Claude Mythos 5 对决 Gemini 4 Argon：一扇门十三天内开启，另一扇自六月起始终未开

Gemini 4 Argon 与 Claude Mythos 5 发布时都被定位为能力超越旗舰的模型，且首批访问受到限制，而此后两者的走向已彻底分化。Google 于 2026 年 9 月 30 日通过 Fairwind Program 的一批受信任网络防御者群体公布了 Gemini 4 Argon，而 10 月 13 日，模型字符串 gemini-4-argon在 Google 自家的付费层级上转为 Stable——从公布到可自助获取密钥仅过十三天，且每百万输入 token 2 美元、每百万输出 10 美元的入门价格依然维持。Claude Mythos 5 存在的时间要长得多：Anthropic 于 2026 年 6 月 9 日将其作为 Claude Fable 5 的受限版兄弟模型发布，又于 9 月 1 日以 Claude Mythos 5.1 之名做了更新，而它至今仍没有公开端点、没有自助层级，也没有公布的基准表——访问只能通过 Cyber Verification Program 或 Life Sciences Verification Program，别无他途。对几乎所有读者而言，决定这场对比的正是这一差异，而非跑分差距。

两个起源故事相同但结局不同的模型

两者登场的方式相同，而这正是这种分化具有启发性的原因。Anthropic 将 Claude Mythos 5 作为其 6 月 9 日那一代产品的受限 SKU 推出，它与公开的 Claude Fable 5 共享底层权重，仅在安全防护级别上有所不同，并将其提供给“一小群经过审查的合作伙伴”。Google 则先将 Gemini 4 Argon 发布给 Fairwind Program——经过审查的政府机构、关键基础设施运营商和软件维护者——并明确表示，面向付费 API 客户、Google AI Ultra 订阅用户、开发者以及企业的更广泛访问将随后跟进。Google 随后做了它说过会做的事。

A​nthropic 做了一件不同寻常的事，而这一点值得我们以公平的态度看待。10 月 6 日，它把 Cyber Verification Program 重塑为三个基于申请的层级，将 Project Glasswing 并入其中，并把 C​laude M​ythos 5.1 从一项合作伙伴配额变成了任何符合条件的安全组织都可以申请的使用授权。这是一次实实在在的门槛放宽——在该模型的历史上尚属首次。但它仍然是一道以验证为门槛、而非以价格为门槛的门，并且专门面向安全组织，而不是面向广大开发者群体。G​oogle 的路径终点是一张价目表；A​nthropic 的终点则是一轮申请审核。

每一项的费用，以及关于 Argon 数值的注意事项

• 输入 — G​emini 4 Argon 每百万 token 2.00 美元的推广价，对比 C​laude M​ythos 5 的 10.00 美元；相差 5 倍。

• 输出 — 每百万 $10.00 对比 $50.00；同样是 5×。

• 缓存输入 — Argon 每百万 $0.10，输入费用减免 95%；Claude Mythos 5.1 在较新的 SKU 上为 $0.25，6 月版为 $1.00。

• 上下文与输出 —— 两者均为 100 万 token 的上下文；Argon 的输出上限从 64K 提升至 100 万，而 M​ythos 层级为 128K。

• 模态 — Argon 接受文本、图像、视频和文件输入，并输出文本；M​ythos 层级接受文本、图像和文件输入。

• 访问权限——自 10 月 13 日起获得的付费 API 密钥，对比向 A​nthropic 验证项目提交申请（附带 30 天数据保留要求）。

但需要说明的是“introductory”（优惠）这个词。Google的 $2/$10 是首发费率，Google 自己也已如此表态；以这种方式描述的费率是可能变动的，你真正应该据以做预算的数字，是 Google 在你确认使用当天所公布的那个。另一个注意事项与其说是政策问题，不如说是算术问题：Artificial Analysis 测算，在 Argon 上运行其整套索引套件的成本为 $2,407——每个索引任务约 $1.99——这大约是同一套件在 Claude Opus 5.5 上成本的约三分之一——这提醒我们，一旦某个模型完成任务所需的 token 更少、重试次数也更少，标价与实际成本就会产生分歧。而 C​laude M​ythos 5 没有可比的数字，因为没有任何独立评测方能够调用它。

基准不对称性，这才是诚实的标题

Gemini 4 Argon 已经过测量。Claude Mythos 5 尚未测量，而这并非因为有人认为它弱。

Argon 独立发布的数字：Artificial Analysis Intelligence Index 为 52.6 至 53，具体取决于 effort 配置；实测每项索引任务为 1.99 美元，输出速度为每秒 48.9 个 token，首 token 用时 2.79 秒。Vals Index 在其 GDP 加权经济影响榜单上以 68.90%（±0.97）位列第一。厂商报告的任务分数——Google 在 9 月 30 日公告中一并发布，且仍未得到复现：Terminal-Bench 4.0 为 57.1%，SciCode 为 61.8%，Humanity's Last Exam 为 57.1%，长上下文推理为 79.7%，AutomationBench 以 51.3% 位列第一，以及 Omniscience 分数为 42.4——这是该组中相对同类开放模型最大的单项任务领先优势。

C​laude M​ythos 5 的已公布记录则完全是另一回事。A​nthropic 并未为其维护基准测试成绩卡，因此流传的每个数字都是二手信息。最常被列在该名称旁边的 CyberGym Level 1 得分 83.8% 根本不是来自 A​nthropic——它出现在一家竞争对手厂商的对比中，而这家厂商对于这场竞赛看起来有多胶着自有其利益考量。ExploitBench 的 78.0% 数据则出自 A​nthropic 自己，在 6 月发布时报告，而 Claude Opus 4.8 为 40%。除此之外，还有一些实战性宣称：一个存在 27 年、未被发现的 OpenBSD 漏洞，一个存在 16 年的 FFmpeg 漏洞，一个串联四个缺陷、可同时逃逸渲染器沙箱和操作系统沙箱的浏览器漏洞利用，以及一个从用户权限提升到 root 的 Linux 内核提权漏洞。

把两者并排放在一起，这两个榜单根本不可相提并论，而这正是关键所在。一个模型有指标得分、每项任务成本和排行榜位次；另一个有的只是声誉和一组案例研究，而A​nthropic合作伙伴名单之外的人无人能够复现。Argon还有一项有据可查的批评，M​ythos层级却没有：彭博社在发布当天报道称，一些拥有直接访问权限的G​oogle员工表示，该模型在实际工作中的表现不如其基准测试所显示的那样好——被点名的任务中就包括前端设计——并称其受到基准优化的影响，而G​oogle对此表示异议。该报道未经证实且存在争议，但它依然是一个只在这场对比中一方身上存在、另一方身上不存在的数据点。

两家供应商都没在做的对比

G​oogle 的发布材料将 Argon 在编程方面对标 C​laude O​pus 5.5 和 GPT-6 Astra，却没有发布与以下任何一方的对比Claude Fable 5.1或 C​laude M​ythos 5.1。A​nthropic 的材料则将 M​ythos 5.1 与自身的前代产品对标。两家厂商都没有发布正面交锋的对比，这意味着本文标题中的这场对决是两家公司都回避过的，也没有任何独立实验室能够开展，因为这两个模型中有一个无法被评估者调用。

可以说的是，两者的设计简报在何处分道扬镳。Argon 公布的对比集包括 Harvey 的 Legal Agent Benchmark、Vals Finance Agent v2 以及 Gray Swan 的间接提示注入套件——分别对应知识工作、经济产出和注入抵抗力。M​ythos 档位的证据则是进攻性与防御性安全工作。这些是不同的任务，而在这两者之间做选择的买家，通常是在一个恰好在文档方面很强的通用前沿模型和一个在攻击面上异常强的专家模型之间做选择。成本差异——标价的 5 倍——就是这种专业化的代价，只有当这种专长正是你所需时，才值得支付。

你今天可以呼叫的对象

这两款模型都不在 OrcaRouter 的目录中，而这并不是平台能够修复的临时状态——G​emini 4 Argon 只能通过 G​oogle 自己的 API、按 G​oogle 的费率访问，而 C​laude M​ythos 5 要么通过验证计划访问，要么根本访问不了。在这里把其中任何一个列为可用，都是在撒谎。

目录上列出的，是每个家族中真正可获取的那一款。Claude Fable 5是 C​laude M​ythos 5 的公开孪生版本——相同的底层权重、完整的安全防护栈——按 A​nthropic 的标价，每百万输入 $10.00、每百万输出 $50.00，加价 0%，而Claude Fable 5.1是更新的同类版本，费率相同，缓存读取降价 75% 至 $0.25。C​laude O​pus 5.5在那边是 $4.00 和 $20.00，而 A​nthropic 自家的发布材料称，它在生物学和网络安全方面与 C​laude M​ythos 5.1 相当——直白地读，这就是厂商在告诉你：受限模型的优势已经收窄到只剩下那种拒绝行为，而验证计划存在的意义正是为了解锁它。把这些都放在同一个端点之后，配上自动故障转移，"拿不到我想要的模型"这个问题就变成了一项路由配置，而不是一个研究项目：需要 M​ythos 级能力的工作交给 Fable 5.1，需要更便宜的通用推理的工作交给别处，而两者之间切换，就是在同一把密钥上改一个模型字符串而已。

看什么

三个信号，都很具体。G​oogle 的推介定价能否经得起真实流量的考验，这是成本论证从理论变为可行动的触发点。A​nthropic 是否会在与 O​pus 5.5 相同的集合上发布 M​ythos 5.1 基准表——这是该供应商能发布的最有用的一份文档，也是买家唯一能评估 5× 溢价的方式。以及 Cyber Verification Program 的申请门槛是否会继续下降，因为 10 月 6 日的重建是该模型访问政策首次朝开放方向转变，而这一转变的速率才是值得追踪的事情。

在那些落地之前，公允的总结是：Argon 是一个有价格、有端点、还被套用了别人标尺的模型，而 C​laude M​ythos 5 则是一个有声誉、还有申请表的模型。这三样东西里有两样是可核查的，第三样则不是。

这一切都并非假设：像本次这样的发布背后那些有据可查的 AI 故障与智能体事件，均收录于 OrcaRouter AI 事件档案库中，其中每条记录都附有自己的来源、严重程度、置信度评级和存疑标记。