Claude Mythos 5 對上 Gemini 4 Argon：一扇門在十三天內開啟，另一扇自六月以來仍未開啟

Gemini 4 Argon 與 Claude Mythos 5 最初都以能力超越旗艦的模型之姿發布，並限制首批存取，但後來兩者已完全分道揚鑣。Google 於 2026 年 9 月 30 日透過 Fairwind Program 中一群受信任的網路防禦人員宣布 Gemini 4 Argon，而到了 10 月 13 日，模型字串 gemini-4-argon 移至 Google 自家付費層級的 Stable 狀態 — 從發布到可自助取得金鑰僅十三天，初期定價為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，且維持不變。Claude Mythos 5 問世時間久得多：Anthropic 於 2026 年 6 月 9 日將其作為受限的同門模型發布，對象是 Claude Fable 5，並於 9 月 1 日將其更新為 Claude Mythos 5.1，而它至今仍沒有公開端點、沒有自助式方案，也沒有公布的基準表 — 存取只能透過 Cyber Verification Program 或 Life Sciences Verification Program，別無其他途徑。決定這場對決的，是這項差異，而非基準分數差距，對幾乎所有讀者而言都是如此。

兩個擁有相同起源故事、卻有不同結局的模型

兩者以相同方式登場，這正是讓這段分歧具有啟發性的原因。A​nthropic 將 C​laude M​ythos 5 作為其 6 月 9 日世代的受限 SKU 推出，與公開的 C​laude Fable 5 共享底層權重，僅在防護層級上有所不同，並將其交給「一小群經過審核的合作夥伴」。G​oogle 先將 G​emini 4 Argon 提供給 Fairwind Program——經過審核的政府機關、關鍵基礎設施營運商與軟體維護者——並明確表示，接下來會擴大開放給付費 API 客戶、G​oogle AI Ultra 訂閱者、開發者與企業。G​oogle 隨後做了它說過會做的事。

Anthropic 做了一件與眾不同的事，而這值得公平看待。10 月 6 日，它將 Cyber Verification Program 重建為三個以申請為基礎的層級，把 Project Glasswing 併入其中，並將 Claude Mythos 5.1 從合作夥伴配額轉為任何符合資格的資安組織都能申請的存取授權。這確實是真正把門開得更寬——在這個模型的歷史上還是第一次。這仍然是一扇設有驗證門檻、而非以價格為門檻的門，而且它專門針對資安組織，而非一般開發者受眾。Google 的路徑終點是價目表；Anthropic 的終點則是申請審核。

每一項各自的成本，以及 Argon 數字上的但書

• 輸入 — Gemini 4 Argon 每百萬詞元 2.00 美元（推廣價），相較於 Claude Mythos 5 的 10.00 美元；差距達 5 倍。

• 輸出 — 每百萬 $10.00 對比 $50.00；同樣是 5×。

• 快取輸入 — Argon 每百萬 $0.10，輸入減免 95%；C​laude M​ythos 5.1 在較新 SKU 上為 $0.25，於六月版本則為 $1.00。

• 上下文與輸出 — 兩者皆為 1M 個 token 的上下文；Argon 的輸出上限從 64K 提升至 1M，相較之下 M​ythos 層級則為 128K。

• 模態 — Argon 接受文字、圖片、影片和檔案，並輸出文字；Mythos 層級則接受文字、圖片和檔案輸入。

• 取用方式 —— 自 10 月 13 日起的付費 API 金鑰，對比向 A​nthropic 驗證計畫提出、附帶 30 天資料保留要求的申請。

但要注意的是「introductory」這個詞。Google 的 $2／$10 是上市價，而 Google 也已經如此表示；以這種方式描述的價格可能會變動，而你應該據以編列預算的數字，是 Google 在你決定採用當天所公布的價格。另一個但書是算術問題，而非政策問題：Artificial Analysis 衡量以 Argon 執行其整套指數評測的成本為 $2,407——每項指數任務約 $1.99——這大約是同一套件在 Claude Opus 5.5 上執行成本的三分之一——這提醒我們，一旦模型完成任務所需的 token 和重試次數減少，標價與實際成本就會出現落差。Claude Mythos 5 沒有對應的數字，因為沒有獨立評估者能呼叫它。

基準的不對稱性，這才是誠實的頭條

G​emini 4 Argon 已受評測。C​laude M​ythos 5 則尚未，而這並非因為有人認為它很弱。

Argon 獨立公布的數據：Artificial Analysis Intelligence Index 為 52.6 至 53，視 effort 設定而定；實測每項 index 任務成本 1.99 美元，輸出速度 48.9 tokens/秒，首個 token 耗時 2.79 秒。Vals Index 在其 GDP 加權經濟影響排行榜上以 68.90%（±0.97）名列第一。廠商回報的任務分數，由 G​oogle 在 9 月 30 日發布公告時一併公布，且仍未獲重現：Terminal-Bench 4.0 為 57.1%，SciCode 為 61.8%，H​umanity's Last Exam 為 57.1%，長上下文推理為 79.7%，AutomationBench 第一，為 51.3%，以及 Omniscience 數值 42.4——在該組中對同級開放模型的最大單一任務領先幅度。

Claude Mythos 5 的公開紀錄則是另一回事。Anthropic 並未為它維護任何基準測試卡，因此流通中的每一個數字都是二手資料。最常被印在名稱旁邊的 CyberGym Level 1 分數 83.8%，根本不是來自 Anthropic——它出現在一家競爭對手的比較資料中，而該對手對於這場競賽看起來有多緊繃，自有其利害考量。ExploitBench 的 78.0% 數字則是 Anthropic 自家的，於六月發布時公布，對比 Claude Opus 4.8 的 40%。除此之外，還有一些實際操作上的說法：一個存在 27 年、未被發現的 OpenBSD 漏洞；一個存在 16 年的 FFmpeg 漏洞；一個串連四個瑕疵、以逃脫渲染器與作業系統沙箱的瀏覽器漏洞利用程式；以及一個從使用者提升到 root 的 Linux 核心權限提升漏洞。

將它們並排比較，這些排行榜根本無從相比，而這正是重點。其中一個模型有指數分數、每項任務成本和排行榜名次；另一個則有聲譽，以及一套除了 A​nthropic 合作夥伴名單之外沒有人能重現的案例研究。Argon 還有一項 M​ythos 層級沒有的、有紀錄的批評：彭博在發表當日報導，一些擁有直接存取權的 G​oogle 員工表示，該模型在實際工作上的表現不如其基準測試所顯示的那麼好——被點名的任務包括前端設計——並形容它受到基準測試最佳化影響，而 G​oogle 對此有異議。那份報導未經證實且備受爭議，但在這場對決中，它仍然是只有一方擁有、另一方沒有的資料點。

兩家廠商都沒在做的比較

Google 的發布資料將 Argon 定位為在程式設計方面與 Claude Opus 5.5 及 GPT-6 Astra 競爭，且未發布與Claude Fable 5.1或 Claude Mythos 5.1 的任何比較。Anthropic 的資料則將 Mythos 5.1 與自家前代模型對比。兩家供應商都未發布正面對決的比較，這意味著本文標題所指的對戰是兩家公司都避而不談、且沒有任何獨立實驗室能進行的，因為這兩個模型中有一個無法供評估者呼叫。

可以說的是，設計綱要的分歧就在這裡。Argon 公開的比較資料集包含 Harvey's Legal Agent Benchmark、Vals Finance Agent v2，以及 Gray Swan 的一套間接提示注入測試套件——分別對應知識工作、經濟產出與抗注入能力。Mythos 層級的證據則是攻擊與防禦安全工作。這些是不同類型的工作，而買家在兩者之間做選擇時，通常是在一個恰好在文件方面很強的通用前沿模型，與一個在攻擊面上異常強大的專家型模型之間做選擇。成本差異——標價上的 5 倍——就是這種專業化的代價；唯有當這項專長正是你所需時，才值得支付。

今天你可以稱之為什麼

這兩個模型都不在 OrcaRouter 的目錄上，而這並不是平台能夠修復的暫時狀態——Gemini 4 Argon 只能透過 Google 自家的 API、以 Google 的費率取得，而 Claude Mythos 5 則只能透過驗證計畫取得，否則完全無法使用。在這裡把它們其中任何一個列為可用，都是在說謊。

目錄上列出的是每個系列中可實際取用的成員。Claude Fable 5是 Claude Mythos 5 的公開雙生版本——相同的底層權重、完整的安全防護機制——價格為 Anthropic 的定價：每百萬輸入 $10.00、每百萬輸出 $50.00，且零加成，而Claude Fable 5.1則是同等的新版本，費率相同，但快取讀取費用調降 75% 至 $0.25。Claude Opus 5.5也在其中，價格為 $4.00 與 $20.00，而 Anthropic 自家的發表資料稱它在生物學與資安領域可與 Claude Mythos 5.1 相提並論——直白地說，這等於供應商在告訴你，受限模型的優勢已縮小到只剩下拒絕行為，而驗證計畫的存在正是為了解開這道鎖。把這些模型放在同一個端點後面並啟用自動容錯移轉，「我拿不到想要的模型」這個問題就會變成一份路由設定，而不是一項研究專案：需要接近 Mythos 能力的工作交給 Fable 5.1，需要更便宜的一般推理的工作則交給其他模型，而兩者互換不過是在同一把金鑰上改動模型字串而已。

看什麼

三個訊號，全都很具體。Google 的初期優惠定價能否禁得起真實流量的考驗，而這是成本論點從理論變成可付諸行動的觸發條件。Anthropic 是否會在與 Opus 5.5 相同的一組測試上公布 Mythos 5.1 的基準測試表——這是該廠商所能發布的最有用的一份文件，也是買方唯一能衡量 5× 溢價價值的方式。以及 Cyber Verification Program 的申請門檻是否持續下降，因為 10 月 6 日的重建是這款模型的存取政策首次朝開放邁進，而這個轉變的速度才是值得追蹤的事。

在那些落實之前，公允的總結是：Argon 是有價格、有端點，還被套上別人尺規的模型；而 Claude Mythos 5 則是有名聲、還有一份申請表的模型。這三件事中，有兩件可以查證，第三件則不然。

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。