Gemini 4 Carbon vs Muse Spark
詳しいプロフィール:Gemini 4 Carbon(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 · 13件の情報源のデータ
2026年11月16日時点で、品質ではGemini 4 CarbonがMuse Sparkを上回ります(BenchLeader Indexで68.9 対 64.2)。両方を測定できるすべてのカテゴリでGemini 4 Carbonがリードしています。
要点(2026年11月16日時点)
- BenchLeader IndexはGemini 4 Carbonが68.9、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
- Gemini 4 Carbonの100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
- 両モデルに結果がある15件のベンチマークのうち、Gemini 4 Carbonが15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 Carbon | カテゴリスコア74 対 65;SciCode 64.2% 対 51.5% | 高 |
| エージェント・ツール利用 | Gemini 4 Carbon | カテゴリスコア70 対 65;GDPval-AA v2.1 1733 対 1006 | 中 |
| 数学 | Gemini 4 Carbon | カテゴリスコア72 対 59;OTIS Mock AIME 100.0% 対 88.9% | 高 |
| 推論 | Gemini 4 Carbon | カテゴリスコア73 対 67;GPQA Diamond 96.5% 対 89.8% | 中 |
| 知識 | Gemini 4 Carbon | カテゴリスコア76 対 63 | 高 |
| 長い文書 | どちらでも | カテゴリスコア64 対 64;AA-LCR v1.1 79.3% 対 78.0% | どちらでも |
| チャットの質(人間の評価) | Gemini 4 Carbon | Arenaの投票で73 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
- 品質ではGemini 4 Carbon (high)がリードしています:68.9 対 64.2。
- Gemini 4 Carbon (high)はエージェント・ツール、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。
概要
| 仕様 | Gemini 4 Carbon | Muse Spark |
|---|---|---|
| プロバイダー | Meta | |
| リリース日 | 2026年10月28日 | 2026年4月8日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 262,144 |
| 比較した構成 | Gemini 4 Carbon (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 | – |
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 Carbon (high) | Muse Spark | トップ |
|---|---|---|---|
| 推論 | 73.2 | 67.4 | Gemini 4 Carbon |
| コーディング | 74.1 | 65.1 | Gemini 4 Carbon |
| エージェント・ツール | 70.3 | 65.0 | Gemini 4 Carbon |
| 数学 | 71.9 | 59.1 | Gemini 4 Carbon |
| 知識 | 76.1 | 63.1 | Gemini 4 Carbon |
| 指示追従 | – | 76.9 | 比較不可 |
| 人間の評価 | 72.6 | 68.1 | Gemini 4 Carbon |
| マルチモーダル | – | 64.2 | 比較不可 |
| 長文コンテキスト | 64.3 | 63.6 | 互角 |
| 総合 | 70.3 | – | 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。
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。
情報源で評価が分かれる点
両方に結果がある15件のベンチマークのうち、Gemini 4 Carbonのリードが15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 Carbonが上回っています。
| 総合Index | Gemini 4 Carbon (high) | Muse Spark | トップ |
|---|---|---|---|
| BenchLeader Index | 68.9 | 64.2 | Gemini 4 Carbon |
| Arena Text | 1526 | 1489 | Gemini 4 Carbon |
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 Carbon (high) | Muse Spark |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.00 | – |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | – / – |
| 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) | $5.48 | – |
| タスクあたりの出力トークン(AA Index) | 123k | – |
| うち推論 | 72k | – |
| タスクあたりの時間(AA Index) | 32 min | – |
| 出力速度 | 64 tok/s | – |
| 回答開始までの時間 | 73.5秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 160.6秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 4 Carbon (high)のスコアは68.9、最初の回答トークンまで73秒。Gemini 4 Carbon (medium)は65.8(21秒)、Gemini 4 Carbon (low)は60.1(11秒)。Muse Sparkのスコアは64.2。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
124件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 4 Carbon (high) | Muse Spark |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 68.9 | 64.2 |
| エージェント・ツールスコア | BenchLeader | 70.3 | 65.0 |
| コーディングスコア | BenchLeader | 74.1 | 65.1 |
| 総合スコア | BenchLeader | 70.3 | – |
| 人間の評価スコア | BenchLeader | 72.6 | 68.1 |
| 知識スコア | BenchLeader | 76.1 | 63.1 |
| 長文コンテキストスコア | BenchLeader | 64.3 | 63.6 |
| 数学スコア | BenchLeader | 71.9 | 59.1 |
| 推論スコア | BenchLeader | 73.2 | 67.4 |
| 指示追従スコア | BenchLeader | – | 76.9 |
| マルチモーダルスコア | BenchLeader | – | 64.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | – |
| 出力速度 | BenchLeader | 64 tok/s | – |
| 回答開始までの時間 | BenchLeader | 73.5秒 | – |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 262,144トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 96.5% | 89.8% |
| Humanity's Last Exam | Scale AI / CAIS | – | 40.6% |
| SimpleBench | SimpleBench | 92.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1547 | 1506 |
| LiveBench 2.0 Reasoning | LiveBench | 90.6% | – |
| GPQA Diamond (AA) | Artificial Analysis | – | 88.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 40.7% |
| HLE-Diamond (AA) | Artificial Analysis | 69.1% | – |
| GPQA Diamond (Vals) | Vals AI | – | 89.7% |
| ARC-AGI-1 | ARC Prize | 97.5% | – |
| ARC-AGI-2 | ARC Prize | 92.1% | – |
| ARC-AGI-3 | ARC Prize | 96.9% | – |
| CritPt | Artificial Analysis | – | 11.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 69.0% | – |
| Arena Expert | Arena (LMArena) | 1567 | 1491 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 78.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 73.0% | – |
| コーディング | |||
| SciCode | SciCode | 64.2% | 51.5% |
| Arena Coding | Arena (LMArena) | 1568 | 1529 |
| Arena WebDev | Arena (LMArena) | 1768 | – |
| LiveBench 2.0 Coding | LiveBench | 91.0% | – |
| SWE-bench (Vals) | Vals AI | – | 74.4% |
| SWE-Bench Pro | Scale AI SEAL | – | 55.0% |
| Vibe Code Bench v1.1 | Vals AI | 89.1% | 19.7% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 49.7% | – |
124件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 4 Carbon (high) | Muse Spark |
|---|---|---|---|
| コーディング | |||
| SWE-Bench Pro (private) | Scale AI SEAL | – | 44.7% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 24.2% |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 31.1% |
| SWE Atlas v1.1 | Scale AI SEAL | 71.4%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 73.4%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 76.7%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 64.3%† | – |
| CursorBench | Cursor | 60.4% | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 61.2% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 65.2% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 62.2% |
| Design Arena Website | Design Arena | 1319† | 1253 |
| FrontierCode 2.0 (AA) | Artificial Analysis | 40.6% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 64.5% | – |
| APEX-Agents | Mercor | 84.2%† | – |
| Arena Agent | Arena (LMArena) | 17 | – |
| LiveBench Long Agentic | LiveBench | 72.7% | – |
| LiveBench Browser | LiveBench | 80.0% | – |
| Terminal-Bench Hard | Artificial Analysis | – | 45.5% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 91.5% |
| MCP Atlas | Scale AI SEAL | – | 82.2% |
| HiL-Bench | Scale AI SEAL | 50.3%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1733 | 1006 |
| Finance Agent v2.1 | Vals AI | 67.2% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 17.5% | – |
| Legal Research Bench | Vals AI | 55.8% | – |
| Tax Agent Bench | Vals AI | 51.8% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 59.5% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 63.1% | – |
| Arena Agent Task Completion | Arena (LMArena) | 18.4 | – |
| Vending-Bench 2 | Andon Labs | 16484.2† | – |
| AutomationBench | Artificial Analysis | 77.8% | – |
| GDP.pdf (AA) | Artificial Analysis | 28.4% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1611 | 646 |
| GDPx | GDPx by SemiAnalysis | 10.9% | – |
| Design Arena Agentic | Design Arena | 1305† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 64.8% | – |
| MKA (AA) | Artificial Analysis | 54.3% | – |
| FACTS Search | 94.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 90.5% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 95.1% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 88.9% |
| ProofBench | Vals AI | – | 17.0% |
| AIME (Vals) | Vals AI | – | 96.9% |
| ArXivMath | MathArena | 94.3% | – |
| BrokenArXiv | MathArena | 84.4% | – |
| Arena Maths | Arena (LMArena) | – | 1469 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 77.7% | – |
| LiveBench 2.0 Data Analysis | LiveBench | 86.5% | – |
| LiveBench Research | LiveBench | 92.5% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 53.5 | – |
| MMLU-Pro | Vals AI | – | 87.3% |
| LegalBench | Vals AI | – | 84.2% |
| CorpFin | Vals AI | – | 65.1% |
| TaxEval | Vals AI | – | 77.7% |
| PRBench Finance | Scale AI SEAL | – | 52.4% |
| PRBench Legal | Scale AI SEAL | 53.4%† | 52.3% |
| MultiNRC | Scale AI SEAL | – | 59.0% |
| CaseLaw v2 | Vals AI | – | 63.1% |
| Excel Modeling Benchmark v1.1 | Vals AI | 76.5% | – |
| MedCode | Vals AI | – | 51.3% |
| MedScribe | Vals AI | – | 85.9% |
| DrugDiscoveryBench | Scale AI SEAL | 71.5% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 87.6% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 58.3% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 88.6% | – |
| FACTS Parametric | 81.6%† | – | |
| 指示追従 | |||
| IFBench | Artificial Analysis | – | 75.9% |
| MultiChallenge | Scale AI SEAL | – | 75.5% |
| TutorBench | Scale AI SEAL | – | 68.5% |
| Arena Instruction Following | Arena (LMArena) | 1525 | 1465 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1526 | 1489 |
| Arena Creative Writing | Arena (LMArena) | 1516 | 1464 |
| Arena Multi-turn | Arena (LMArena) | 1564 | 1493 |
| Arena Longer Queries | Arena (LMArena) | 1538 | 1476 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1306 |
| LiveBench Design | LiveBench | 80.2% | – |
| MMMU-Pro | Artificial Analysis | 89.3%† | 80.5% |
| MMMU-Pro (Vals) | Vals AI | – | 87.4% |
| Humanity's Sixth Sense | Scale AI SEAL | 71.1% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 58.6%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 77.5% | – |
| VIALS-AA | Handshake AI | 64.0% | – |
| FACTS Multimodal | 60.2%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.3% | 78.0% |
| Arena Document | Arena (LMArena) | – | 1467 |
| MLCR | Artificial Analysis | 19.4% | – |
| FACTS Grounding | 77.2%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 169.8† | 153.1 |
| LiveBench 2.0 | LiveBench | 83.5% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 60.0 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 31.3 |
| AA Progress Index v1 | Artificial Analysis | 350.8 | 289.1 |
| Vals Index | Vals AI | 70.5 | – |
| Vals Finance Index | Vals AI | 67.0% | – |
| Vals RSI Index | Vals AI | 27.7% | – |
| Vals Legal Index | Vals AI | 75.9% | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 16.4%† | 20.2% |
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。
最近の変化
- Gemini 4 Carbon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
- Gemini 4 Carbon (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 Carbon (high):新しい結果1件(DrugDiscoveryBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $7.76/M → $5.48/M。
- Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
- Gemini 4 Carbon (high):新しい結果13件(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
- Gemini 4 Carbon (high):新しい結果2件(FrontierSWE, Vals RSI Index)。
- Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
- Gemini 4 Carbon (high):BenchLeader Index 68.8 → 69.3。
関連する比較
- Gemini 4 Carbon vs Claude Fable 5.2
- Gemini 4 Carbon vs Claude Opus 5.5
- Gemini 4 Carbon vs GPT-6 Astra
- Muse Spark vs Claude Fable 5.2
- Muse Spark vs Claude Opus 5.5
- Muse Spark vs GPT-6 Astra
- Gemini 4 Argon vs Muse Spark
- Gemini 4 Carbon vs GPT-6.1 Sol
ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM
Gemini 4 Carbon vs Muse Spark:よくある質問
- Gemini 4 CarbonはMuse Sparkより優れていますか?
- 品質ではGemini 4 Carbon (high)がリードしています:68.9 対 64.2。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日時点では総合でGemini 4 Carbon (high)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
- コーディングにはGemini 4 Carbon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 Carbonの方がスコアが高くなっています(カテゴリ指標で74 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 Carbonが64.2%、Muse Sparkが51.5%です。
- エージェントやツール利用にはGemini 4 Carbon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Gemini 4 Carbonの方がスコアが高くなっています(カテゴリ指標で70 対 65。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(64 対 64)。コンテキストはGemini 4 Carbon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 Carbon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15件のベンチマークのうち、Gemini 4 Carbonのリードが15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 Carbonが上回っています。
ほかの質問(1件)
- Gemini 4 Carbonはいつリリースされましたか?
- Gemini 4 Carbonは2026年10月28日にリリースされました。