Claude Mythos 5 vs Grok 4.7：三個互不一致的獨立數字

Artificial Analysis 在同一個下午對Grok 4.7評測了三次，得到三個指向不同方向的答案：Intelligence Index 拿到 46 分——比 Grok 4.6 高出兩分；Coding Agent Index 拿到 56 分，領先九分；AA-Briefcase 則取得 1,657 Elo，領先 111 分。這段落差是 S​paceXAI 於 2026 年 9 月 21 日發布之作最耐人尋味的地方，也正是這場與C​laude M​ythos 5的對決值得白紙黑字寫下、而非草草帶過的原因。Grok 4.7 是個已化身專才的通才：它的進展集中在長時程的代理式程式編寫與知識工作上，在總合基準測試上卻幾乎看不出來。C​laude M​ythos 5 則從 2026 年 6 月 9 日推出的那一天起就是專才——A​nthropic 受管制的網攻與生物領域旗艦模型，歸類為 ASL-3，於 9 月 1 日更新為 C​laude M​ythos 5.1，定價為 M​ythos 等級的每百萬詞元 10.00 美元輸入／50.00 美元輸出，且須透過驗證計畫取得，而非依價目表申購。這兩款模型，一款你買得到，另一款你得申請。這場比較中的其餘一切，都是那句話的下游產物。

每個模型是什麼，以及誰會讓你呼叫它

Grok 4.7 是 SpaceXAI 目前針對程式編寫、代理式任務與知識工作的旗艦模型，以相同的價格與相同的上下文視窗接替 Grok 4.6。廠商在開發者文件與新聞頁面上都將其名稱寫作 SpaceXAI，而 API 仍由 api.x.ai 提供，識別碼也仍為 grok 系列——這點值得知道，因為搜尋這兩個名稱都會找到同一個產品。它已在 Cursor 以及該公司自家的 Grok Build 終端代理中正式推出，廠商將其定位為除了音訊、影像與視訊工作之外所有用途的預設推薦。廠商所提出的說法比一般通用型宣傳更狹隘且更具體：它擅長長期進行的軟體工程，也擅長驗證自身的工作。

Claude Mythos 5 是 Anthropic 6 月 9 日前沿世代中的受限 SKU，與公開的 Claude Fable 5 共享底層權重，唯一差異在於防護等級——也就是在 Fable 模型中保持開啟的網路與生物分類器。Anthropic 將其歸類為 ASL-3，這是該公司保留給可能大幅提升網路攻擊能力的層級，並據此限制存取。它的聲譽建立在紅隊發現而非公開的基準測試表上：一個約 27 年未被發現的 OpenBSD 漏洞、一個存活約 16 年並挺過五百萬次自動掃描的 FFmpeg 漏洞、一個串連四個漏洞以逃脫渲染器和作業系統沙箱的瀏覽器攻擊程式，以及一個 Linux 核心權限提升漏洞。

• 上下文與輸出 — Grok 4.7 為 500,000 個 token，輸出最高可達 450,000；C​laude M​ythos 5 則為 1M 個 token，最大輸出為 128K。

• 每百萬個 token 的價格 — 在 Grok 4.7 的 200,000 個輸入 token 以下為 $2.00 輸入 / $6.00 輸出，超過此門檻後升至 $4.00 / $12.00，相較於 M​ythos 級別的固定 $10.00 / $50.00。

• 快取讀取 — Grok 4.7 每百萬個 $0.50，超過 200,000 個權杖的門檻後翻倍至 $1.00，相較於六月 M​ythos 世代每百萬個 $1.00，以及九月更新後的 $0.25。

• 模態 — 文字、圖像與檔案輸入，兩者皆以文字輸出。

• 推理控制 — Grok 4.7 可設定四種等級的強度，而 C​laude M​ythos 5 的自適應思考則無法停用。

• 存取 — 自助式金鑰加上供應商自家的應用程式，相對於透過 Cyber Verification Program 或 Life Sciences Verification Program 提出的申請，並有 30 天資料保留要求。

那兩列價格正是常見解讀會出錯的地方。就標價而言，Grok 4.7 是 M​ythos 費率的五分之一。但在長提示詞下，它只略高於三分之一，因為分級界線落在 200,000 個 token，而這款模型是以 500,000-token 的視窗作為賣點。

這三個獨立數字，若正確解讀

從最不受關注的那一項開始談起，因為它是最大的一項。在 AA-Briefcase 這個針對長時程知識工作的評估者排行榜上，Grok 4.7 總排名第四，落後於三個 C​laude 項目，並領先以 xhigh 力度運行的 Claude Opus 5——而每項任務的成本大約只有 Claude Opus 5 的一半。無論這次發布還有什麼其他說法，這都是一項性價比成果，而非能力差距，而且這是 G​rok 模型首次在該排行榜上取得這樣的成績。

Coding Agent Index 的數字屬於同一個故事。在 coding-agent 軸上比 Grok 4.6 高出九分，而一般指數上只高出兩分，這不是雜訊；這表示訓練工作具體投入在 agentic 與 coding 行為上，而任何改善並不會移轉到由十項評測構成的廣泛綜合指標。一般指數是排行榜印出的那個數字。coding-agent 的數字，才是實際執行長時間工具迴圈的團隊真正體驗到的數字。

然後是廠商與評測者在同一項基準測試上的分歧，而這正是每次你看到發布表格時都值得記住的部分。S​paceXAI 自己公布 Grok 4.7 在 Terminal-Bench 4.0 上的分數是 38%。Artificial Analysis 對同一項基準測試的獨立跑分則得到 33%。五個百分點，方向相同，在同一條軸線上，針對同一個模型——而雙方都沒有說謊。代理式基準測試衡量的是模型加上一套輔助框架，測試框架設定各不相同，而且重複執行也會有波動。這就是當沒有人作弊時，五個百分點的落差會呈現的樣子。把它拿去和你看到的任何單一廠商數字並列對照，包括 A​nthropic 的。

這就把話題帶到 M​ythos 這一邊，也是這項比較無法完成的原因。A​nthropic 並未公布 C​laude M​ythos 5 的基準測試表。隨著這個名稱流傳的數字並非全都來自廠商：

• ExploitBench，78.0%——Anthropic 自家六月發佈的數字，大約是它為 Claude Opus 4.8 所引用 40% 的兩倍。廠商自行提報，未經重現。

• CyberGym Level 1，83.8% —— 最常被列在這個模型旁邊的數字，而且它並非源自 Anthropic。它出現在競爭對手的比較資料中，且那些資料有其自身的框架利益考量。

• Terminal-Bench 4.0 — 六月版本為 42.0%，Claude Mythos 5.1 則為 60.9%，根據 Anthropic 的九月更新資料。

注意第三行對這場對決造成了什麼影響。在兩條路線都有數據的唯一一項基準測試上，C​laude M​ythos 5.1 的 60.9% 遠高於 Grok 4.7 獨立測得的 33%。這些數字仍然不能直接相減：一個是廠商在自己測試框架上給出的數字，另一個是第三方的，而且它們是在不同時間、不同配置下執行的。但這個差距大到不太可能完全是假象，而且這是一個合理的警告：配備通用麥克風的模型，並不是在 M​ythos 層級之所以存在的那條軸線上競爭。

冗長，是沒有人會印出來的那一行成本。

Grok 4.7 的價目表是它最便宜的地方，而它的冗長度則是最昂貴的地方。Artificial Analysis 測得相較於 Grok 4.6，推理 token 使用量增加了 113%，每個代理式任務約消耗 81,000 個輸出 token。把這與一個會重新讀取脈絡、而非重新推導脈絡的模型對照，兩種成本結構就完全不再相似：Grok 4.7 在長時間的代理式工作中，每 token 便宜但每任務昂貴，而 M​ythos 層級則是每 token 昂貴，其經濟效益完全取決於快取行為，這就是為什麼 A​nthropic 的九月更新將快取讀取從 $1.00 降到 $0.25，並將其定調為在高代理式工作負載上最高約便宜 45%。

一項任務若輸出 81,000 個 Token，以每百萬 $6.00 的費率計算，輸出費用約為 49 美分。在這個模型所販售的 500,000 Token 視窗中，一個超過 200,000 Token 的提示會讓輸入費率加倍，並連帶使快取費率也加倍。這兩個數字都不是缺陷——思考更久正是推理模型變得更好的方式——但價目表是每 Token 的價格，而你的帳單是每項任務的價格，且兩者之間的倍數差距比費率差距還大。

10月6日改變了什麼，又沒有改變什麼

2026 年 10 月 6 日，Anthropic 將 Cyber Verification Program 改組為三個以申請為基礎的層級，把 Project Glasswing 併入最高層級，並讓 Claude Mythos 5.1 從僅限合作夥伴的分配額度，變成任何符合資格的安全組織都能申請的存取授權。Claude Opus 5.5 與 Claude Sonnet 5.5 同時加入了每一個層級。根據 Anthropic 的說法，Defense Access 申請會在幾天內獲得回覆，Red Team Access 需要數週，而 Mythos 存取本身則在核准後約五個工作日才會開通。這一切均為廠商所述、未經獨立證實，而門檻依然是一項驗證標準，而非價格。

這對 Grok 4.7 具體而言意味著什麼，範圍其實很窄。對獲授權的安全團隊來說，這是 Mythos 這條路線首次擁有了一道正門，而在這個模型的歷史上，這樣的比較也第一次變得真實。對其他所有人——寫程式、知識工作、長時間的工具迴圈，也就是 Grok 4.7 所為之打造的工作——這場對決中 Anthropic 那一方依然是不開放的，而公允的解讀是，這從來就不是該做的正確比較。6 月 9 日的那一代在發布兩天後，便依美國商務部命令在全球範圍內被暫停，直到 7 月初才僅對少數經過審查的美國組織恢復；這個模型的整個存在都受到那項限制的形塑，而再多的基準測試解讀也改變不了誰能被允許進入。

路由解答，這是目前唯一可用的解答

Grok 4.7 已納入 OrcaRouter 的品項清單，採用 S​paceXAI 自家的費率——每百萬 token 輸入 $2.00、輸出 $6.00，快取為 $0.50，並完整保留 200,000-token 的分級界線及其 $4.00 / $12.00 的跳升，完全依照廠商公布的方式呈現——以 0% 加價轉呈，因此費率一旦公布，這裡當天就同步生效。這份精確度在這個模型上比在大多數模型上更為重要，因為 200,000 token 的斷崖是本次比較中單一最大的價格不連續點，若某個路由器把它攤平成平均值，就會讓你對自己的帳單產生誤解。

路由層做的第二件事，是讓冗長度的問題測試起來很便宜，而不是假設起來很昂貴。81,000 個 token 的平均輸出終究只是平均值，而你的流量可能遠高於或遠低於這個數字。只有拿 Grok 4.7 實際跑你自己的工作負載，才是能回答它對你而言究竟便宜還是昂貴的唯一量測方式；而在不需要再串接一套系統的情況下做到這件事，意味著這個答案只需花上一個下午。跨供應商的自動容錯移轉補上了另一半——在高負載下思考更久的推理模型，正是最可能觸發逾時的那一種；而一條會把請求交給另一個後端、而不是直接回傳錯誤的路由，在這裡的價值遠高於用在快速模型上。

如果你希望從 Claude Mythos 5 得到的是 Mythos 等級的能力，而不是被降低的安全防護層級，那麼這款設有閘門的模型無法向公眾開放，也沒有任何平台變更能改變這件事。它的無閘門雙生版本則可以：Claude Fable 5.1 使用相同的底層權重，只是安全防護維持開啟，並列於 Anthropic 的同一份價目表中，定價為 $10.00 / $50.00，同時採用九月更新後的 $0.25 快取讀取價；在它與 Grok 4.7 之間切換，只需更改模型字串即可。

這個結論比標題所暗示的更狹隘，值得直說。就一般代理式工作而言，這兩者中只有 Grok 4.7 是你叫得動的；獨立證據顯示，它相較前代的優勢恰好集中在你會用到它的地方——這比整體指數廣泛上升兩分是更好的徵兆。Claude Mythos 5 是在任何人實際拿來測量的那一個軸向上更強的模型，而那個軸向就是受審核計畫內的安全工作。如果你的工作不是這類工作，有趣的問題就不是 Mythos 對上 Grok；而是 Grok 4.7 在你自己的流量上每項任務的成本，是否低於你目前正在跑的模型。

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。