Claude Mythos 5 vs Gemini 4 Argon: Một cánh cửa đã mở trong mười ba ngày, cánh cửa kia vẫn chưa mở kể từ tháng Sáu

Gemini 4 Argon và Claude Mythos 5 đều được công bố là các mô hình có năng lực vượt trên mô hình hàng đầu với quyền truy cập đầu tiên bị hạn chế, và kể từ đó hai mô hình đã hoàn toàn rẽ sang hai hướng khác nhau. Google đã công bố Gemini 4 Argon vào ngày 30 tháng 9 năm 2026 thông qua một nhóm Fairwind Program gồm các chuyên gia phòng thủ không gian mạng đáng tin cậy, và vào ngày 13 tháng 10, chuỗi mô hình gemini-4-argon đã chuyển sang Stable trên gói trả phí của chính Google — mười ba ngày từ khi công bố đến khi có khóa tự phục vụ, với mức giá giới thiệu là 2 đô la cho mỗi triệu token đầu vào và 10 đô la cho mỗi triệu token đầu ra vẫn đang được áp dụng. Claude Mythos 5 đã xuất hiện lâu hơn nhiều: Anthropic đã phát hành nó vào ngày 9 tháng 6 năm 2026 như là phiên bản anh em bị hạn chế của Claude Fable 5, làm mới nó thành Claude Mythos 5.1 vào ngày 1 tháng 9, và nó vẫn không có điểm cuối công khai, không có gói tự phục vụ và không có bảng đánh giá chuẩn nào được công bố — quyền truy cập chỉ thông qua Cyber Verification Program hoặc Life Sciences Verification Program và không có gì khác. Sự khác biệt đó, chứ không phải khoảng cách về điểm chuẩn, là điều quyết định cuộc so tài này đối với hầu hết độc giả.

Hai mô hình có cùng câu chuyện khởi nguồn nhưng kết cục khác nhau

Cả hai đều ra mắt theo cùng một cách, và chính điều đó khiến sự khác biệt trở nên đáng suy ngẫm. Anthropic phát hành Claude Mythos 5 dưới dạng SKU hạn chế của thế hệ ngày 9 tháng 6, dùng chung trọng số nền với Claude Fable 5 công khai và chỉ khác ở mức độ bảo vệ, rồi trao nó cho “một nhóm nhỏ các đối tác đã qua thẩm định.” Google phát hành Gemini 4 Argon trước tiên cho Fairwind Program — gồm các cơ quan chính phủ đã qua thẩm định, đơn vị vận hành hạ tầng trọng yếu và những người bảo trì phần mềm — và nói thẳng rằng quyền truy cập rộng hơn dành cho khách hàng API trả phí, thuê bao Google AI Ultra, nhà phát triển và doanh nghiệp sẽ đến sau. Sau đó, Google đã làm đúng điều mình nói sẽ làm.

Anthropic đã làm một điều khác biệt, và thật đáng để nhìn nhận nó một cách công bằng. Vào ngày 6 tháng 10, họ đã xây dựng lại Cyber Verification Program thành ba tầng dựa trên đơn đăng ký, gộp Project Glasswing vào đó, và biến Claude Mythos 5.1 từ một phần phân bổ dành cho đối tác thành một quyền truy cập được cấp mà bất kỳ tổ chức an ninh mạng đủ điều kiện nào cũng có thể nộp đơn xin. Đó là một sự mở rộng cánh cửa thực sự — lần đầu tiên trong lịch sử của mô hình này. Đó cũng vẫn là một cánh cửa với rào cản xác minh thay vì một mức giá, và nó nhắm cụ thể vào các tổ chức an ninh mạng thay vì đối tượng nhà phát triển nói chung. Con đường của Google kết thúc ở một bảng giá; con đường của Anthropic kết thúc ở một vòng xét duyệt đơn đăng ký.

Mỗi thứ tốn bao nhiêu, và lưu ý về con số Argon

• Đầu vào — Gemini 4 Argon ở mức giá giới thiệu 2,00 đô la mỗi triệu token so với Claude Mythos 5 ở mức 10,00 đô la; mức chênh lệch 5×.

Đầu ra — $10.00 mỗi triệu so với $50.00; vẫn là 5×.

• Đầu vào được lưu trong bộ nhớ đệm — Argon ở mức $0.10 mỗi triệu, giảm 95% so với giá đầu vào; C​laude M​ythos 5.1 ở mức $0.25 trên SKU mới hơn và $1.00 trên thế hệ tháng Sáu.

• Ngữ cảnh và đầu ra — 1M token ngữ cảnh trên cả hai; trần đầu ra của Argon đã được nâng lên 1M từ 64K, so với 128K cho hạng Mythos.

• Phương thức — Argon nhận văn bản, hình ảnh, video và tệp với đầu ra là văn bản; gói Mỹthos nhận đầu vào là văn bản, hình ảnh và tệp.

• Quyền truy cập — API key trả phí kể từ ngày 13 tháng 10 so với đơn đăng ký tham gia các chương trình xác minh của Anthropic với yêu cầu lưu trữ dữ liệu trong 30 ngày.

Điều kiện kèm theo nằm ở chữ "giới thiệu". Mức 2 đô / 10 đô của Google là giá ra mắt và Google đã nói rõ như vậy; một mức giá được mô tả theo cách đó có thể thay đổi, và con số để bạn lập ngân sách chính là con số Google công bố vào ngày bạn cam kết. Điều kiện kèm theo còn lại mang tính số học hơn là chính sách: Artificial Analysis đo chi phí chạy toàn bộ bộ chỉ số của mình là 2.407 đô la đối với Argon — khoảng 1,99 đô la cho mỗi tác vụ chỉ số — tức khoảng một phần ba so với chi phí của cùng bộ chỉ số đó trên Claude Opus 5.5 — một lời nhắc rằng giá niêm yết và chi phí thực tế sẽ tách xa nhau khi một mô hình cần ít token hơn và ít lần thử lại hơn để hoàn thành một tác vụ. Không có con số tương đương nào cho Claude Mythos 5, bởi vì không đơn vị đánh giá độc lập nào có thể gọi nó.

Sự bất đối xứng của benchmark, đó chính là kết luận trung thực.

G​emini 4 Argon đã được đo lường. C​laude M​ythos 5 thì chưa, và không phải vì có ai cho rằng nó yếu.

Các con số được Argon công bố độc lập: Chỉ số Trí tuệ Artificial Analysis từ 52,6 đến 53 tùy theo cấu hình nỗ lực, với mức đo được là 1,99 USD cho mỗi tác vụ chỉ số và 48,9 token đầu ra mỗi giây với token đầu tiên mất 2,79 giây. Vị trí thứ nhất trên Vals Index với 68,90% (±0,97) trên bảng tác động kinh tế theo trọng số GDP của nó. Điểm số tác vụ do nhà cung cấp báo cáo, mà Google đã công bố cùng thông báo ngày 30 tháng 9 và vẫn chưa được tái lập: Terminal-Bench 4.0 đạt 57,1%, SciCode đạt 61,8%, Humanity's Last Exam đạt 57,1%, suy luận ngữ cảnh dài đạt 79,7%, AutomationBench đứng đầu với 51,3%, và chỉ số Omniscience là 42,4 — mức dẫn đầu lớn nhất ở một tác vụ đơn lẻ so với một mô hình mở tương đương trong bộ đó.

Thành tích đã công bố của Claude Mythos 5 là một loại khác hẳn. Anthropic không duy trì thẻ điểm chuẩn nào cho nó, nên mọi con số đang lưu hành đều là thông tin gián tiếp. Điểm CyberGym Level 1 là 83,8% thường được in kèm bên cạnh tên không đến từ Anthropic chút nào — nó xuất hiện trong bảng so sánh của một nhà cung cấp đối thủ, bên có lợi ích riêng trong việc cuộc đua trông sít sao đến nhường nào. Con số ExploitBench 78,0% là của chính Anthropic, được báo cáo tại buổi ra mắt tháng 6, so với 40% của Claude Opus 4.8. Ngoài ra còn có những tuyên bố vận hành: một lỗi OpenBSD 27 năm chưa được phát hiện, một lỗ hổng FFmpeg 16 năm tuổi, một khai thác trình duyệt chuỗi bốn lỗ hổng để thoát khỏi cả sandbox của renderer lẫn sandbox của hệ điều hành, và một leo thang đặc quyền trong nhân Linux từ người dùng lên root.

Đặt chúng cạnh nhau thì các bảng xếp hạng không thể so sánh được với nhau, và đó chính là ý chính. Một mô hình có điểm chỉ số, chi phí trên mỗi tác vụ và vị trí trên bảng xếp hạng; mô hình còn lại có danh tiếng và một tập hợp các nghiên cứu điển hình mà không ai ngoài danh sách đối tác của Anthropic có thể tái tạo. Argon cũng có một chỉ trích được ghi nhận mà hạng Mythos không có: Bloomberg đưa tin vào ngày công bố rằng một số nhân viên Google có quyền truy cập trực tiếp nói rằng mô hình này làm việc thực tế kém hơn so với những gì các benchmark của nó gợi ý — thiết kế front-end nằm trong số các tác vụ được nêu tên — và mô tả nó là bị ảnh hưởng bởi việc tối ưu hóa theo benchmark, điều mà Google phủ nhận. Báo cáo đó chưa được xác minh và còn gây tranh cãi, nhưng nó vẫn là một điểm dữ liệu tồn tại cho một bên của cặp so sánh này và không tồn tại cho bên kia.

Sự so sánh mà không nhà cung cấp nào đưa ra

Tài liệu ra mắt của Google định vị Argon đối đầu với Claude Opus 5.5 và GPT-6 Astra về lập trình, và không công bố so sánh với Claude Fable 5.1 hoặc Claude Mythos 5.1. Tài liệu của Anthropic định vị Mythos 5.1 đối đầu với chính phiên bản tiền nhiệm của nó. Cả hai nhà cung cấp đều chưa công bố so sánh trực tiếp nào, nghĩa là cuộc đối đầu trong tiêu đề bài viết này là cuộc đối đầu mà cả hai công ty đều đã né tránh và không phòng thí nghiệm độc lập nào có thể thực hiện, bởi vì một trong hai mô hình không thể được một đơn vị đánh giá gọi tới.

Điều có thể nói được là ở chỗ các bản mô tả thiết kế khác biệt nhau. Bộ so sánh do Argon công bố bao gồm Harvey's Legal Agent Benchmark, Vals Finance Agent v2 và một bộ kiểm thử tiêm prompt gián tiếp từ Gray Swan — công việc tri thức, đầu ra kinh tế và khả năng chống tiêm prompt. Bằng chứng của hạng M​ythos là công việc bảo mật tấn công và phòng thủ. Đó là những công việc khác nhau, và người mua lựa chọn giữa chúng thường đang lựa chọn giữa một mô hình tiên tiến tổng quát tình cờ mạnh về tài liệu và một mô hình chuyên biệt mạnh bất thường về bề mặt tấn công. Chênh lệch chi phí, gấp 5× giá niêm yết, là cái giá của sự chuyên biệt hóa đó, và chỉ đáng trả nếu sự chuyên biệt đó là điều bạn cần.

Những gì bạn có thể gọi hôm nay

Không mô hình nào trong hai mô hình đó nằm trong danh mục của OrcaRouter, và đó không phải là tình trạng tạm thời mà một nền tảng có thể khắc phục — Gemini 4 Argon có thể truy cập được qua API riêng của Google với mức giá của Google, còn Claude Mythos 5 chỉ có thể truy cập được thông qua một chương trình xác minh, nếu không thì hoàn toàn không. Việc liệt kê một trong hai là có sẵn ở đây sẽ là một lời nói dối.

Những gì có trong danh mục là thành viên có thể truy cập được của mỗi dòng. Claude Fable 5 là bản song sinh công khai của Claude Mythos 5 — cùng trọng số nền, toàn bộ ngăn xếp bảo vệ — ở mức giá niêm yết của Anthropic là $10.00 mỗi triệu token đầu vào và $50.00 mỗi triệu token đầu ra với mức phụ trội 0%, và Claude Fable 5.1 là phiên bản tương đương mới hơn ở cùng mức giá, với mức đọc cache được giảm 75% xuống $0.25. Claude Opus 5.5 có mặt ở mức $4.00 và $20.00, và tài liệu ra mắt của chính Anthropic nói rằng nó tương đương với Claude Mythos 5.1 về sinh học và an ninh mạng — mà đọc thẳng ra thì đó là nhà cung cấp đang nói với bạn rằng lợi thế của mô hình bị hạn chế đã thu hẹp xuống còn hành vi từ chối mà một chương trình xác minh tồn tại để mở khóa. Đặt những thứ đó sau một endpoint với chuyển đổi dự phòng tự động và vấn đề "Tôi không thể lấy được mô hình mình muốn" trở thành một cấu hình định tuyến thay vì một dự án nghiên cứu: công việc cần năng lực gần Mythos sẽ đi đến Fable 5.1, công việc cần suy luận tổng quát rẻ hơn sẽ đi nơi khác, và hoán đổi một trong hai chỉ là thay đổi chuỗi mô hình trên cùng một khóa.

Xem gì

Ba tín hiệu, tất cả đều cụ thể. Liệu mức giá giới thiệu của Google có trụ nổi khi tiếp xúc với lưu lượng thật hay không, đây là yếu tố kích hoạt để lập luận về chi phí trở nên có thể hành động thay vì chỉ mang tính lý thuyết. Liệu Anthropic có công bố bảng đánh giá chuẩn Mythos 5.1 trên cùng bộ dữ liệu như Opus 5.5 hay không — tài liệu hữu ích nhất mà nhà cung cấp có thể phát hành, và là cách duy nhất để người mua định giá mức phụ trội gấp 5 lần. Và liệu ngưỡng xét duyệt đơn đăng ký của Cyber Verification Program có tiếp tục hạ xuống hay không, bởi bản dựng lại ngày 6 tháng 10 là lần đầu tiên chính sách truy cập của mô hình này chuyển dịch theo hướng cởi mở hơn và tốc độ của sự chuyển dịch đó mới là điều đáng theo dõi.

Cho đến khi những điều đó thành hiện thực, tóm tắt công bằng là Argon là mô hình có một mức giá, một endpoint và một thước đo của người khác được áp lên nó, còn C​laude M​ythos 5 là mô hình có danh tiếng và một mẫu đơn đăng ký. Hai trong ba điều đó có thể kiểm chứng, còn điều thứ ba thì không.

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.