Claude Mythos 5 vs Gemini 4 Pro：名稱錯了，存取落差是真的

如果你是在比較 Claude Mythos 5 與 Gemini 4 Pro，首先要知道的是，這兩個名稱中只有一個是你買得到的模型。Google 並未推出任何名為 Gemini 4 Pro 的產品。目前正式上線的前沿 Gemini 4 模型是 Gemini 4 Argon，於 2026 年 9 月 30 日向一小群網路防禦人員閉門發布，並於 2026 年 10 月 13 日全球開放，上市優惠價為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元。Claude Mythos 5 於 2026 年 6 月 9 日發布，相同計價單位的價格則是 10 美元與 50 美元，而且完全不提供自助購買。因此，誠實的比較並不是「哪個旗艦模型更好」，而是拿一個輸出價格高出五倍、採受限存取的專業模型，去對上一個對所有人開放、採用將於 2026 年 11 月 30 日到期的促銷價的通用模型。

命名混淆值得釐清，而不是繞開它，因為它已經催生了一整排比較頁面，引用了一個並未出現在 Google API 文件中的模型規格。「Gemini 4 Pro」作為社群標籤流通，指稱內部檢查點以及 Argon 版本本身。Google 開發者文件列出的是 gemini-4-argon。以下 Google 方面的每一項數字都來自該模型。

Google 實際推出了什麼

Gemini 4 Argon 最受矚目的變革並非輸入視窗——Google 尚未正式公布這一點。真正的重點是輸出上限：單次回應可達一百萬個 token，相較於前一代的 64K 大幅提升。這與大型上下文視窗屬於不同類型的能力。一百萬 token 的輸出量讓模型能夠一氣呵成地寫出整份遷移方案、完整的測試套件或長篇文件，無須拼接拼湊，也改變了代理式迴圈在單一步驟中能回傳的內容。

Google 公布的上市基準測試，全部由廠商自行回報，且未經獨立重現：

• DeepSWE v1.1 — 77.9%，相較於 Claude Opus 5.5 的 74.2% 與 GPT-6 Astra 的 74.1%（依據 Google 的比較）。

• Vals Index — 68.9%，在 Google 的金融、法律、稅務與程式設計任務綜合評比中排名第一。

Zapier AutomationBench — 51.3%，第一名。

• LVBench — 長影片理解準確率達 91.7%。

• CWE-bench v1 — 弱點修復達 68%，並列第一。

• Harvey Legal Agent Benchmark — 19.6% 全數通過。

弱點同樣具體，卻較少被提及。Argon 在 Terminal-Bench 4.0 上落後 Claude Opus 5.5 約九分，在 FrontierSWE v2 與 Terminal-Bench Science 上則落後 GPT-6 Astra 約 10.5 分。在 GDPval-AA 上它拿下 56%，某個追蹤機構將其排在第 14 名。Artificial Analysis 給它的智慧指數為 53——排名第三，與 GPT-6 Astra 並列，落後於以 58 分居次的 Opus 5.5。

價格差距附有一個行事曆。

Argon 的 $2/$10 是 introductory rate（優惠 introductory rate）。自 2026 年 12 月 1 日起，將變為 $4/$20。現今大多數頁面所做的比較，都默默假設這個促銷價格是永久性的，這使得與 Claude Mythos 5 相比的差距在輸出方面看起來像是 5 倍，但價格變更後其實是 2.5 倍。快取輸入是這個故事的另一半：Argon 將快取讀取折扣 95%，降至每百萬 $0.10，而 Mythos 5 的快取讀取為每百萬 $1.00。對於每一輪都會重新讀取大型儲存庫的 agent 而言，這個比率比檯面上的輸出價格更能決定帳單金額。

Mythos 5 有一項很少被提及的定價優勢：批次請求半價，而且其 100 萬 token 上下文是文件明載而非推測。Google 已公布輸出上限，但未公布輸入視窗，第三方追蹤器便以 Google 尚未確認的數字填補這個缺口。若你的應用取決於特定的輸入上限，那是採購問題，不是基準測試問題。

兩張永遠不會相交的基準表

這兩款模型公開的數字之間，並沒有共用的評測框架。Google 公布的是 DeepSWE v1.1；Anthropic 的 Mythos 5 規格表則以 SWE-bench Pro 的 80.3% 居首，Terminal-Bench 2.1 為 88.0%、SWE-bench Verified 為 95.5%、CyberGym 為 83.8%，ExploitBench 為 78.0%。這些是不同的測試，由不同的實驗室、在不同的日期執行。把它們並列在一起，只會得出一個看似比較、實則不然的表格。

唯一誠實的跨模型參照點是中性指數。Artificial Analysis 將 Gemini 4 Argon 列為 53。Claude Mythos 5 則完全沒有出現在該指數上——最接近的條目是其同系列兄弟 Claude Fable 5.1 及其後繼者 Claude Mythos 5.1。對於一個自六月起就已可用的模型而言，缺乏獨立評分本身就是一種資訊：使 Mythos 5 無法進入一般流通的存取限制，也使它無法進入大多數評估流程。

可及性才是決定性變數，而非品質。

Claude Mythos 5 無法用信用卡購買。2026 年 10 月 6 日，Anthropic 將其 Cyber Verification Program 改組為三個以申請為基礎的等級：Defence Access、Red Team Access，以及保留給關鍵基礎設施的 Specialised Access 等級；原本的 Project Glasswing 合作夥伴則併入最高等級。申請須經審核，推出初期僅限美國組織，且所有 Mythos 等級流量都適用強制性的 30 天保留政策，這使任何承諾零保留的對象都無法採用。沒有註冊頁面。

Gemini 4 Argon 則採取了相反的路線，分階段推進。它先透過 Fairwind Program 向經過審查的防禦人員開放，接著於 10 月 13 日向付費 API 客戶開放。如果你本季正在打造某個東西，而且你不是有審查時程的資安組織，那麼這些模型當中，一個只是預算中的單一支出項目，另一個則是一整個專案。

這種不對稱性也重新框定了基準測試的論點。你無法呼叫的模型只有品質分數，沒有品質優勢。對多數團隊而言，相關問題是：哪一款普遍可用的模型最能提供接近 Mythos 等級行為的東西。在 Anthropic 這邊是 Claude Fable 5.1：相同的底層模型、防護措施完好、$10/$50，且沒有驗證計畫。在 Google 這邊則是 Argon 本身，它廣泛可用，但與無分類器的資安模型不是同一項產品。

如何在無法進行正面對決的情況下做選擇

如果你的工作是在能通過審查的組織內進行獲授權的攻擊性安全、紅隊演練或惡意軟體分析，Claude Mythos 5 就是專門選擇，而取得存取權的流程就是入場代價。如果你的工作是長輸出程式碼生成、遷移或文件綜整，Gemini 4 Argon 今天更便宜，在 12 月重新定價後，其輸出成本又會比 Mythos 5 更低，而且無須申請即可使用。

對於介於兩者之間的所有人，實務上的答案並不是把其中任何一個當成單一依賴。Claude Fable 5.1 與 Claude Fable 5 都以定價、無加價收錄於 OrcaRouter 目錄中，這表示 Anthropic 的價目表會原封不動地送到你手上，且價格變動當天就會生效。Gemini 4 Argon 尚未收錄於我們的目錄；我們有提供路由的 Gemini 模型屬於 3.x 系列，因此 Argon 仍須走直接與 Google 簽約這條路。將 Anthropic 這一側透過單一端點與你已在使用的模型一起運行，是在你為其不受限制的孿生版本投入驗證計畫之前，測試 Fable 5.1 是否達到你標準的成本較低方式。

什麼會改變這個比較？

有兩個日期很重要。2026 年 12 月 1 日，Argon 的價格會加倍，使輸出差距縮小到 2.5×，並讓快取讀取的差異比牌價更重要。而 Anthropic 的三層級計畫仍夠新，因此審核時程是廠商自述，而非實際觀察所得。如果 Defence Access 結果只需數天而非數週，那麼取得途徑的論點就會減弱，而這款專業型產品就會成為更廣泛安全團隊的現實選項。在那之前，公允的總結是：Google 以促銷價格販售前沿通用型產品，而 Anthropic 則向核准組織名單販售受限的專業型產品——而這些先是不同的產品，然後才是不同的分數。