Claude Mythos 5 vs Gemini 4 Pro: Tên gọi sai, khoảng cách tiếp cận là có thật

Nếu bạn đang so sánh Claude Mythos 5 với Gemini 4 Pro, điều đầu tiên cần biết là chỉ một trong hai cái tên đó là tên của một mô hình bạn có thể mua. Google chưa tung ra bất cứ thứ gì có tên Gemini 4 Pro. Mô hình Gemini 4 tiên phong đang được đưa vào vận hành là Gemini 4 Argon, được công bố vào ngày 30 tháng 9 năm 2026 với một nhóm kín gồm các chuyên gia phòng thủ an ninh mạng và mở rộng trên toàn thế giới vào ngày 13 tháng 10 năm 2026 với mức giá giới thiệu 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra. Claude Mythos 5, ra mắt ngày 9 tháng 6 năm 2026, có giá 10 USD và 50 USD cho cùng các đơn vị đó và hoàn toàn không được bán theo hình thức tự phục vụ. Vì vậy, so sánh trung thực không phải là "mẫu hàng đầu nào tốt hơn". Mà là một chuyên gia bị hạn chế truy cập với giá đầu ra gấp năm lần, đặt cạnh một mô hình tổng quát mở cho mọi người ở mức giá khuyến mại hết hạn vào ngày 30 tháng 11 năm 2026.

Sự nhầm lẫn về cách đặt tên đáng được làm rõ thay vì lảng tránh, vì nó đã tạo ra một loạt trang so sánh trích dẫn thông số kỹ thuật của một mô hình không xuất hiện trong tài liệu API của Google. "Gemini 4 Pro" được lưu hành như một nhãn cộng đồng cho các checkpoint nội bộ và cho chính bản phát hành Argon. Tài liệu dành cho nhà phát triển của Google liệt kê gemini-4-argon. Mọi con số dưới đây ở phía Google đều đến từ mô hình đó.

Google thực sự đã phát hành những gì

Thay đổi nổi bật của Gemini 4 Argon không phải là cửa sổ đầu vào, thứ mà Google chưa công bố chính thức. Mà là trần đầu ra: một triệu token trong một phản hồi duy nhất, tăng từ 64K ở thế hệ trước. Đó là một loại năng lực khác với cửa sổ ngữ cảnh lớn. Đầu ra một triệu token cho phép một mô hình viết toàn bộ một cuộc migration, một bộ kiểm thử đầy đủ hoặc một tài liệu dài trong một mạch duy nhất mà không cần ghép nối, và nó thay đổi những gì một vòng lặp agentic có thể trả về trong một bước.

Các điểm chuẩn hiệu năng khi ra mắt do Google công bố, tất cả đều do nhà cung cấp tự báo cáo và chưa được tái lập độc lập:

• DeepSWE v1.1 — 77,9%, so với 74,2% của Claude Opus 5.5 và 74,1% của GPT-6 Astra trong bảng so sánh của Google.

• Vals Index — 68,9%, đứng đầu trong bảng tổng hợp của Google về các tác vụ tài chính, pháp lý, thuế và lập trình.

• Zapier AutomationBench — 51,3%, vị trí thứ nhất.

• LVBench — 91.7% về khả năng hiểu video dài.

• CWE-bench v1 — 68% về khắc phục lỗ hổng bảo mật, đồng hạng nhất.

• Harvey Legal Agent Benchmark — 19,6% vượt qua toàn bộ.

Các điểm yếu cũng cụ thể không kém và ít được nhắc đến hơn. Argon kém Claude Opus 5.5 khoảng chín điểm trên Terminal-Bench 4.0, và kém GPT-6 Astra khoảng 10,5 điểm trên FrontierSWE v2 và Terminal-Bench Science. Trên GDPval-AA, nó đạt 56%, mà một đơn vị theo dõi xếp thứ 14. Artificial Analysis cho nó Chỉ số Trí tuệ là 53 — đứng thứ ba, ngang bằng GPT-6 Astra và sau Opus 5.5 với 58.

Chênh lệch giá có kèm theo một cuốn lịch.

Argon có mức $2/$10 là giá giới thiệu. Từ ngày 1 tháng 12 năm 2026, mức này sẽ thành $4/$20. Phép so sánh mà hầu hết các trang đang chạy hôm nay ngầm giả định con số khuyến mãi là vĩnh viễn, khiến khoảng cách so với Claude Mythos 5 trông như 5× ở đầu ra trong khi sau thay đổi thì là 2,5×. Đầu vào được lưu trong bộ nhớ đệm là nửa còn lại của câu chuyện: Argon giảm giá lượt đọc bộ nhớ đệm 95%, xuống còn $0.10 mỗi triệu, trong khi lượt đọc bộ nhớ đệm của Mythos 5 là $1.00 mỗi triệu. Với một tác nhân đọc lại một kho mã lớn ở mỗi lượt, tỷ lệ đó quyết định hóa đơn nhiều hơn cả mức giá đầu ra được quảng cáo.

Mythos 5 có một lợi thế về giá hiếm khi được nhắc đến: yêu cầu theo lô có giá bằng một nửa, và ngữ cảnh 1M token của nó được ghi trong tài liệu chứ không phải suy đoán. Google đã công bố giới hạn đầu ra nhưng không công bố cửa sổ đầu vào, và các công cụ theo dõi của bên thứ ba đã lấp đầy khoảng trống bằng những con số mà Google chưa xác nhận. Nếu ứng dụng của bạn phụ thuộc vào một mức trần đầu vào cụ thể, đó là câu hỏi về mua sắm, không phải câu hỏi về benchmark.

Hai bảng chuẩn không bao giờ gặp nhau

Không có bộ khung đánh giá chung nào giữa hai mô hình này trong các con số công bố của họ. Google báo cáo DeepSWE v1.1; bảng thông số Mythos 5 của Anthropic dẫn đầu với SWE-bench Pro ở 80,3%, Terminal-Bench 2.1 ở 88,0%, SWE-bench Verified ở 95,5%, CyberGym ở 83,8% và ExploitBench ở 78,0%. Đó là những bài kiểm tra khác nhau, do các phòng thí nghiệm khác nhau chạy, vào những ngày khác nhau. Đặt chúng cạnh nhau sẽ tạo ra một bảng trông giống như so sánh nhưng thực chất không phải vậy.

Điểm tham chiếu đa mô hình trung thực duy nhất là một chỉ số trung lập. Artificial Analysis xếp Gemini 4 Argon ở mức 53. Claude Mythos 5 hoàn toàn không xuất hiện trên chỉ số đó — các mục gần nhất là mô hình anh em Claude Fable 5.1 và mô hình kế nhiệm Claude Mythos 5.1. Với một mô hình đã có mặt từ tháng Sáu, việc thiếu điểm số độc lập tự nó đã là thông tin: những hạn chế truy cập khiến Mythos 5 không được lưu hành rộng rãi cũng khiến nó nằm ngoài phần lớn quy trình đánh giá.

Khả năng tiếp cận là biến số quyết định, không phải chất lượng

Không thể mua Claude Mythos 5 bằng thẻ tín dụng. Vào ngày 6 tháng 10 năm 2026, Anthropic đã tái cơ cấu Cyber Verification Program thành ba bậc dựa trên đơn đăng ký — Defence Access, Red Team Access và một bậc Specialised Access dành riêng cho cơ sở hạ tầng trọng yếu — đồng thời gộp các đối tác cũ của Project Glasswing vào bậc cao nhất. Các đơn đăng ký đều được xét duyệt, chỉ dành cho tổ chức Hoa Kỳ tại thời điểm ra mắt, và mọi lưu lượng thuộc lớp Mythos đều áp dụng chính sách lưu giữ bắt buộc 30 ngày, khiến nó không phù hợp với bất kỳ ai có cam kết không lưu giữ dữ liệu. Không có trang đăng ký.

Gemini 4 Argon đi theo hướng ngược lại theo từng giai đoạn. Nó ra mắt cho những người phòng thủ đã được thẩm định thông qua Fairwind Program, sau đó mở cho khách hàng API trả phí vào ngày 13 tháng 10. Nếu bạn đang xây dựng một thứ gì đó trong quý này và bạn không phải là một tổ chức bảo mật có lịch trình đánh giá, thì một trong những mô hình này là một khoản mục chi phí còn mô hình kia là cả một dự án.

Sự bất đối xứng đó cũng định hình lại lập luận về benchmark. Một mô hình mà bạn không thể gọi có điểm chất lượng, chứ không phải lợi thế chất lượng. Câu hỏi phù hợp với hầu hết các nhóm là mô hình nào được cung cấp rộng rãi sẽ mang lại cho họ thứ gần nhất với hành vi đẳng cấp Mythos. Ở phía Anthropic, đó là Claude Fable 5.1: cùng một mô hình nền tảng với các biện pháp bảo vệ nguyên vẹn, $10/$50, và không có chương trình xác minh. Ở phía Google, đó chính là Argon, được cung cấp rộng rãi nhưng không phải cùng một sản phẩm như một mô hình cyber không dùng bộ phân loại.

Làm thế nào để chọn mà không có một cuộc so tài trực diện mà bạn không thể thực hiện

Nếu công việc của bạn là bảo mật tấn công được ủy quyền, red teaming hoặc phân tích mã độc bên trong một tổ chức có thể vượt qua đánh giá, thì Claude Mythos 5 là chuyên gia và quy trình truy cập chính là cái giá để được nhận vào. Nếu công việc của bạn là tạo mã đầu ra dài, di chuyển hoặc tổng hợp tài liệu, thì Gemini 4 Argon hôm nay rẻ hơn, thậm chí còn rẻ hơn nữa sau đợt điều chỉnh giá tháng 12 so với Mythos 5 về đầu ra, và có sẵn mà không cần nộp đơn.

Với những ai ở giữa, câu trả lời thực tế là không chọn bên nào làm điểm phụ thuộc duy nhất. Claude Fable 5.1 và Claude Fable 5 đều có trong danh mục OrcaRouter ở giá niêm yết, không đánh dấu, nghĩa là bảng giá của Anthropic đến với bạn không thay đổi và thay đổi giá có hiệu lực ngay trong cùng ngày. Gemini 4 Argon chưa có trong danh mục của chúng tôi; các mô hình Gemini mà chúng tôi định tuyến là dòng 3.x, nên hợp đồng trực tiếp với Google vẫn là con đường dành cho Argon. Chạy phía Anthropic qua một endpoint cùng với các mô hình bạn đã dùng là cách rẻ để kiểm tra liệu Fable 5.1 có đáp ứng tiêu chuẩn của bạn trước khi bạn cam kết một chương trình xác minh cho bản song sinh không giới hạn của nó.

Điều gì sẽ thay đổi sự so sánh này?

Có hai mốc thời gian đáng lưu ý. Vào ngày 1 tháng 12 năm 2026, giá của Argon tăng gấp đôi, điều này thu hẹp khoảng cách giá đầu ra xuống còn 2,5× và khiến chênh lệch chi phí đọc bộ nhớ đệm trở nên quan trọng hơn giá niêm yết. Và chương trình ba bậc của Anthropic vẫn còn đủ mới để thời gian phê duyệt là do nhà cung cấp công bố thay vì được quan sát thực tế. Nếu Defence Access hóa ra chỉ mất vài ngày thay vì vài tuần, lập luận về khả năng tiếp cận sẽ yếu đi và sản phẩm chuyên dụng trở thành một lựa chọn thực tế cho nhiều nhóm bảo mật hơn. Cho đến lúc đó, tóm tắt công bằng là Google đang bán một sản phẩm tổng quát tiên phong với giá khuyến mãi còn Anthropic đang bán một sản phẩm chuyên dụng bị hạn chế cho danh sách các tổ chức được phê duyệt — và đó là những sản phẩm khác nhau trước khi chúng là những điểm số khác nhau.