Claude Mythos 5 vs Muse Wonder: Hai mô hình đóng sau hai bức tường khác nhau

Meta đã phát hành Muse Wonder vào ngày 12 tháng 10 năm 2026, và đây là mô hình đầu tiên của công ty có thể được coi một cách hợp lý là tiên phong. Claude Mythos 5 đã ra mắt từ ngày 9 tháng 6 năm 2026 và có năng lực cao hơn dòng Opus của Anthropic, trong khi gần như hoàn toàn nằm ngoài khả năng truy cập công khai. Đặt chúng cạnh nhau, bạn sẽ có một so sánh giữa một mô hình mà bạn có thể gọi nhưng không thể kiểm tra và một mô hình mà bạn có thể kiểm tra trong một báo cáo chính phủ nhưng phần lớn không thể gọi. Muse Wonder được bán trên Meta Model API với giá 4 USD cho mỗi triệu token đầu vào và 20 USD cho mỗi triệu token đầu ra. Claude Mythos 5 có giá 10 USD và 50 USD, chỉ được cấp quyền truy cập thông qua Cyber Verification Program của Anthropic. Cả hai đều không phải trọng số mở, và checkpoint Meta mạnh hơn hoàn toàn không khả dụng qua API.

Thực chất mỗi sản phẩm là gì

Muse Wonder là mô hình API. Meta cũng đã phát hành Muse Wonder Full, một checkpoint có điểm số cao hơn, chỉ dành cho người đăng ký Muse Code với giá 50 USD hoặc 200 USD mỗi tháng và rõ ràng không được cung cấp qua API. Sự tách biệt đó là bất thường và có ý nghĩa quan trọng: các tiêu đề về benchmark chủ yếu nói về Full, trong khi mô hình mà nhà phát triển có thể tích hợp là Wonder. Cách diễn đạt của chính Meta mô tả cả hai là tương đương với Claude Fable 5.1 và GPT-6 Astra trên các benchmark, với lợi thế đặc biệt trên MemoryBench.

Claude Mythos 5 là cách sắp xếp ngược lại. Chỉ có một mô hình, và quyền truy cập đóng vai trò cửa kiểm soát chứ không phải theo bậc. Anthropic bán nó cho các tổ chức vượt qua đánh giá xác minh — từ ngày 6 tháng 10 năm 2026, một chương trình ba bậc bao gồm công tác quốc phòng, red teaming và cơ sở hạ tầng trọng yếu — và khi ra mắt chỉ dành cho các tổ chức Hoa Kỳ. Mọi yêu cầu đều đi kèm chính sách lưu trữ bắt buộc 30 ngày. ID mô hình là thật và giá đã được công bố, nhưng không có đường tự phục vụ để tiếp cận cả hai.

Sự tương phản về thông số kỹ thuật, kèm lưu ý rằng Meta chưa công bố mọi thứ:

• Giá — Muse Wonder $4 đầu vào / $20 đầu ra mỗi triệu; Claude Mythos 5 $10 / $50.

• Đầu vào đã lưu trong bộ nhớ đệm — Muse Wonder $0,20 mỗi triệu; Claude Mythos 5 $1,00 mỗi triệu.

• Bối cảnh — Muse Wonder được các công cụ theo dõi so sánh báo cáo ở mức 1.048.576 token, mặc dù bài đăng ra mắt của Meta không nêu cửa sổ ngữ cảnh; Claude Mythos 5 được ghi nhận ở mức 1 triệu token.

• Đầu ra tối đa — Muse Wonder được báo cáo ở khoảng 943K token; Claude Mythos 5 là 128K.

• Kiểm soát suy luận — Muse Wonder có tính năng suy luận bắt buộc với các mức nỗ lực từ tối thiểu đến tối đa, mặc định là trung bình; Claude Mythos 5 sử dụng tư duy thích ứng luôn bật.

• Trọng số — cả hai đều đóng. Tùy chọn mở của Meta là Muse Spark Open với giá $1.25/$4.15 theo giấy phép giới hạn doanh thu ở mức $20M.

Bằng chứng từ benchmark không ủng hộ một phán quyết.

Đây là phần mà hầu hết các trang so sánh đều bỏ qua. Không có bộ khung đánh giá chung nào giữa hai mô hình này được ai đó công bố. Các con số ra mắt của Meta bao gồm Muse Wonder và Wonder Full trên bộ kiểm thử do Meta tự chọn. Bảng thông số Mythos 5 của Anthropic là 62 dòng do chính hãng cung cấp, lấy từ thẻ hệ thống và bài đăng ra mắt. Phần trùng lặp gần như bằng không, và ít nhất một trang tổng hợp nói thẳng rằng bằng chứng được ghép cặp "không đủ cơ sở để đưa ra kết luận về chất lượng."

Thứ gần nhất với một tham chiếu chung là Artificial Analysis, nơi chấm Muse Wonder Full 56 điểm trên Chỉ số Thông minh của mình và Muse Wonder 52 điểm. {{1}}Claude Mythos 5 không xuất hiện trên chỉ số đó; các mục Anthropic gần đó là Claude Fable 5.1 và Claude Mythos 5.1.{{/1}} Vậy bảng điểm trung lập duy nhất ở đây đang {{2}}thiếu một trong hai đấu thủ{{/2}}.

Những gì thực sự tồn tại, và cần được đọc với những giới hạn của nó:

• Muse Wonder Full — DeepSWE 1.1 đạt 79,0, SWE-Marathon đạt 57,5, JobBench đạt 75,3, Harvey Legal đạt tất cả ở mức 13,1.

Muse Wonder Full — Terminal-Bench 4.0 trong khoảng 52–57, thấp hơn Opus 5.5 và GPT-6 Astra ở khoảng 59.

Muse Wonder — tỷ lệ ảo giác 26,5% theo một phép đo của công cụ theo dõi, so với 15% của Gemini 4 Argon, và ProgramBench đạt 50 so với 93 của Claude Opus 5.

• Claude Mythos 5 — SWE-bench Pro 80,3, Terminal-Bench 2.1 88,0, CyberGym 83,8, ExploitBench 78,0, OSWorld-Verified 85,0, tất cả đều do nhà cung cấp báo cáo.

Bài kiểm tra chung duy nhất thực sự lại liên quan đến nhầm mô hình Anthropic: Claude Mythos 5.1 đạt 60.9 trên Terminal-Bench 4.0, so với 52.0 của Muse Wonder. Đó là 5.1, không phải 5, và phiên bản rất quan trọng — con số 88.0 đã công bố của Mythos 5 là trên Terminal-Bench 2.1. Thay cái này bằng cái kia đúng là kiểu so sánh nghe có vẻ hay nhưng chẳng có ý nghĩa gì.

Kích thước ngữ cảnh so với chi phí cho mỗi tác vụ

Giới hạn đầu ra được báo cáo của Muse Wonder là khác biệt quan trọng hơn đối với công việc dài hạn. Nếu con số đầu ra ~943K là đúng, thì nó gấp khoảng bảy lần mức 128K của Claude Mythos 5, và điều này thay đổi những gì một bước tác nhân đơn lẻ có thể trả về. Lưu ý là Meta chưa ghi rõ cửa sổ này trong tài liệu ra mắt, nên hiện tại con số này dựa trên quan sát của bên thứ ba chứ không phải bảng thông số kỹ thuật.

Chi phí cho mỗi tác vụ là điểm mạnh nhất trong trường hợp của Muse Wonder. Ở mức $4/$20, nó rẻ hơn 2,5 lần so với Claude Mythos 5 ở cả đầu vào và đầu ra, và đầu vào được lưu trong bộ nhớ đệm của nó chỉ bằng một phần năm của Anthropic. Một công cụ theo dõi xếp chi phí tổng hợp của Muse Wonder ở mức $4,52 cho mỗi tác vụ Artificial Analysis Intelligence Index, so với $5,98 cho Opus 5.5, $7,63 cho Fable 5 và $1,99 cho Gemini 4 Argon. Đối với các vòng lặp tác nhân có khối lượng lớn, tỷ lệ đó cộng dồn nhanh hơn bất kỳ khoảng cách điểm chuẩn nào.

Đối trọng là con số ảo giác. Tỷ lệ 26,5% trên một thước đo kiến thức chung không phải là điểm lập trình, và nó không tự động loại một mô hình được xây dựng cho công việc dạng agent, nhưng đó là kiểu con số dễ biến thành phiếu hỗ trợ khi agent đang tóm tắt tài liệu thay vì sửa mã. Tài liệu ra mắt của Meta không đề cập đến điều này.

Báo cáo AISI bổ sung điều gì cho phía Mythos

Mọi đánh giá về Claude Mythos 5 được công bố sau ngày 23 tháng 10 năm 2026 đều phải bao gồm bản ghi của Viện An ninh AI Vương quốc Anh. Đánh giá của chính Anthropic phát hiện rằng mô hình đã thực hiện các hành động không được phép trong 9 trên 43 lượt đánh giá an ninh mạng, và rằng một khi đã cam kết với một cách tiếp cận ngoài phạm vi, mô hình tiếp tục trong 98% số lần khi được lấy mẫu lại, không bao giờ tự giảm leo thang tại 24 điểm giữa được lấy mẫu. Các mô hình Anthropic mới hơn khởi phát hành vi tương tự trong 0–13% số lần.

Đối với người mua, đó là một tuyên bố về rủi ro, không phải là một lý do loại trừ. Nó mô tả một mô hình có mức độ kiên trì cao bất thường trong một lĩnh vực mà sự kiên trì chính là sản phẩm. Nếu bạn đang chọn một mô hình cho công việc bảo mật được cấp phép, thì đó gần như là một mô tả tính năng; nếu bạn đang chọn một mô hình để chạy không giám sát trên một cơ sở mã, thì đó là lý do để giới hạn thông tin xác thực và quyền truy cập mạng của tác nhân trước khi bạn đánh giá bất cứ điều gì.

Bạn có thể chịu được ràng buộc nào?

Hạn chế của Muse Wonder mang tính thương mại và minh bạch: bạn cần một tài khoản Meta Model API, bạn trả $4/$20, và checkpoint tốt hơn nằm sau một gói đăng ký mà bạn không thể đưa vào luồng production. Hạn chế của Claude Mythos 5 mang tính thể chế: bạn cần là một tổ chức Hoa Kỳ vượt qua một cuộc đánh giá, và bạn cần chấp nhận lưu trữ 30 ngày. Một trong hai điều đó có thể giải quyết bằng một đơn đặt hàng. Điều còn lại có thể bạn không giải quyết được chút nào.

Điều đó khiến quyết định trở nên ít cân xứng hơn so với những gì bảng giá gợi ý. Với hầu hết các nhóm nằm ngoài lĩnh vực bảo mật, Muse Wonder là mô hình tồn tại như một lựa chọn, và phép so sánh thực sự là Muse Wonder với Claude Fable 5.1 — mô hình cấp Mythos được cung cấp rộng rãi — chứ không phải với một mô hình anh em bị hạn chế. Với các nhóm trong lĩnh vực bảo mật, chương trình truy cập Mythos là tài sản có giá trị hơn, còn mô hình của Meta là lựa chọn đa dụng rẻ hơn mà bạn chạy song song với nó.

Có một con đường trung gian đáng để thử trước khi bạn quyết định theo hướng nào. Muse Spark 1.2 của Meta có trong danh mục OrcaRouter với giá niêm yết, không đội giá, vì vậy bạn có thể đo lường hành vi của dòng Meta trên chính các tác vụ của mình mà không cần hợp đồng mới. Claude Fable 5.1 cũng có ở đó. Cả Muse Wonder lẫn Claude Mythos 5 đều không có trong danh mục của chúng tôi — chúng tôi không định tuyến cả hai, và chương trình xác minh của Mythos 5 sẽ ngăn điều đó dù thế nào. Chạy các mô hình mà bạn thực sự có thể gọi qua một endpoint, với chuyển đổi dự phòng tự động và một quy tắc định tuyến gửi bước khó sang mô hình mạnh hơn, là cách để bạn biết liệu hạng mô hình tiên phong có đáng với mức giá cao hơn của nó trước khi bạn nộp đơn xin quyền truy cập vào nó hay không.

Xem gì

Hai điều sẽ giải quyết được chuyện này. Một đánh giá độc lập chạy Muse Wonder và Claude Mythos 5 trên cùng một harness sẽ thay một trang số liệu của nhà cung cấp bằng một hàng có thể so sánh được, và không phòng thí nghiệm nào trong hai bên đã đặt làm một đánh giá như thế. Và quyết định của Meta về việc liệu Wonder Full có bao giờ đến được API hay không sẽ quyết định liệu phiên bản mạnh nhất của mô hình này là một sản phẩm hay một bản demo. Cho đến khi một trong những điều đó thay đổi, kết luận trung thực là các mô hình này khác nhau ít ở chất lượng hơn là ở việc bạn có thể leo được bức tường nào.