VerdictPal
Beitreten

Modelle / Anthropic

Claude Mythos Preview

Claude Opus · Release 2026-06-01

Anthropics Research-Preview Juni 2026. Spitze bei SWE-bench Verified (93,9 %, Best-of-3-Harness) und Vals-Index (73,42 %). Führt außerdem GPQA Diamond (94,6 %), HLE (64,7 %) und CharXiv (93,2 %) an. 2M-Kontext, $75 / $300 pro 1M Tokens.

Research-Preview für die härtesten Reasoning-, Coding- und Generalisierungsaufgaben. Noch nicht allgemein verfügbar — Zugang über das Claude-Research-Programm. Als Research-Artefakt behandeln, nicht als Deployment-Kandidat.

Composite73
Kontext2M
Input / 1M$75
Output / 1M$300
Wissensstichtag2026-04-01
Statusflagship

Familienprofil

Bester veröffentlichter Score je abgedeckter Benchmark-Familie.

91/100 Ø
Reasoning
95
Coding
94
Agentisch
84

3 getestete Benchmark-Familien

Redaktionsnotiz
Mythos als Research-Artefakt behandeln, nicht als Deployment-Kandidat. Die 93,9 % SWE-bench nutzen einen Best-of-3-Agent-Harness — Single-Attempt-Produktions-Scores sind deutlich niedriger. Die Vals-73,42 % sind der höchste Wert auf dem öffentlichen Leaderboard, aber auf einer Research-Version mit Frontier-Inferenzkosten.
Benchmark-Platzierungen

Wo Claude Mythos Preview auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
SWE-bench VerifiedCoding#1/ 2294SWE-bench official leaderboard2026-06-02
Vals IndexAgentic#2/ 1973Vals AI — Vals Index2026-06-04
GPQA DiamondReasoning#4/ 19095GPQA Diamond paper leaderboard2026-06-02
ARC-AGIReasoning#9/ 924ARC Prize leaderboard2026-06-02
Terminal-BenchAgentic#17/ 18984Terminal-Bench 2.0 leaderboard2026-06-02
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo Claude Mythos Preview auftaucht, ist es hervorgehoben.

ReasoningClaude Mythos Preview · 95
  1. 1
    GPT-6 Astra
    96
  2. 2
    Claude Mythos Preview
    95
  3. 3
    Gemini 3.7 Flash
    95
CodingClaude Mythos Preview · 94
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticClaude Mythos Preview · 84
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für Claude Mythos Preview in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

5 neu
BenchmarkFamilyScoreQuelleTage her
Vals IndexAgentic73.42%Vals AI — Vals Index102
SWE-bench VerifiedCoding93.9%SWE-bench official leaderboard104
Terminal-BenchAgentic84.1%Terminal-Bench 2.0 leaderboard104
ARC-AGIReasoning24.1%ARC Prize leaderboard104
GPQA DiamondReasoning94.6%GPQA Diamond paper leaderboard104
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Reasoning95
Coding94
Agentisch84
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30Input-USD / 1M Tokens · log-Skala →← Intelligenz

Hover auf einen Punkt zeigt Name, Score und Input-Preis. Per Tastatur: die zwölf besten mit Tab durchgehen oder die Rangliste unten nutzen.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMetaxAIMiniMaxZhipuXiaomiOtherMeituanCohereNVIDIA

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für Claude Mythos Preview. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

5 Quell-Zeilen

5 von 37 Katalog-Benchmarks haben eine belegte Zeile für Claude Mythos Preview.

Reasoning

Coding

Agentic

Changelog
  1. Claude-Mythos-Research-Preview veröffentlicht — Spitze bei Vals (73,42 %) und SWE-bench Verified (93,9 %, Best-of-3).
Quellen

The Pack · Redaktionsnewsletter

Neue Tools in dein Postfach. Kostenlos.

Eine kurze E-Mail, wenn ein Tool erscheint oder den Status wechselt. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.