до $4.00 / $12.00 выше этой отметки, против фиксированных $10.00 / $50.00 тарифа M​ythos.

• Чтение кэша — $0.50 за миллион для Grok 4.7, удваивается до $1.00 при превышении порога в 200 000 токенов, против $1.00 за миллион в июньском поколении M​ythos и $0.25 после сентябрьского обновления.

• Модальность — ввод текста, изображений и файлов с текстовым выводом в обоих случаях.

• Контроль рассуждений — настраиваемая интенсивность на четырёх уровнях для Grok 4.7 против адаптивного мышления, которое нельзя отключить для C​laude M​ythos 5.

• Доступ — ключ для самостоятельного использования плюс собственные приложения поставщика в сравнении с заявкой через Программу киберверификации или Программу верификации в области наук о жизни, с требованием хранения данных в течение 30 дней.

Именно в этих двух строках с ценами привычное прочтение и даёт сбой. По заявленной цене Grok 4.7 составляет пятую часть ставки Mythos. На длинном промпте это чуть больше трети, потому что граница тарифа приходится на 200 000 токенов, а эта модель продаётся с окном в 500 000 токенов.

Три независимых числа, если прочитать их правильно

Начните с того, что получило меньше всего внимания, потому что оно самое крупное. На AA-Briefcase, лидерборде оценщика для долгосрочной интеллектуальной работы, Grok 4.7 занимает четвёртое место в общем зачёте — позади трёх позиций Claude и впереди Claude Opus 5 при xhigh effort — при примерно вдвое меньшей стоимости за задачу, чем у Claude Opus 5. Что бы ещё ни было верно об этом релизе, это результат по соотношению цена/производительность, а не разрыв в возможностях, и это первый случай, когда модель Grok показала такой результат на этом лидерборде.

Показатель Coding Agent Index относится к той же истории. Девять баллов преимущества над Grok 4.6 по оси coding-agent против двух баллов по общему индексу — это не шум; это говорит о том, что работа по обучению была направлена именно на агентное и кодинговое поведение, и что всё, что улучшилось, не переносится на широкий композит из десяти оценок. Общий индекс — это число, которое печатает таблица лидеров. Показатель coding-agent — тот, который реально ощущает команда, запускающая длинные циклы работы с инструментами.

А ещё есть расхождение между вендором и оценщиком по одному и тому же бенчмарку — вот это и стоит помнить каждый раз, когда читаешь таблицу запуска. Собственная цифра S​paceXAI по Terminal-Bench 4.0 для Grok 4.7 составляет 38%. Независимый прогон того же бенчмарка от Artificial Analysis дал 33%. Пять пунктов — в одном и том же направлении, по одной оси, для одной модели — и ни одна из сторон не лжёт. Агентные бенчмарки измеряют модель плюс скаффолд, настройки харнесса различаются, а повторные прогоны смещаются. Вот как выглядит разброс в пять пунктов, когда никто не жульничает. Держите это рядом с любым отдельным числом от вендора, которое увидите, включая цифры A​nthropic.

Что подводит нас к стороне Mythos и к причине, по которой сравнение невозможно завершить. Anthropic не публикует таблицу бенчмарков для Claude Mythos 5. Не все цифры, которые фигурируют под этим названием, исходят от вендора:

• ExploitBench, 78,0% — собственный показатель запуска Anthropic в июне, примерно вдвое превышающий 40%, которые она называла для Claude Opus 4.8. Заявлено вендором, не воспроизведено.

• CyberGym Level 1, 83,8% — число, которое чаще всего указывается рядом с этой моделью, и оно исходит не от A​nthropic. Оно появляется в сравнительных материалах конкурентов, заинтересованных в собственной подаче.

• Terminal-Bench 4.0 — 42,0% для июньского поколения и 60,9% для Claude Mythos 5.1, согласно сентябрьским обновлённым материалам Anthropic.

Обратите внимание, как эта третья строка влияет на сравнение. На единственном бенчмарке, по которому в обоих треках есть цифра, 60,9% C​laude M​ythos 5.1 намного выше независимо измеренных 33% у Grok 4.7. Их всё ещё нельзя вычитать друг из друга: одна — это цифра вендора на его собственном тестовом стенде, другая — от третьей стороны, и они проводились в разное время на разных конфигурациях. Но разрыв настолько велик, что вряд ли является полностью артефактом, и это справедливое предупреждение о том, что модель с микрофоном общего назначения не конкурирует на той оси, для которой существует уровень M​ythos.

Многословность — это строка затрат, которую никто не печатает

Тарифная сетка Grok 4.7 — самое дешёвое, что в нём есть, а его многословность — самое дорогое. Artificial Analysis измерила рост использования токенов рассуждений на 113% по сравнению с Grok 4.6, при этом на одну агентную задачу расходуется примерно 81 000 выходных токенов. Сопоставьте это с моделью, которая перечитывает контекст, а не с моделью, которая выводит его заново, — и две структуры затрат вообще перестают быть похожими: Grok 4.7 дёшев в расчёте на токен и дорог в расчёте на задачу при длительной агентной работе, тогда как тариф Mythos дорог в расчёте на токен, а его экономика полностью зависит от поведения кэша; именно поэтому сентябрьское обновление Anthropic снизило цену чтения из кэша с $1,00 до $0,25 и представило это как экономию вплоть до примерно 45% на высокоагентных нагрузках.

Вывод объёмом 81 000 токенов по ставке $6,00 за миллион — это примерно 49 центов вывода за одну задачу. В окне на 500 000 токенов, которое продаёт эта модель, промпт, превышающий 200 000 токенов, удваивает ставку за ввод и вместе с ней удваивает ставку за кэшированный ввод. Ни одно из этих чисел не является дефектом — дольше размышлять — это то, как reasoning-модели становятся лучше, — но тарифная сетка — это цена за токен, а ваш счёт — это цена за задачу, и множитель между ними различается сильнее, чем разрыв в ставках.

Что изменило 6 октября, а что нет

6 октября 2026 года Anthropic перестроила Cyber Verification Program в три уровня с подачей заявок, включила Project Glasswing в верхний из них и превратила Claude Mythos 5.1 из ресурса, доступного только партнёрам, в грант доступа, на который может подать заявку любая соответствующая требованиям организация в сфере безопасности. Claude Opus 5.5 и Claude Sonnet 5.5 присоединились ко всем уровням одновременно. По словам Anthropic, заявки на Defense Access рассматриваются в течение нескольких дней, Red Team Access занимает несколько недель, а сам доступ к Mythos появляется примерно через пять рабочих дней после одобрения. Всё это заявлено вендором и независимо не подтверждено, а планка остаётся стандартом верификации, а не ценой.

Что это означает конкретно в противостоянии с Grok 4.7 — вопрос узкий. Для авторизованной команды по безопасности это первый случай, когда у направления Mythos появился официальный вход, и сравнение впервые в истории этой модели становится реальным. Для всех остальных — разработки, интеллектуальной работы, длинных циклов с инструментами, той работы, для которой создан Grok 4.7, — сторона Anthropic в этом противостоянии остаётся закрытой, и справедливое прочтение таково: это сравнение вообще не стоило проводить. Поколение, выпущенное 9 июня, было приостановлено по всему миру через два дня после запуска распоряжением Министерства торговли США и восстановлено только для ограниченного набора проверенных американских организаций примерно к началу июля; всё существование модели было сформировано этим ограничением, и никакое изучение бенчмарков не меняет того, кому разрешён доступ.

Ответ по маршрутизации, который является единственным доступным сегодня

Grok 4.7 присутствует в каталоге OrcaRouter по собственным тарифам SpaceXAI — $2,00 за ввод и $6,00 за вывод за миллион, $0,50 за кэшированные токены, с границей тарифного уровня в 200 000 токенов и её ступенькой $4,00 / $12,00, перенесёнными в точности так, как их публикует поставщик, — с наценкой 0%, поэтому изменение тарифа вступает в силу здесь в тот же день, когда публикуется. Эта точность важна для данной модели больше, чем для большинства других, потому что обрыв на 200 000 токенов — это самый крупный ценовой разрыв в этом сравнении, и роутер, который сглаживает его до среднего значения, ввёл бы вас в заблуждение относительно вашего собственного счёта.

Второе, что делает слой маршрутизации, — превращает проблему многословности в дешёвую проверку, а не дорогостоящее допущение. Средние 81 000 токенов на вывод — это среднее значение, и ваш трафик может заметно отклоняться от него в обе стороны. Запуск Grok 4.7 на вашей собственной нагрузке — единственное измерение, которое отвечает на вопрос, дёшево это для вас или дорого, а сделать это без второй интеграции означает получить ответ ценой половины дня. Автоматическое переключение при сбое между провайдерами закрывает вторую половину задачи — рассуждающая модель, которая под нагрузкой думает дольше, с наибольшей вероятностью превысит тайм-аут, и маршрут, передающий запрос другому бэкенду вместо возврата ошибки, здесь ценнее, чем на быстрой модели.

Если возможность, которую вы хотели получить от C​laude M​ythos 5, — это класс M​ythos, а не сниженный уровень защитных мер, то модель с ограниченным доступом нельзя открыть для публичного использования, и никакие изменения платформы этого не изменят. Её близнец без ограничений может: Claude Fable 5.1 — это те же базовые веса с включёнными средствами защиты, в том же каталоге по прейскурантной цене A​nthropic $10.00 / $50.00, с действующим тарифом $0.25 за чтение кэша из сентябрьского обновления, а переключение между ним и Grok 4.7 — это изменение строки модели.

Вердикт уже, чем следует из заголовка, и это стоит сказать прямо. Для общих агентных задач Grok 4.7 — единственная из этих двух, которую можно использовать, и независимые данные свидетельствуют, что его преимущество над предшественником сосредоточено именно там, где вы бы его применяли, — а это лучший знак, чем был бы широкий прирост индекса на два пункта. Claude Mythos 5 — более сильная модель по единственной оси, по которой её кто-либо измерял, и эта ось — работа по безопасности в рамках проверенной программы. Если ваша работа не такова, интересный вопрос — не противостояние Mythos и Grok, а в том, окажется ли стоимость Grok 4.7 за задачу на вашем собственном трафике ниже, чем у модели, которую вы сейчас используете.

Ничего из этого не гипотетично: задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, класс уверенности и флаг оспаривания.