Claude Mythos 5 對決 DeepSeek V4 Pro：15 倍的價差，而只有其中一個在它擅長的事情上便宜

Claude Mythos 5 與 DeepSeek V4 Pro 並非一般意義上的競爭對手，而在任何基準測試之前，數字就已說明了這一點。Claude Mythos 5 是 Anthropic 於 2026 年 6 月 9 日推出的受限網路與生物學旗艦模型——於 9 月 1 日更新為 Claude Mythos 5.1——在 Mythos 層級上，定價為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元，且僅能透過驗證計畫取得。DeepSeek V4 Pro 則是接近開放權重的 MoE 旗艦模型，自 2026 年 4 月起由 DeepSeek 自家 API 提供服務，並於 8 月更新，離峰時段輸入為 0.66 美元、輸出為 1.98 美元，大約是 Mythos 費率的十五分之一，快取讀取費用更便宜十三倍，只需一把九十秒內就能建立的 API 金鑰。這兩者一個是你必須申請才能使用的功能；另一個則是你加以最佳化的支出項目。儘管如此，這項比較仍值得一做，因為這兩個模型在相同的事情上表現不佳，也在相同的事情上表現優異，而價格差距最大的地方，正是能力差距最小的所在。

每個模型實際上是什麼

Claude Mythos 5 是 Anthropic 前沿世代的受限 SKU，與公開的 Claude Fable 5 共用底層權重，唯一差別在於防護等級——也就是公開模型中保持開啟的網路與生物分類器。Anthropic 將其描述為 Mythos Preview 的最新更新，在資安、生物與醫療照護基準測試上有所提升，並發布給「一小群經過審核的合作夥伴」。其已公布的基準測試歷史相當單薄，且大多來自發布報導，而非持續維護的模型卡；隨此名稱流傳的 CyberGym Level 1 83.8% 數字並非源自 Anthropic。其已知強項是攻防安全工作：該模型的名聲建立在自主漏洞發現之上，而其存取範圍也圍繞此點建構——Cyber Verification Program，以及 Claude Security 掃描器，後者讓 Mythos 5 為 Enterprise 客戶直接處理真實程式碼庫，卻不允許他們自由輸入提示。

DeepSeek V4 Pro 在幾乎所有商業上重要的層面都恰恰相反。它是一個混合專家（Mixture-of-Experts）模型，總參數量達 1.6 兆，活躍參數約 490 億，上下文視窗為 1,048,576 個 token，最大輸出 384,000 個 token，僅支援文字輸入，並公布有價目表。它於四月透過 DeepSeek 的 API 推出，8 月 13 日以 0813 版本更新，至今仍以不變的計費方式提供服務——這一點值得明確指出，因為 DeepSeek 在九月宣布該模型將退役，訂下日期，卻在十一天後在開發者壓力下收回決定。DeepSeek 自家定價頁面上的註腳，如今讀起來像是一項沒有附帶時間表的持續性承諾。

費率卡，包含大多數比較都會漏掉的那一列

• 輸入 — Claude Mythos 5 每百萬個 token 要價 $10.00，對比 DeepSeek V4 Pro 離峰時段 $0.66、尖峰時段內 $1.32；差距達 7.6 倍至 15.2 倍。

• 輸出 — 每百萬 $50.00，對比離峰 $1.98、尖峰 $3.96；差距達 12.6 倍至 25 倍。

• 快取讀取——六月 Mythos 世代每百萬 $1.00，Claude Mythos 5.1 與 Claude Fable 5.1 為 $0.25，相較之下 DeepSeek V4 Pro 離峰時段只要 $0.022；這正是主導長時間 agent 執行成本的項目，也是差距最懸殊之處。

• 上下文與輸出上限——兩者皆為 1M token；Mythos 端的輸出上限為 128K，而 DeepSeek V4 Pro 則為 384K。

• 模態 — M​ythos 端支援文字、圖像與檔案輸入，而 DeepSeek V4 Pro 則僅支援文字。

• 取用權 — 驗證程序與 30 天資料保留要求，對比自助式 API 金鑰。

尖峰時段那一列才是真正會咬人的。DeepSeek 的離峰費率是尖峰的一半，尖峰時段為 UTC 週一至週五 01:00–04:00 與 06:00–10:00，不含中國國定假日；其他時段，包括整個週末，都算離峰。依排程而非隨需執行的批次工作，可能在沒有人刻意選擇的情況下落在尖峰時段，實際輸入費率就變成 $1.32。那仍然只是 Mythos 費率的一小部分，所以結論不會翻盤——但一份忽略時段窗口的「便宜 25 倍」摘要，描述的可能是你根本不會呼叫的模型。在 Mythos 這邊，注意快取方面的走向：Anthropic 在兩個世代之間把快取讀取調降了 75%，這告訴你廠商知道長時間的代理式工作會反覆重讀同一份上下文，而快取那一行才是重度使用者帳單真正落腳的地方。

無法進行的基準比較

這就是這場對決中真正的問題所在，而且這問題並不小。Anthropic 並未公布 Claude Mythos 5 的基準測試表，而 DeepSeek 也未公布與 Mythos 5 對比的結果。這兩個模型是由不同機構在不同的項目上進行衡量，而關於 Claude Mythos 5 流傳的數據，大多來自第三方比較，而非來自 Anthropic。

現有的局面以一種有用的方式呈現出不對稱。DeepSeek 為 0813 版本發布了一份完整評測卡，全部數據皆由廠商自行回報，且無一經過獨立重現：Terminal-Bench 2.1 為 87.9，DeepSWE 為 62.7，CyberGym 為 83.3，Humanity's Last Exam 在無工具下為 42.7、搭配工具為 60.0，Toolathlon-Verified 為 74.1，AutomationBench 為 31.8。隨後獨立評測機構讓這幅景象明顯降溫——Artificial Analysis 將 0813 版本在其 Intelligence Index 上列為 36，每項指數任務的實測成本為 0.67 美元，其非推理變體則為 20。以每百萬輸入 token 0.66 美元而言，這是真實的能力概況，但在一般推理方面仍遠低於前沿。

兩個模型真正重疊的地方是資安，而正是在這一點上，這項比較帶來的啟示恰好指向錯誤方向。D​eepSeek 回報 V4 Pro 在 CyberGym 上拿到 83.3。同一項基準測試中，最常被印在 C​laude M​ythos 5 旁邊的數字是 83.8——而它不是來自 A​nthropic，而是來自一份競爭對手的比較，那份比較本身就有理由把這場競賽描述得難分難解。兩個與廠商陣營相關的數字，在同一項基準測試上只差半分，並不能證明一個開放的 MoE 旗艦模型足以匹敵 A​nthropic 受限的資安模型。這只證明：這兩個數字都未經獨立驗證，而且這項基準測試正被雙方當成行銷基礎設施來使用。

在什麼情況下，每一個都是錯誤的工具

把這兩個模型拿去對照一份任務清單，分界就清楚到足以據此路由。

C​laude M​ythos 5 是為資安工作打造的，而且幾乎所有想要它的人都無法取得。如果你的任務是漏洞發掘、漏洞利用開發、針對自家基礎架構的紅隊演練，或是需要對前沿模型自由下提示的安全研究，M​ythos 層級正是為此設計的，而價格並不是障礙——資格才是。同一個模型的公開雙胞胎 Claude F​able 5 配備了完整的防護機制，這表示滲透測試、漏洞利用生成與二進位漏洞掃描仍被封鎖；你買到的是能力層級，而不是網路權限。

DeepSeek V4 Pro 是為大量處理而打造的。文字進、文字出，輸出上限極高，價格之低讓積極的重試迴圈與冗長的分割擷取流程在經濟上都變得稀鬆平常。它的特性正是你在以下情境所想要的：大規模分類、從本身已是文字的檔案中進行結構化擷取、摘要、第一輪分流，以及代理流程中格式處理繁重的中段環節。它不是那種你會把圖片丟進去處理的模型：它不具備視覺能力，所以掃描版 PDF 或螢幕截圖並不是更便宜的輸入途徑，而是被排除在外的途徑。而它 36 的通用推理指數意味著，需要真正多步驟規劃的任務，正是價格優勢不再能彌補的那些任務。

讓路由成為解答而非妥協的成本結構

由於兩者的強項並未大幅重疊，有用的做法並不是從中二選一。把需要視覺能力的工作與困難的推理交給 A​nthropic 那一邊，並把大量文字工作交給 D​eepSeek；在混合工作負載下，節省通常很可觀——但前提是這兩個模型必須共用同一把金鑰，因為否則第二次整合所耗費的工程時間，會超過 token 支出上的差額。

這正是需要路由層、而非採購決策的情況。OrcaRouter 承載 anthropic/claude-opus-5.5（輸入 $4.00、輸出 $20.00），以及deepseek/deepseek-v4-pro（$0.66 與 $1.98），兩者位於同一個 OpenAI 相容端點上，收錄於超過 200 款模型的目錄之中，供應商定價以 0% 加價原樣轉嫁——這一點在 DeepSeek 這一方面尤其重要，因為 DeepSeek 已不只一次重新調整 V4 Pro 的定價，並搬動了離峰時段，而原價轉嫁的路由會跟隨供應商的價目表，而不是把某個數字凍結進你的合約裡。路由 DSL 能在單一處表達這種分流——簡單分支交給便宜模型，當答案的信心水準或任務的形態顯示有必要時再升級——而自動容錯轉移在這裡比在穩定模型上更有價值：V4 Pro 曾在九月因一項宣布的停用而停擺一週，該停用隨後又被撤回，而有一條能無需部署就退回第二家供應商的路由，正是對供應商改變心意的廉價避險。

同一份目錄的另一個誠實用途，是把它當成量測工具。先試昂貴模型的習慣很常見，而且所費不貲；唯一可靠的解決辦法，是用兩個模型在真實流量上計算 token 用量，而當兩者共用同一把金鑰時，這只是改個設定；當兩者並非如此時，這就是一項專案。

什麼會改變這個比較？

兩件事。如果 D​eepSeek 推出的後繼產品能以任何接近目前價格的價位，彌補長時程代理能力差距，這個分野就會化約為價格問題，而答案不言自明——而且 D​eepSeek 已屢次採取這一步，包括一次 9 月發佈，該公司聲稱其在效能、成本與速度上全面超越 V4 Pro。反過來說，如果 A​nthropic 公佈一份 M​ythos 5 或 5.1 在標準測試集上的基準表，這項比較中的安全性那一半就會變得可檢驗，而不是只憑斷言，買家也終於能分辨 $10 / $50 的價目表是否買到了 D​eepSeek 的 $0.66 所不提供的東西。

這兩件事都還沒發生。在其中一件發生之前，實務上的立場是：對文字型態的工作而言，DeepSeek V4 Pro 在市場上每 token 的性價比更高，而定價彷彿前沿推理已是已解決的大宗商品；而 C​laude M​ythos 5 則是多數團隊無法取得的能力，也是多數團隊就算能取得也不會願意付的價格。就以你能呼叫的那一個為基礎來開發；把模型名稱留在設定裡，這樣另一個若有一天開放，就會變成只需改一行的事。

這些都不是假設：像這次發布這類版本背後那些有紀錄的 AI 失效與代理事件，全都收錄在OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。