BenchLeader

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 CarbonArena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 CarbonMuse Spark
プロバイダーGoogleMeta
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)1,048,576262,144
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73.267.4Gemini 4 Carbon
コーディング74.165.1Gemini 4 Carbon
エージェント・ツール70.365.0Gemini 4 Carbon
数学71.959.1Gemini 4 Carbon
知識76.163.1Gemini 4 Carbon
指示追従–76.9比較不可
人間の評価72.668.1Gemini 4 Carbon
マルチモーダル–64.2比較不可
長文コンテキスト64.363.6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。

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 Carbon, 推論: 73.2Gemini 4 Carbon, コーディング: 74.1Gemini 4 Carbon, エージェント・ツール: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知識: 76.1Gemini 4 Carbon, 長文コンテキスト: 64.3Gemini 4 Carbon, 人間の評価: 72.6Muse 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IndexGemini 4 Carbon (high)Muse Sparkトップ
BenchLeader Index68.964.2Gemini 4 Carbon
Arena Text15261489Gemini 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 IndexBenchLeader68.964.2
エージェント・ツールスコアBenchLeader70.365.0
コーディングスコアBenchLeader74.165.1
総合スコアBenchLeader70.3–
人間の評価スコアBenchLeader72.668.1
知識スコアBenchLeader76.163.1
長文コンテキストスコアBenchLeader64.363.6
数学スコアBenchLeader71.959.1
推論スコアBenchLeader73.267.4
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BenchLeader64 tok/s–
回答開始までの時間BenchLeader73.5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 Hub96.5%89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench92.6%†–
Arena Hard PromptsArena (LMArena)15471506
LiveBench 2.0 ReasoningLiveBench90.6%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis–40.7%
HLE-Diamond (AA)Artificial Analysis69.1%–
GPQA Diamond (Vals)Vals AI–89.7%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.1%–
ARC-AGI-3ARC Prize96.9%–
CritPtArtificial Analysis–11.3%
CritPt v2 hard subset (AA)Artificial Analysis69.0%–
Arena ExpertArena (LMArena)15671491
Chess PuzzlesEpoch AI Benchmarking Hub78.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%–
コーディング
SciCodeSciCode64.2%51.5%
Arena CodingArena (LMArena)15681529
Arena WebDevArena (LMArena)1768–
LiveBench 2.0 CodingLiveBench91.0%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Vibe Code Bench v1.1Vals AI89.1%19.7%
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
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 QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
SWE Atlas v1.1Scale AI SEAL71.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†–
CursorBenchCursor60.4%–
FrontierSWEEpoch AI Benchmarking Hub61.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
Design Arena WebsiteDesign Arena1319†1253
FrontierCode 2.0 (AA)Artificial Analysis40.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench64.5%–
APEX-AgentsMercor84.2%†–
Arena AgentArena (LMArena)17–
LiveBench Long AgenticLiveBench72.7%–
LiveBench BrowserLiveBench80.0%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
HiL-BenchScale AI SEAL50.3%†–
GDPval-AA v2.1Artificial Analysis17331006
Finance Agent v2.1Vals AI67.2%–
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%–
Legal Research BenchVals AI55.8%–
Tax Agent BenchVals AI51.8%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI63.1%–
Arena Agent Task CompletionArena (LMArena)18.4–
Vending-Bench 2Andon Labs16484.2†–
AutomationBenchArtificial Analysis77.8%–
GDP.pdf (AA)Artificial Analysis28.4%–
AA-Briefcase v1.1Artificial Analysis1611646
GDPxGDPx by SemiAnalysis10.9%–
Design Arena AgenticDesign Arena1305†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%–
MKA (AA)Artificial Analysis54.3%–
FACTS SearchGoogle94.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%–
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%88.9%
ProofBenchVals AI–17.0%
AIME (Vals)Vals AI–96.9%
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Arena MathsArena (LMArena)–1469
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%–
LiveBench 2.0 Data AnalysisLiveBench86.5%–
LiveBench ResearchLiveBench92.5%–
AA-Omniscience v1.1Artificial Analysis53.5–
MMLU-ProVals AI–87.3%
LegalBenchVals AI–84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL53.4%†52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling Benchmark v1.1Vals AI76.5%–
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%–
FACTS ParametricGoogle81.6%†–
指示追従
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)15251465
人間の評価
Arena TextArena (LMArena)15261489
Arena Creative WritingArena (LMArena)15161464
Arena Multi-turnArena (LMArena)15641493
Arena Longer QueriesArena (LMArena)15381476
マルチモーダル
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench80.2%–
MMMU-ProArtificial Analysis89.3%†80.5%
MMMU-Pro (Vals)Vals AI–87.4%
Humanity's Sixth SenseScale AI SEAL71.1%–
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub77.5%–
VIALS-AAHandshake AI64.0%–
FACTS MultimodalGoogle60.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis19.4%–
FACTS GroundingGoogle77.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†153.1
LiveBench 2.0LiveBench83.5%–
AA Intelligence Index v5.0.1Artificial Analysis60.0–
AA Intelligence Index v4.3.2Artificial Analysis–31.3
AA Progress Index v1Artificial Analysis350.8289.1
Vals IndexVals AI70.5–
Vals Finance IndexVals AI67.0%–
Vals RSI IndexVals AI27.7%–
Vals Legal IndexVals AI75.9%–
安全性・誠実さ
FORTRESSScale AI SEAL16.4%†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。

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。