Claude Mythos 5 so với DeepSeek V4 Pro: Chênh lệch giá gấp 15 lần, và chỉ một trong hai là rẻ ở đúng điểm mạnh của nó

C​laude M​ythos 5 và DeepSeek V4 Pro không phải là những đối thủ theo nghĩa thông thường, và các con số đã cho thấy điều đó trước cả khi bất kỳ bài kiểm chuẩn nào lên tiếng. C​laude M​ythos 5 là mẫu flagship về mạng và sinh học có quyền truy cập hạn chế của A​nthropic ra ngày 9 tháng 6 năm 2026 — được làm mới thành C​laude M​ythos 5.1 vào ngày 1 tháng 9 — có giá 10 đô la cho mỗi triệu token đầu vào và 50 đô la cho mỗi triệu token đầu ra ở hạng M​ythos và chỉ khả dụng thông qua một chương trình xác minh. DeepSeek V4 Pro là mẫu flagship MoE gần với trọng số mở, được cung cấp từ API riêng của D​eepSeek kể từ tháng 4 năm 2026 và được làm mới vào tháng 8, với giá 0,66 đô la đầu vào và 1,98 đô la đầu ra ngoài giờ cao điểm, khoảng một phần mười lăm mức giá của M​ythos với các lần đọc bộ nhớ đệm rẻ hơn mười ba lần, nằm sau một khóa bạn có thể tạo trong chín mươi giây. Một trong số này là một năng lực bạn phải đăng ký; cái còn lại là một mục chi phí bạn tối ưu hóa. Dù sao thì việc so sánh vẫn đáng làm, vì hai mô hình đều kém ở cùng những điểm và giỏi ở cùng những điểm, và khoảng cách về giá là lớn nhất đúng ở nơi khoảng cách về năng lực là nhỏ nhất.

Mỗi mô hình thực sự là gì

Claude Mythos 5 là SKU hạn chế của thế hệ tiên phong của Anthropic, chia sẻ trọng số nền tảng với Claude Fable 5 công khai và chỉ khác biệt ở mức độ bảo vệ — các bộ phân loại mạng và sinh học vẫn được bật trong mô hình công khai. Anthropic mô tả nó là bản cập nhật mới nhất cho Mythos Preview, với những cải thiện về điểm chuẩn an ninh mạng, sinh học và chăm sóc sức khỏe, được phát hành cho “một nhóm nhỏ các đối tác đã được thẩm định.” Lịch sử điểm chuẩn được công bố của nó còn mỏng và chủ yếu đến từ các bài đưa tin ra mắt thay vì một thẻ mô hình được duy trì, và con số 83,8% của CyberGym Level 1 lưu hành cùng tên gọi này không bắt nguồn từ Anthropic. Điểm mạnh đã biết của nó là công việc bảo mật tấn công và phòng thủ: danh tiếng của mô hình dựa trên việc phát hiện lỗ hổng tự động, và phạm vi truy cập của nó được xây dựng xoay quanh điều đó — Cyber Verification Program, và trình quét Claude Security, thứ đưa Mythos 5 tiếp xúc với các cơ sở mã thực tế cho khách hàng Enterprise mà không cho họ khả năng nhắc lệnh tự do.

DeepSeek V4 Pro thì ngược lại ở gần như mọi khía cạnh quan trọng về mặt thương mại. Đây là một mô hình hỗn hợp chuyên gia với tổng cộng 1,6 nghìn tỷ tham số và khoảng 49 tỷ tham số hoạt động, cửa sổ ngữ cảnh 1.048.576 token, đầu ra tối đa 384.000 token, đầu vào chỉ văn bản và một bảng giá được công bố. Nó ra mắt qua API của DeepSeek vào tháng 4, được làm mới với bản dựng 0813 vào ngày 13 tháng 8, và vẫn được phục vụ đến nay với mức tính phí không đổi — một điểm đáng nói rõ vì vào tháng 9, DeepSeek đã công bố việc ngừng cung cấp mô hình, ấn định ngày, rồi mười một ngày sau lại tự đảo ngược dưới áp lực từ các nhà phát triển. Dòng chú thích trên chính trang định giá của DeepSeek giờ đây được hiểu như một cam kết duy trì liên tục mà không kèm theo khung thời gian nào.

Bảng giá, với dòng mà hầu hết các so sánh đều bỏ qua

• Đầu vào — Claude Mythos 5 ở mức $10,00 mỗi triệu token so với DeepSeek V4 Pro ở mức $0,66 ngoài giờ cao điểm, $1,32 trong các khung giờ cao điểm; mức chênh lệch từ 7,6× đến 15,2×.

• Đầu ra — 50,00 USD mỗi triệu so với 1,98 USD ngoài giờ cao điểm, 3,96 USD giờ cao điểm; mức chênh lệch 12,6× đến 25×.

• Lượt đọc bộ nhớ đệm — $1.00 mỗi triệu cho thế hệ M​ythos tháng Sáu, $0.25 trên C​laude M​ythos 5.1 và Claude Fable 5.1, so với $0.022 cho DeepSeek V4 Pro ngoài giờ cao điểm; đây là khoản mục chiếm phần lớn trong các phiên chạy agent dài và là nơi khoảng cách rộng nhất.

• Ngữ cảnh và giới hạn đầu ra — cả hai đều 1M token; đầu ra tối đa 128K ở phía M​ythos so với 384K của DeepSeek V4 Pro.

• Phương thức — đầu vào dạng văn bản, hình ảnh và tệp ở phía Mythos so với chỉ văn bản trên DeepSeek V4 Pro.

• Truy cập — một chương trình xác minh và yêu cầu lưu trữ dữ liệu 30 ngày, so với khóa API tự phục vụ.

Dòng về cửa sổ cao điểm mới là thứ gây thiệt. Mức giá ngoài giờ cao điểm của DeepSeek chỉ bằng một nửa mức cao điểm, và các cửa sổ cao điểm là 01:00–04:00 và 06:00–10:00 UTC, từ thứ Hai đến thứ Sáu, không tính các ngày lễ công cộng của Trung Quốc; mọi khoảng thời gian khác, kể cả toàn bộ cuối tuần, đều được tính là ngoài giờ cao điểm. Một tác vụ hàng loạt chạy theo lịch trình thay vì theo nhu cầu có thể rơi vào cửa sổ cao điểm mà không ai lựa chọn điều đó, và mức giá đầu vào hiệu dụng trở thành $1.32. Con số đó vẫn chỉ là một phần nhỏ so với mức giá của Mythos, nên kết luận không hề đảo chiều — nhưng một bản tóm tắt “rẻ hơn 25×” mà bỏ qua cửa sổ đó đang mô tả một mô hình mà bạn có thể không hề gọi đến. Ở phía Mythos, hãy chú ý hướng đi về caching: Anthropic đã giảm 75% giá đọc cache giữa hai thế hệ, điều đó cho bạn thấy nhà cung cấp hiểu rằng công việc agentic dài sẽ đọc lại cùng một ngữ cảnh, và dòng cache mới là nơi hóa đơn của người dùng nặng thực sự nằm.

Việc so sánh benchmark không thể thực hiện được

Đây là vấn đề đáng nói thực sự ở màn so tài này, và nó không hề nhỏ. Anthropic không công bố bảng benchmark nào cho Claude Mythos 5, còn DeepSeek thì không công bố kết quả đối đầu với Mythos 5. Hai mô hình này đã được các bên khác nhau đo lường trên những khía cạnh khác nhau, và những con số đang lưu hành về Claude Mythos 5 chủ yếu đến từ các so sánh của bên thứ ba chứ không phải từ Anthropic.

Những gì hiện có mang tính bất đối xứng theo một cách hữu ích. DeepSeek đã công bố một thẻ đầy đủ cho bản dựng 0813, toàn bộ đều do nhà cung cấp tự báo cáo và không phần nào được tái lập độc lập: Terminal-Bench 2.1 ở 87.9, DeepSWE ở 62.7, CyberGym ở 83.3, Humanity's Last Exam ở 42.7 khi không dùng công cụ và 60.0 khi có công cụ, Toolathlon-Verified ở 74.1, AutomationBench ở 31.8. Các đơn vị đánh giá độc lập sau đó đã khiến bức tranh nguội đi đáng kể — Artificial Analysis xếp bản dựng 0813 ở mức 36 trên Intelligence Index của mình với chi phí đo được là $0.67 cho mỗi tác vụ chỉ số, và biến thể không suy luận của nó ở mức 20. Đó là một hồ sơ năng lực thực sự với $0.66 cho mỗi triệu token đầu vào, và còn kém xa mức tiên phong về suy luận tổng quát.

Điểm mà hai mô hình thực sự trùng nhau là bảo mật, và ở đó, phép so sánh lại mang tính chỉ dẫn theo hướng sai. DeepSeek báo cáo CyberGym đạt 83,3 đối với V4 Pro. Con số thường được in bên cạnh Claude Mythos 5 trên cùng benchmark là 83,8 — và nó không đến từ Anthropic, mà đến từ so sánh của một đối thủ vốn có lý do riêng để dựng lên hình ảnh một cuộc đua sát nút. Hai con số gần với nhà cung cấp, cách nhau nửa điểm trên cùng một benchmark, không phải bằng chứng rằng một mô hình MoE mở chủ lực sánh ngang mô hình an ninh mạng bị hạn chế của Anthropic. Đó là bằng chứng rằng cả hai con số đều chưa được xác minh độc lập, và rằng benchmark đang được cả hai bên dùng như hạ tầng tiếp thị.

Khi mỗi thứ đều là công cụ sai

Đặt hai mô hình đối chiếu với một danh sách tác vụ, và sự phân chia đủ rõ ràng để định tuyến dựa vào đó.

C​laude M​ythos 5 được xây dựng cho công việc bảo mật và đóng kín với gần như tất cả những ai muốn dùng nó. Nếu nhiệm vụ của bạn là phát hiện lỗ hổng, phát triển khai thác, red-teaming nhắm vào hạ tầng của chính bạn, hay nghiên cứu bảo mật cần nhắc lệnh tự do với một mô hình tiên phong, thì hạng Mythos chính là thứ được thiết kế cho việc đó, và giá không phải là rào cản — điều kiện đủ mới là. Bản sinh đôi công khai của cùng mô hình đó, Claude Fable 5, mang đầy đủ chồng biện pháp bảo vệ, nghĩa là kiểm thử xâm nhập, tạo khai thác và quét lỗ hổng nhị phân vẫn bị chặn; bạn đang mua hạng năng lực, chứ không phải các quyền hạn về mạng.

DeepSeek V4 Pro được xây dựng cho khối lượng lớn. Văn bản vào, văn bản ra, trần đầu ra khổng lồ, và một mức giá khiến các vòng lặp thử lại dồn dập cùng những pipeline trích xuất dài trở nên không đáng kể về mặt chi phí. Hồ sơ năng lực của nó đúng là thứ bạn cần cho phân loại quy mô lớn, trích xuất có cấu trúc từ các tài liệu vốn đã ở dạng văn bản, tóm tắt, sàng lọc ban đầu và phần giữa nặng về định dạng của một pipeline agent. Nó không phải là mô hình để bạn gửi một hình ảnh tới: nó không có khả năng thị giác, vì vậy PDF quét hoặc ảnh chụp màn hình không phải là đường đầu vào rẻ hơn, mà là đường đầu vào bị loại trừ. Và chỉ số suy luận tổng quát 36 của nó đồng nghĩa rằng những tác vụ cần một kế hoạch nhiều bước thực sự là những tác vụ mà lợi thế về giá không còn bù đắp được nữa.

Cấu trúc chi phí khiến định tuyến trở thành giải pháp thay vì một thỏa hiệp

Vì các thế mạnh không trùng lặp nhiều, nước đi hữu ích không phải là chọn lựa. Hãy gửi công việc cần thị giác và phần suy luận khó cho phía Anthropic, còn công việc văn bản khối lượng lớn cho DeepSeek, và khoản tiết kiệm trên một khối lượng công việc hỗn hợp thường là lớn — nhưng chỉ khi hai mô hình nằm sau một khóa duy nhất, vì nếu không thì tích hợp thứ hai tốn nhiều thời gian kỹ thuật hơn khoản chênh lệch trong chi phí token.

Đó là trường hợp dành cho một lớp định tuyến chứ không phải một quyết định mua sắm. OrcaRouter mang anthropic/claude-opus-5.5 ở mức $4.00 cho đầu vào và $20.00 cho đầu ra cùng deepseek/deepseek-v4-pro ở mức $0.66 và $1.98 trên cùng một endpoint tương thích O​penAI, trong một danh mục hơn 200 mô hình, với giá niêm yết của nhà cung cấp được chuyển thẳng qua ở mức chênh lệch 0% — điều này đặc biệt quan trọng ở phía D​eepSeek, bởi vì D​eepSeek đã điều chỉnh giá V4 Pro không chỉ một lần và thay đổi các khung giờ ngoài cao điểm của mình, và một tuyến chuyển thẳng sẽ bám theo bảng giá của nhà cung cấp thay vì đóng băng một con số vào hợp đồng của bạn. DSL định tuyến diễn đạt sự phân tách tại một chỗ — mô hình rẻ cho nhánh dễ, nâng cấp khi độ tin cậy của câu trả lời hoặc hình dạng của tác vụ cho thấy cần thiết — và tính năng chuyển đổi dự phòng tự động ở đây đáng giá hơn so với trên một mô hình ổn định: V4 Pro đã trải qua một tuần trong tháng Chín trong tình trạng ngừng hoạt động đã được công bố rồi sau đó bị rút lại, và việc có một tuyến tự động chuyển sang nhà cung cấp thứ hai mà không cần triển khai là một biện pháp phòng ngừa rẻ để đối phó với việc nhà cung cấp đổi ý.

Công dụng trung thực khác của cùng một danh mục là như một thiết bị đo lường. Thói quen ưu tiên mô hình đắt tiền là phổ biến và tốn kém; cách khắc phục đáng tin cậy duy nhất là đếm token trên lưu lượng thực tế với cả hai mô hình, đây là một thay đổi cấu hình khi cả hai cùng nằm trên một khóa và là một dự án khi chúng không như vậy.

Điều gì sẽ thay đổi sự so sánh này?

Hai điều. Nếu D​eepSeek tung ra một phiên bản kế nhiệm thu hẹp khoảng cách agent tầm xa với mức giá tương đương giá hiện tại, thì sự chia tách này thu gọn lại thành một câu hỏi về giá và câu trả lời là hiển nhiên — và D​eepSeek đã nhiều lần thực hiện nước đi đó, bao gồm một bản phát hành tháng 9 mà hãng nói rằng vượt trội toàn diện so với V4 Pro về hiệu năng, chi phí và tốc độ. Ở chiều ngược lại, nếu A​nthropic công bố bảng benchmark M​ythos 5 hoặc 5.1 trên một bộ tiêu chuẩn, thì phần bảo mật của so sánh này trở nên có thể kiểm chứng thay vì chỉ được khẳng định, và người mua cuối cùng sẽ có thể biết liệu biểu giá $10 / $50 có đang mua được thứ mà mức giá $0.66 của D​eepSeek không cung cấp hay không.

Cả hai đều chưa xảy ra. Cho đến khi một trong hai xảy ra, quan điểm thực tế là DeepSeek V4 Pro mang lại giá trị trên mỗi token tốt hơn trên thị trường cho công việc dạng văn bản và được định giá như thể suy luận tiên phong đã là một loại hàng hóa đã được giải quyết, còn C​laude M​ythos 5 là một năng lực mà hầu hết các đội không thể có được và là một mức giá mà hầu hết các đội sẽ không trả dù có thể. Hãy xây dựng trên mô hình bạn có thể gọi; giữ tên mô hình trong cấu hình để mô hình còn lại trở thành một thay đổi chỉ một dòng nếu có ngày nó mở.

Không có gì trong số đó là giả thuyết: các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.