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.

#3 von 21 im Vals Index · aktueller Snapshot
73 Vals Index · 5 Benchmark-Zeilen · 4 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite73
Kontext2M
Input / 1M$75
Output / 1M$300
Wissensstichtag2026-04-01
Statusflagship
ReasoningCodingAgentic
Reasoning
95
Coding
94
Agentic
84

91average across 3 tested families

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
GPQA DiamondReasoning#1/ 6995GPQA Diamond paper leaderboard2026-06-02
SWE-bench VerifiedCoding#1/ 2394SWE-bench official leaderboard2026-06-02
Vals IndexAgentic#3/ 2073Vals AI — Vals Index2026-06-04
Terminal-BenchAgentic#5/ 6984Terminal-Bench 2.0 leaderboard2026-06-02
ARC-AGIReasoning#12/ 1424ARC Prize 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
    Claude Mythos Preview
    95
  2. 2
    GPT-5.6 Sol
    94
  3. 3
    Kimi K3
    94
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
Long context
  1. 1
    Kimi K3
    75
  2. 2
    GPT-5.1
    75
  3. 3
    GPT-5.6 Sol
    74
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 Index49
SWE-bench VerifiedCoding93.9%SWE-bench official leaderboard51
Terminal-BenchAgentic84.1%Terminal-Bench 2.0 leaderboard51
ARC-AGIReasoning24.1%ARC Prize leaderboard51
GPQA DiamondReasoning94.6%GPQA Diamond paper leaderboard51
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
Agentic84
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30input USD / 1M tokens · log scale →← intelligence

Hover or tab any dot for name, score, and input price.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMiniMaxxAIMetaZhipuXiaomiMeituanCohere

Volles Benchmark-Ledger

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

5 Quell-Zeilen

5 of 32 catalog benchmarks have a sourced row for 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