BenchLeader

Gemini 4 Carbon vs Muse Spark 1.2

詳しいプロフィール:Gemini 4 Carbon(Google)とMuse Spark 1.2(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 1.2を上回ります(BenchLeader Indexで68.9 対 61.5)。ただし、価格はMuse Spark 1.2の方が2.0倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.00です。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。Muse Spark 1.2の方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Carbonが68.9、Muse Spark 1.2が61.5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)。
  • Muse Spark 1.2の100万トークンあたりのブレンド価格は$2.00です(定価、2026年11月16日)。
  • Muse Spark 1.2はGemini 4 Carbonより出力が約2倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある27件のベンチマークのうち、Gemini 4 Carbonが27件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGemini 4 Carbonが1768、Muse Spark 1.2が1534です(LMArena、2026年11月16日までの公開値)。

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 55;Arena WebDev 1768 対 1534高
エージェント・ツール利用Gemini 4 Carbonカテゴリスコア70 対 55;Arena Agent 17 対 -8.2高
数学Gemini 4 Carbonカテゴリスコア72 対 67中
推論Gemini 4 Carbonカテゴリスコア73 対 68;Arena Hard Prompts 1547 対 1514中
知識Gemini 4 Carbonカテゴリスコア76 対 65;SimpleQA Verified 77.7% 対 60.3%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 79.0%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 69中
最低コストMuse Spark 1.2100万トークンあたりブレンド価格$2.00 対 $4.00;エージェント型コーディングセッション$0.092 対 $0.160–
回答開始の速さMuse Spark 1.2最初の回答トークンまで11.4秒(Muse Spark 1.2 (xhigh))対 73.5秒(Gemini 4 Carbon (high))–
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 61.5。
  • 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。
  • Muse Spark 1.2 (xhigh)の方が2.0倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $4.00)。
  • Muse Spark 1.2 (xhigh)の方が出力が3.3倍速くなっています(208 対 64トークン/秒)。

概要

仕様Gemini 4 CarbonMuse Spark 1.2
プロバイダーGoogleMeta
リリース日2026年10月28日2026年8月5日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Gemini 4 Carbon (high)Muse Spark 1.2 (xhigh)
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$1.25 / $4.25 / $0.150

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 1.2 (xhigh)トップ
推論73.268.1Gemini 4 Carbon
コーディング74.154.7Gemini 4 Carbon
エージェント・ツール70.355.4Gemini 4 Carbon
数学71.966.8Gemini 4 Carbon
知識76.164.5Gemini 4 Carbon
人間の評価72.668.6Gemini 4 Carbon
マルチモーダル–65.3比較不可
長文コンテキスト64.364.1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 1.2, 推論: 68.1Muse Spark 1.2, コーディング: 54.7Muse Spark 1.2, エージェント・ツール: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知識: 64.5Muse Spark 1.2, 長文コンテキスト: 64.1Muse Spark 1.2, 人間の評価: 68.6

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27件のベンチマークのうち、Gemini 4 Carbonのリードが27件、Muse Spark 1.2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 1.2 (xhigh)トップ
BenchLeader Index68.961.5Gemini 4 Carbon
Arena Text15261493Gemini 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 1.2 (xhigh)
100万トークンあたりのブレンド価格$4.00$2.00
100万トークンあたりの入力/出力$2.00 / $10.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.100$0.150
タスクあたりの価格:チャットの返答$0.0038$0.0018
タスクあたりの価格:30ページのレポートを要約$0.030$0.018
タスクあたりの価格:コード編集$0.027$0.014
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$0.092
タスクあたりの価格:構造化データの抽出$0.0060$0.0034
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$0.043
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/s208 tok/s
回答開始までの時間73.5秒11.4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23.9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 1.2 (xhigh)のスコアは61.5、最初の回答トークンまで11秒。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

143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 1.2 (xhigh)
BenchLeader IndexBenchLeader68.961.5
エージェント・ツールスコアBenchLeader70.355.4
コーディングスコアBenchLeader74.154.7
総合スコアBenchLeader70.3–
人間の評価スコアBenchLeader72.668.6
知識スコアBenchLeader76.164.5
長文コンテキストスコアBenchLeader64.364.1
数学スコアBenchLeader71.966.8
推論スコアBenchLeader73.268.1
マルチモーダルスコアBenchLeader–65.3
ブレンド価格($/100万トークン)BenchLeader$4.00$2.00
出力速度BenchLeader64 tok/s208 tok/s
回答開始までの時間BenchLeader73.5秒11.4秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub96.5%–
SimpleBenchSimpleBench92.6%†74.5%†
Arena Hard PromptsArena (LMArena)15471514
LiveBench 2.0 ReasoningLiveBench90.6%–
LiveBench 1.0 ReasoningLiveBench–90.0%
GPQA Diamond (AA)Artificial Analysis–90.4%
Humanity's Last Exam (AA)Artificial Analysis–45.5%
HLE-Diamond (AA)Artificial Analysis69.1%–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.1%–
ARC-AGI-3ARC Prize96.9%–
CritPtArtificial Analysis–17.7%
CritPt v2 hard subset (AA)Artificial Analysis69.0%–
Arena ExpertArena (LMArena)15671503
Chess PuzzlesEpoch AI Benchmarking Hub78.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%–
LMCAEpoch AI Benchmarking Hub–48.4%
DTBenchEpoch AI Benchmarking Hub–94.7%
コーディング
SciCodeSciCode64.2%57.4%
WeirdMLWeirdML–60.3%
Arena CodingArena (LMArena)15681542
Arena WebDevArena (LMArena)17681534
LiveBench 2.0 CodingLiveBench91.0%–
LiveBench 1.0 CodingLiveBench–77.5%
SciCode (AA)Artificial Analysis–57.4%
143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 1.2 (xhigh)
コーディング
IOIVals AI–21.8%
SWE-bench (Vals)Vals AI–86.6%
Code MigrationVals AI–29.9%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI89.1%79.1%
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
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%†–
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
CursorBenchCursor60.4%–
FrontierSWEEpoch AI Benchmarking Hub61.2%12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 2–51.5†
GameBench 2 by reasoning settingDuelLab GameBench 2–56.9
Design Arena WebsiteDesign Arena1319†1309†
FrontierCode 2.0 (AA)Artificial Analysis40.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench64.5%–
APEX-AgentsMercor84.2%†45.4%†
Arena AgentArena (LMArena)17-8.2
LiveBench Long AgenticLiveBench72.7%–
LiveBench BrowserLiveBench80.0%–
LiveBench Agentic CodingLiveBench–57.6%
Terminal-Bench 2.1 (Vals)Vals AI–69.7%
HiL-BenchScale AI SEAL50.3%†–
GDPval-AA v2.1Artificial Analysis17331478
τ³-Banking (AA)Artificial Analysis–34.9%
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI–60.6%
Finance Agent v2.1Vals AI67.2%–
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%–
Harvey's Legal Agent Benchmark v1Vals AI–25.4%
Legal Research BenchVals AI55.8%43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI51.8%32.8%
Terminal-Bench 4.0 (Vals)Vals AI63.1%6.1%
Arena Agent Task CompletionArena (LMArena)18.4-9.8
Vending-Bench 2Andon Labs16484.2†–
AutomationBenchArtificial Analysis77.8%40.6%
GDP.pdf (AA)Artificial Analysis28.4%17.4%
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis16111323
GDPxGDPx by SemiAnalysis10.9%–
Design Arena AgenticDesign Arena1305†1185†
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%–
ProofBenchVals AI–43.0%†
LiveBench MathematicsLiveBench–91.2%
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Arena MathsArena (LMArena)–1486
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%60.3%
LiveBench 2.0 Data AnalysisLiveBench86.5%–
LiveBench ResearchLiveBench92.5%–
LiveBench 1.0 Data AnalysisLiveBench–76.5%
AA-Omniscience v1.1Artificial Analysis53.5–
MMLU-ProVals AI–88.3%
LegalBenchVals AI–85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI–80.4%
PRBench LegalScale AI SEAL53.4%†–
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI–57.0%
Excel Modeling Benchmark v1.1Vals AI76.5%–
MedCodeVals AI–49.4%
MedScribeVals AI–90.1%
Public Benefits Bench v1.1Vals AI–68.5%
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI–66.5%
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%–
GDP.pdfEpoch AI Benchmarking Hub–16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%–
FACTS ParametricGoogle81.6%†–
指示追従
LiveBench LanguageLiveBench–78.6%
LiveBench Instruction FollowingLiveBench–74.3%
Arena Instruction FollowingArena (LMArena)15251479
人間の評価
Arena TextArena (LMArena)15261493
EQ-Bench Creative Writing v3EQ-Bench–1842†
Arena Creative WritingArena (LMArena)15161443
Arena Multi-turnArena (LMArena)15641510
Arena Longer QueriesArena (LMArena)15381491
マルチモーダル
Arena VisionArena (LMArena)–1305
LiveBench DesignLiveBench80.2%–
MMMU-ProArtificial Analysis89.3%†–
MMMU-Pro (Vals)Vals AI–86.1%
MortgageTaxVals AI–65.4%
Humanity's Sixth SenseScale AI SEAL71.1%24.5%
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%79.0%
MLCRArtificial Analysis19.4%7.2%
FACTS GroundingGoogle77.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†155.0†
LiveBench 2.0LiveBench83.5%–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis60.0–
AA Intelligence Index v4.3.2Artificial Analysis–39.6
AA Progress Index v1Artificial Analysis350.8309.1
Vals IndexVals AI70.5–
Vals Finance IndexVals AI67.0%–
Vals RSI IndexVals AI27.7%–
Vals Multimodal IndexVals AI–69.8%†
Vals Legal IndexVals AI75.9%–
安全性・誠実さ
FORTRESSScale AI SEAL16.4%†–
DistressBenchScale AI SEAL–88.4%†

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 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 1.2 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • 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 1.2:よくある質問

Gemini 4 CarbonはMuse Spark 1.2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 61.5。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。
Gemini 4 CarbonとMuse Spark 1.2はどちらが安いですか?今後変わる予定はありますか?
現在はMuse Spark 1.2の方が安く、100万トークンあたり$2.00 対 $4.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはGemini 4 CarbonとMuse Spark 1.2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 55。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Arena WebDevでは、Gemini 4 Carbonが1768、Muse Spark 1.2が1534です。
Gemini 4 CarbonとMuse Spark 1.2はどちらが速いですか?
Muse Spark 1.2の方が出力が約2倍速くなっています(出力208 対 64トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはGemini 4 CarbonとMuse Spark 1.2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 55。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なArena Agentでは、Gemini 4 Carbonが17、Muse Spark 1.2が-8.2です。
ほかの質問(4件)
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)。どちらも1,048,576トークンのコンテキストに対応しています。
レイテンシが低いのはどちらですか?
先に回答を始めるのはMuse Spark 1.2です。Artificial Analysisの測定では、最初の回答トークンまで11.4秒 対 73.5秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Gemini 4 CarbonとMuse Spark 1.2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27件のベンチマークのうち、Gemini 4 Carbonのリードが27件、Muse Spark 1.2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。
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。