BenchLeader

Gemini 4 Argon vs Muse Spark

詳しいプロフィール:Gemini 4 Argon(Google)とMuse Spark(Meta)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 14件の情報源のデータ

2026年11月16日時点で、Gemini 4 ArgonとMuse Sparkの品質は互角です(BenchLeader Indexで65.3 対 64.2、±4.4の誤差範囲内)。数学(70 対 59)、知識(72 対 63)、人間の評価(72 対 68)を重視するならGemini 4 Argon、エージェント・ツール(65 対 59)を重視するならMuse Sparkが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Argonが65.3、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • Gemini 4 Argonの100万トークンあたりのブレンド価格は$4.00です(2026年11月30日まで。その後は$8.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
  • 両モデルに結果がある21件のベンチマークのうち、Gemini 4 Argonが21件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングGemini 4 Argonカテゴリスコア67 対 65;SciCode 61.8% 対 51.5%中
エージェント・ツール利用Muse Sparkカテゴリスコア65 対 59;GDPval-AA v2.1 1006 対 1634中
数学Gemini 4 Argonカテゴリスコア70 対 59;Arena Maths 1536 対 1469高
推論Gemini 4 Argonカテゴリスコア70 対 67;GPQA Diamond 96.4% 対 89.8%中
知識Gemini 4 Argonカテゴリスコア72 対 63;LegalBench 88.3% 対 84.2%高
長い文書どちらでもカテゴリスコア65 対 64;AA-LCR v1.1 79.7% 対 78.0%どちらでも
チャットの質(人間の評価)Gemini 4 ArgonArenaの投票で72 対 68中
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • Gemini 4 Argon (high)とMuse Sparkの品質は互角です(65.3 対 64.2、±4.4の誤差範囲内)。
  • Gemini 4 Argon (high)はコーディング、人間の評価、知識、長文コンテキスト、数学、推論で優れています。
  • Muse Sparkはエージェント・ツールで優れています。

概要

仕様Gemini 4 ArgonMuse Spark
プロバイダーGoogleMeta
リリース日2026年9月30日2026年4月8日
一般提供開始2026年10月13日2026年4月8日
コンテキストウィンドウ(トークン)1,048,576262,144
最大出力(トークン)65,536 (up to 1,048,576 with long decode)–
入力の種類テキスト、画像、動画、音声、PDF–
推論エフォートの設定low, medium, high–
比較した構成Gemini 4 Argon (high)Muse Spark
オープンウェイトなしなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$2.00 / $10.00 / $0.100–
発表済みの価格変更2026年12月1日から$4.00 / $20.00 / $0.200発表なし
APIモデルIDgemini-4-argon–
利用できる場所Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app–

上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: ai.google.dev、ai.google.dev(料金) (2026年10月20日確認)。それ以外はすべて当日のデータです。

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリGemini 4 Argon (high)Muse Sparkトップ
推論69.567.4Gemini 4 Argon
コーディング66.765.1Gemini 4 Argon
エージェント・ツール58.665.0Muse Spark
数学69.959.1Gemini 4 Argon
知識71.963.1Gemini 4 Argon
指示追従–76.9比較不可
人間の評価72.168.1Gemini 4 Argon
マルチモーダル–64.2比較不可
長文コンテキスト64.563.6互角
総合63.8–比較不可

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディングエージェント・ツール数学知識長文コンテキスト人間の評価Gemini 4 Argon, 推論: 69.5Gemini 4 Argon, コーディング: 66.7Gemini 4 Argon, エージェント・ツール: 58.6Gemini 4 Argon, 数学: 69.9Gemini 4 Argon, 知識: 71.9Gemini 4 Argon, 長文コンテキスト: 64.5Gemini 4 Argon, 人間の評価: 72.1Muse Spark, 推論: 67.4Muse Spark, コーディング: 65.1Muse Spark, エージェント・ツール: 65.0Muse Spark, 数学: 59.1Muse Spark, 知識: 63.1Muse Spark, 長文コンテキスト: 63.6Muse Spark, 人間の評価: 68.1

描画していないもの(測定済みのモデルが2つ未満):指示追従, マルチモーダル。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある21件のベンチマークのうち、Gemini 4 Argonのリードが21件、Muse Sparkのリードが0件です。両方を評価しているすべての総合指標で、Gemini 4 Argonが上回っています。

総合IndexGemini 4 Argon (high)Muse Sparkトップ
BenchLeader Index65.364.2互角
Arena Text15221489Gemini 4 Argon

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Gemini 4 Argon (high)Muse Spark
100万トークンあたりのブレンド価格(2026年11月30日まで)$4.00–
100万トークンあたりの入力/出力$2.00 / $10.00– / –
2026年12月1日以降の100万トークンあたりのブレンド価格$8.00–
2026年12月1日以降の100万トークンあたりの入力/出力$4.00 / $20.00–
100万トークンあたりのキャッシュ入力$0.100–
タスクあたりの価格:チャットの返答$0.0038–
タスクあたりの価格:30ページのレポートを要約$0.030–
タスクあたりの価格:コード編集$0.027–
タスクあたりの価格:エージェント型コーディングセッション$0.160–
タスクあたりの価格:構造化データの抽出$0.0060–
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.074–
ベンチマークのタスクあたりのコスト(AA Index)$4.97–
タスクあたりの出力トークン(AA Index)116k–
うち推論68k–
タスクあたりの時間(AA Index)29 min–
出力速度66 tok/s–
回答開始までの時間45.7秒–
回答が完了するまでの時間(最終測定2026年11月13日)122.1秒–

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 4 Argon (high)のスコアは65.3、最初の回答トークンまで46秒。Gemini 4 Argonは64.4(5秒)、Gemini 4 Argon (medium)は61.6(13秒)。Muse Sparkのスコアは64.2。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

175件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Gemini 4 Argon (high)Muse Spark
BenchLeader IndexBenchLeader65.364.2
エージェント・ツールスコアBenchLeader58.665.0
コーディングスコアBenchLeader66.765.1
総合スコアBenchLeader63.8–
人間の評価スコアBenchLeader72.168.1
知識スコアBenchLeader71.963.1
長文コンテキストスコアBenchLeader64.563.6
数学スコアBenchLeader69.959.1
推論スコアBenchLeader69.567.4
指示追従スコアBenchLeader–76.9
マルチモーダルスコアBenchLeader–64.2
ブレンド価格($/100万トークン)BenchLeader$4.00–
出力速度BenchLeader66 tok/s–
回答開始までの時間BenchLeader45.7秒–
コンテキストウィンドウBenchLeader1,048,576トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub96.4%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench91.7%†–
Arena Hard PromptsArena (LMArena)15451506
LiveBench 2.0 ReasoningLiveBench95.1%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis57.1%40.7%
HLE-Diamond (AA)Artificial Analysis56.7%–
GPQA Diamond (Vals)Vals AI–89.7%
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize91.3%–
ARC-AGI-3ARC Prize97.3%–
CritPtArtificial Analysis27.1%11.3%
CritPt v2 hard subset (AA)Artificial Analysis52.5%–
MysteryMechanismVals AI45.5%–
HLE-Diamond (Scale)Scale AI SEAL53.2%†–
Arena ExpertArena (LMArena)15491491
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%–
LMCAEpoch AI Benchmarking Hub63.7%–
DTBenchEpoch AI Benchmarking Hub97.3%–
コーディング
SciCodeSciCode61.8%51.5%
FrontierCodeCognition47.5%†–
Arena CodingArena (LMArena)15531529
Arena WebDevArena (LMArena)1681–
175件のベンチマークをすべて表示
指標公開元Gemini 4 Argon (high)Muse Spark
コーディング
LiveBench 2.0 CodingLiveBench85.7%–
SciCode (AA)Artificial Analysis61.8%–
IOIVals AI100.0%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI68.2%–
Code Migration v1.1Vals AI70.8%–
ProgramBenchVals AI2.5%–
SWE-bench MultimodalVals AI56.0%–
Vibe Code Bench 1-100Vals AI21.2%–
Vibe Code Bench v1.1Vals AI91.9%19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
SWE Atlas v1.1Scale AI SEAL70.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†–
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%–
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.1–
FrontierSWEEpoch AI Benchmarking Hub55.0%–
WeirdML v3WeirdML20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
GameBench 2 OverallDuelLab GameBench 281.7†–
GameBench 2 by reasoning settingDuelLab GameBench 289.2–
Design Arena WebsiteDesign Arena1316†1253
FrontierCode 1.1 (AA)Artificial Analysis43.5%–
FrontierCode 2.0 (AA)Artificial Analysis25.7%–
エージェント・ツール
Terminal-BenchTerminal-Bench55.5%–
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†–
Arena AgentArena (LMArena)10.7–
LiveBench Long AgenticLiveBench58.5%–
LiveBench BrowserLiveBench82.8%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
Terminal-Bench 2.1 (Vals)Vals AI57.7%–
MCP AtlasScale AI SEAL90.7%†82.2%
HiL-BenchScale AI SEAL62.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis16341006
Analyst Agent (AA)Artificial Analysis48.8%–
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%–
Finance Agent v2Vals AI65.4%–
Finance Agent v2.1Vals AI67.7%–
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%–
Harvey's Legal Agent Benchmark v1Vals AI19.6%–
Legal Research BenchVals AI54.8%–
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI57.6%–
Terminal-Bench ScienceVals AI44.3%–
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)13.2–
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
Vending-Bench 2Andon Labs13718.2†–
AutomationBenchArtificial Analysis77.5%–
GDP.pdf (AA)Artificial Analysis21.8%–
Harvey LAB-AA v1.1Harvey3.9%–
AA-Briefcase v1.1Artificial Analysis1485646
GDPxGDPx by SemiAnalysis7.3%–
Design Arena AgenticDesign Arena1274†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%–
MKA (AA)Artificial Analysis51.3%–
FACTS SearchGoogle89.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%88.9%
ProofBenchVals AI99.0%†17.0%
AIME (Vals)Vals AI–96.9%
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361469
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%–
LiveBench 2.0 Data AnalysisLiveBench85.2%–
LiveBench ResearchLiveBench86.8%–
AA-Omniscience v1.1Artificial Analysis46.1–
MMLU-ProVals AI–87.3%
LegalBenchVals AI88.3%84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL49.9%†52.4%
PRBench LegalScale AI SEAL49.4%†52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI76.3%–
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI75.2%–
Excel Modeling Benchmark v1.1Vals AI74.8%–
MedCodeVals AI58.8%51.3%
MedScribeVals AI87.4%85.9%
Public Benefits Bench v1.1Vals AI69.8%–
Access to Justice BenchmarkVals AI68.5%–
Financial Coaching BenchVals AI73.1%–
Immigration BenchVals AI68.1%–
DrugDiscoveryBenchScale AI SEAL65.4%–
EBR-benchEpoch AI Benchmarking Hub64.8%–
GDP.pdfEpoch AI Benchmarking Hub28.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%–
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†–
指示追従
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL78.7%†75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)15281465
人間の評価
Arena TextArena (LMArena)15221489
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†–
Arena Creative WritingArena (LMArena)15231464
Arena Multi-turnArena (LMArena)15451493
Arena Longer QueriesArena (LMArena)15441476
マルチモーダル
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench69.2%–
MMMU-ProArtificial Analysis88.3%†80.5%
MMMU-Pro (Vals)Vals AI–87.4%
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%–
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub72.5%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis1147–
FACTS MultimodalGoogle54.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.7%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis13.9%–
FACTS GroundingGoogle73.3%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†153.1
LiveBench 2.0LiveBench77.7%–
AA Intelligence Index v5.0.1Artificial Analysis50.4–
AA Intelligence Index v4.3.2Artificial Analysis52.631.3
AA Progress Index v1Artificial Analysis341.8289.1
Vals IndexVals AI69.4–
Vals Finance IndexVals AI66.0%–
Vals RSI IndexVals AI30.6%–
Vals Science IndexVals AI55.4%–
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%–
安全性・誠実さ
FORTRESSScale AI SEAL–20.2%
DistressBenchScale AI SEAL68.6%†–

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Gemini 4 Argon:定価が100万トークンあたり入力$4.00/出力$20.00に変わります(発表済み)。
  • Gemini 4 Argon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Argon (high):新しい結果1件(Terminal-Bench)。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 4 Argon (high):スコアの改訂1件。
  • Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
  • Gemini 4 Argon (high):新しい結果1件(PostTrainBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $9.95/M → $4.97/M。
  • Gemini 4 Argon (high):スコアの改訂4件。
  • Gemini 4 Argon (high):スコアの改訂1件。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Gemini 4 Argon vs Muse Spark:よくある質問

Gemini 4 ArgonはMuse Sparkより優れていますか?
Gemini 4 Argon (high)とMuse Sparkの品質は互角です(65.3 対 64.2、±4.4の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
コーディングにはGemini 4 ArgonとMuse Sparkのどちらが向いていますか?
コーディングではGemini 4 Argonの方がスコアが高くなっています(カテゴリ指標で67 対 65。50が平均)。共通するコーディングベンチマークのうち最も重要なSciCodeでは、Gemini 4 Argonが61.8%、Muse Sparkが51.5%です。
エージェントやツール利用にはGemini 4 ArgonとMuse Sparkのどちらが向いていますか?
エージェント型のタスクではMuse Sparkの方がスコアが高くなっています(カテゴリ指標で65 対 59。50が平均)。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークでは互角です(65 対 64)。コンテキストはGemini 4 Argonの方が長く、1,048,576トークンです(Muse Sparkは262,144トークン)。
Gemini 4 ArgonとMuse Sparkについて、第三者ベンチマークの評価は一致していますか?
両方に結果がある21件のベンチマークのうち、Gemini 4 Argonのリードが21件、Muse Sparkのリードが0件です。両方を評価しているすべての総合指標で、Gemini 4 Argonが上回っています。
ほかの質問(1件)
Gemini 4 Argonはいつリリースされましたか?
Gemini 4 Argonは2026年9月30日に初めて登場し、2026年10月13日に一般提供が始まりました。