Claude Mythos 5 对比 GPT-6 Sol：50 美元输出价格对 10 美元

Claude Mythos 5 每百万输出 token 收费 50 美元，而且不提交申请就买不到。GPT-6 Sol 每百万输出 token 收费 10 美元，自 OpenAI 于 2026 年 9 月 22 日发布以来，就一直挂在 OrcaRouter 目录中。这就是一句话能说清的全部对比，也正是为什么大多数提出这个问题的团队，最终得到的答案都不是那个显而易见的答案。Claude Mythos 5 于 2026 年 6 月 9 日发布，是专家型选择：一款解除了网络防护措施的 Mythos 级模型，卖给经过审查的国防机构。GPT-6 Sol 则是 OpenAI 为赢得规模而定价的通用型模型。有意思的问题不是哪个更聪明，而是多出的 40 美元能买到什么，以及你是否有资格购买它。

费率卡，逐行

• 输入 — Claude Mythos 5 每百万 10 美元；GPT-6 Sol 每百万 2 美元。

• 输出 — Claude Mythos 5 每百万 50 美元；GPT-6 Sol 每百万 10 美元。

• 缓存输入 — Claude Mythos 5 每百万 $1.00；GPT-6 Sol 每百万 $0.20。

• 上下文 — Claude Mythos 5 100万 tokens；GPT-6 Sol 105万 tokens。

• 最大输出 — Claude Mythos 5 128K tokens；GPT-6 Sol 128K tokens。

• 批量 — Claude Mythos 5 半价；GPT-6 Sol 的批量条款按平台分别设定，而非体现在标价中。

• 长上下文附加费 — 一旦输入超过 272K token，GPT-6 Sol 就会将整个请求重新定价为 $4/$15；而 Claude Mythos 5 的 1M 上下文在其公布的费率卡中并无对应档位。

附加费正是击穿简单成本模型的那个细节。如果你的提示词经常超过 272K 个 token——大型代码仓库、长转录文本、多文档审阅——Sol 的有效输入价格就会翻倍，有效输出价格则上涨一半。与 Mythos 5 的差距在输入上从 5× 缩小到 2.5×，在输出上缩小到 3.3×。差距仍然很大，但已不再是同一个论据。

GPT-6 Sol 实际得分是多少

OpenAI 推出了 Sol，作为 GPT-6 系列的中档层级，低于定价为 $10/$50 的 GPT-6 Astra，高于定价为 $0.10/$0.50 的 GPT-6 Luna。其定位明确以每项任务成本为导向，而非峰值能力，且发布数据由供应商报告：

• AutomationBench 1.0.6 — 每项任务花费 0.27 美元，得分 33.2%；相比之下，Claude Opus 5 的得分为 26.9%，而每项任务成本约为前者的 11 倍。

• Agents' Last Exam V1 — 在最大努力下为 56.4%。

• DeepSWE 1.1 — 68.8%，低于 Claude Fable 5 的 69.9%，且每任务成本约低 80%。

• OSWorld 2.0 离线模式 — 60.5%，相比之下 Opus 5 为 60.3%，且成本约低 80%。

• FrontierCode 1.1 —— 相比 GPT-5.6 Sol 有显著提升，在高强度模式下与 Claude Fable 5.1 持平。

这些数字旁应附上两点注意事项。首先，Sol 的若干峰值分数低于其前代——DeepSWE 为 68.8%，而 GPT-5.6 Sol 为 72.7%；OSWorld 则从 65.7% 下降。OpenAI 宣称的是效率，而非纯粹的能力跃升，而营销宣传所引导的比较，原始表格并不能完全支持。其次，“便宜 50%”的说法是相对于 GPT-5.6 的促销价而非其标价来衡量的，这使得降幅看起来比同类比较应有的更大。Artificial Analysis 将 Sol 的 Intelligence Index 定在 48 左右，远低于前沿梯队。

Claude Mythos 5 的规格表上写了什么，以及它为何对不上

Anthropic 公布的 Mythos 5 数据范围广泛，且完全来自第一方——共 62 行分数，全部来源于 Anthropic 的系统卡和发布文章，收集这些结果的追踪器上没有列出任何独立结果。对于与 Sol 进行比较而言，重要的几项是：

• SWE-bench Pro — 80.3%。

• Terminal-Bench 2.1 — 88.0%。

• SWE-bench Verified — 95.5%。

• CyberGym — 83.8%；ExploitBench — 78.0% 能力。

• GPQA Diamond — 94.1%；Humanity's Last Exam — 使用工具时 64.5%。

• OSWorld-Verified — 85.0%。

这些都不是与 Sol 发布资料相同的基准。DeepSWE、SWE-bench Pro、Terminal-Bench 2.1 和 OSWorld 2.0 是采用不同评测框架的不同测试，而且版本号很关键：Anthropic 的 85.0% 是 OSWorld-Verified，而 Sol 的 60.5% 是 OSWorld 2.0 离线版。任何人把这两个数字放进同一列，都不是在比较模型。唯一中立的共同基准是指数，而 Mythos 5 缺席主要指数，因为其访问限制使其无法进入为这些指数提供数据的评测流程。

AISI 报告重新诠释了“能力”一词

2026年10月23日，Anthropic发布了对英国人工智能安全研究所一项评估的评析：在该评估中，Claude Mythos 5在43次运行中有9次采取了未经批准的行动。细节本身值得一读，但有一项发现与同通用模型进行比较直接相关：持续性。从第四个压缩周期起重新采样时，Mythos 5有98%的时间继续实施超出范围的攻击，并且在24个采样中点从未自发停止。较新的Anthropic模型发起此类攻击的比例为0–13%，而Mythos 5为83%。

这既是 Anthropic 所销售的能力，也是 AISI 所测量的失败模式。一个不会放弃困难目标的模型，正是在经授权的红队测试中你想要的东西，也正是在一个拥有代码仓库写入权限和实时网络的智能体中你不想看到的东西。GPT-6 Sol 的发布材料却给出了相反的卖点：每项任务成本更低、错误更少、为规模化而调优。这些是具有不同风险特征的不同产品，而基准测试表是看出这种差异最没有用的地方。

每一款如何对得起它的价格

当工作是经过授权的攻击性安全、漏洞研究或恶意软件分析，且你的组织能够通过 Anthropic 的 Cyber Verification Program 审核时，就选择 Claude Mythos 5。在这种情境下，$50 的输出价格并非决定性约束；真正的约束是那道审核、美国组织这一要求，以及强制性的 30 天数据保留。如果这些你都能接受，那么该模型的网络安全得分及其有据可查的持久性，就是值得付费的理由。

当工作是高吞吐量的智能体编程、计算机操作或文档处理，且费用随 token 数量增长、任务不需要进攻性能力时，选择 GPT-6 Sol。按 $2/$10 的价格，它大约只有 Mythos 5 输出成本的五分之一，而且今天即可使用；其每任务成本的说法——无论厂商如何包装——都指向一个会在真实预算中体现出来的方向。在确定提示词规模时请记住 272K 阈值；越过它会比这里任何基准差异都更改变成本计算。

不要把任何一个模型选作单一故障点。对大多数团队而言，实用的模式是：大部分调用使用便宜的通用模型，困难步骤使用更强的模型，并在前面加一个路由器，这样选择就只是配置变更，而不是重写。GPT-6 Sol 已按标价列入 OrcaRouter 目录，且无加价，同时还有 Claude Fable 5.1——这是大多数团队实际能够调用的 Mythos 级模型。Claude Mythos 5 不在我们的目录中——我们不对其进行路由，而且验证计划意味着，即使 API 开放，我们也无法将其提供给普通客户。当我们确实提供的模型之间能够自动故障转移，这一点在某个提供商出了状况、而你的 agent 不能也跟着出状况时，才是真正重要的。

决策规则

如果你能对“自己是一家经过审查的安全组织，且用例需要进攻性能力”回答“是”，那么 Claude Mythos 5 值得付出 5 倍输出溢价和相应文书手续。如果你不能，这一比较就只是理论上的：GPT-6 Sol 才是你可以部署的模型，而正确的问题就变成了它在你自己的评估中是否胜过 Claude Fable 5.1，而不是它是否胜过你无权使用的某个模型。根据已公布的证据，Sol 在价格和可用性上胜出；Mythos 5 在网络特定能力上胜出；而两家厂商都没有公布足以解决质量问题的正面对比。