BenchLeader

Gemini 4 Carbon vs Muse Wonder

詳しいプロフィール:Gemini 4 Carbon(Google)とMuse Wonder(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、品質ではGemini 4 CarbonがMuse Wonderを上回ります(BenchLeader Indexで68.9 対 64.4)。価格はGemini 4 Carbon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$4.00 対 $8.00です。人間の評価(73 対 70)、数学(72 対 70)を重視するならGemini 4 Carbon、エージェント・ツール(76 対 70)、知識(77 対 76)を重視するならMuse Wonderが向いています。回答開始までの時間はMuse Wonderの方が短く、3.3秒 対 73.5秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Carbonが68.9、Muse Wonderが64.4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 Wonderの100万トークンあたりのブレンド価格は$8.00です(定価、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
エージェント・ツール利用Muse Wonderカテゴリスコア76 対 70中
数学Gemini 4 Carbonカテゴリスコア72 対 70中
知識Muse Wonderカテゴリスコア77 対 76中
チャットの質(人間の評価)Gemini 4 CarbonArenaの投票で73 対 70中
最低コストGemini 4 Carbon100万トークンあたりブレンド価格$4.00 対 $8.00;エージェント型コーディングセッション$0.160 対 $0.320–
回答開始の速さMuse Wonder最初の回答トークンまで3.3秒(Muse Wonder)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 64.4。
  • Gemini 4 Carbon (high)は人間の評価、数学で優れています。
  • Muse Wonderはエージェント・ツール、知識で優れています。
  • Gemini 4 Carbon (high)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$4.00 対 $8.00)。

概要

仕様Gemini 4 CarbonMuse Wonder
プロバイダーGoogleMeta
リリース日2026年10月28日2026年10月12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 Wonder
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$4.00 / $20.00 / $0.200

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 Wonderトップ
推論73.2–比較不可
コーディング74.1–比較不可
エージェント・ツール70.375.6Muse Wonder
数学71.970.1Gemini 4 Carbon
知識76.177.1Muse Wonder
人間の評価72.669.6Gemini 4 Carbon
長文コンテキスト64.3–比較不可
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エージェント・ツール数学知識人間の評価Gemini 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, 人間の評価: 72.6Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6

描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 指示追従, 長文コンテキスト, 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0件のベンチマークのうち、Gemini 4 Carbonのリードが0件、Muse Wonder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 Wonderトップ
BenchLeader Index68.964.4Gemini 4 Carbon
AA Intelligence Index v5.0.160.040.5†Gemini 4 Carbon
Vals Index70.564.9†Gemini 4 Carbon
Arena Text15261511†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 Wonder
100万トークンあたりのブレンド価格$4.00$8.00
100万トークンあたりの入力/出力$2.00 / $10.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.100$0.200
タスクあたりの価格:チャットの返答$0.0038$0.0076
タスクあたりの価格:30ページのレポートを要約$0.030$0.060
タスクあたりの価格:コード編集$0.027$0.054
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$0.320
タスクあたりの価格:構造化データの抽出$0.0060$0.012
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$0.149
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/s70 tok/s
回答開始までの時間73.5秒3.3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 Wonderのスコアは64.4、最初の回答トークンまで3秒。Muse Wonder (max)は60.8(20秒)、Muse Wonder (high)は56.2(13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

142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 Wonder
BenchLeader IndexBenchLeader68.964.4
エージェント・ツールスコアBenchLeader70.375.6
コーディングスコアBenchLeader74.1–
総合スコアBenchLeader70.3–
人間の評価スコアBenchLeader72.669.6
知識スコアBenchLeader76.177.1
長文コンテキストスコアBenchLeader64.3–
数学スコアBenchLeader71.970.1
推論スコアBenchLeader73.2–
ブレンド価格($/100万トークン)BenchLeader$4.00$8.00
出力速度BenchLeader64 tok/s70 tok/s
回答開始までの時間BenchLeader73.5秒3.3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%†–
Arena Hard PromptsArena (LMArena)15471531†
LiveBench 2.0 ReasoningLiveBench90.6%90.6%†
LiveBench 1.0 ReasoningLiveBench–90.6%†
Humanity's Last Exam (AA)Artificial Analysis–50.1%†
HLE-Diamond (AA)Artificial Analysis69.1%39.0%†
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.1%–
ARC-AGI-3ARC Prize96.9%–
CritPtArtificial Analysis–28.3%†
CritPt v2 hard subset (AA)Artificial Analysis69.0%50.5%†
MysteryMechanismVals AI–27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)15671525†
Chess PuzzlesEpoch AI Benchmarking Hub78.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%51.0%†
LMCAEpoch AI Benchmarking Hub–56.8%
DTBenchEpoch AI Benchmarking Hub–95.2%
コーディング
SciCodeSciCode64.2%60.3%†
Arena CodingArena (LMArena)15681542†
Arena WebDevArena (LMArena)17681647†
LiveBench 2.0 CodingLiveBench91.0%74.9%†
LiveBench 1.0 CodingLiveBench–80.7%†
SciCode (AA)Artificial Analysis–60.3%†
142件のベンチマークをすべて表示
指標公開元Gemini 4 Carbon (high)Muse Wonder
コーディング
IOIVals AI–66.9%†
Code MigrationVals AI–62.5%†
Code Migration v1.1Vals AI–72.4%†
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
Vibe Code Bench v1.1Vals AI89.1%83.1%†
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
SWE Atlas v1.1Scale AI SEAL71.4%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–45.6%†
CursorBenchCursor60.4%50.4%†
FrontierSWEEpoch AI Benchmarking Hub61.2%–
WeirdML v3WeirdML–15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%52.0%†
GameBench 2 OverallDuelLab GameBench 2–64.8
GameBench 2 by reasoning settingDuelLab GameBench 2–54.9†
Design Arena WebsiteDesign Arena1319†1378†
FrontierCode 1.1 (AA)Artificial Analysis–46.5%†
FrontierCode 2.0 (AA)Artificial Analysis40.6%27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench64.5%47.0%†
APEX-AgentsMercor84.2%†66.1%†
Arena AgentArena (LMArena)171.8†
LiveBench Long AgenticLiveBench72.7%46.2%†
LiveBench BrowserLiveBench80.0%60.0%†
LiveBench Agentic CodingLiveBench–62.7%†
HiL-BenchScale AI SEAL50.3%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis17331770†
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI–56.6%†
Finance Agent v2.1Vals AI67.2%65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%23.8%†
Harvey's Legal Agent Benchmark v1Vals AI–17.1%†
Legal Research BenchVals AI55.8%50.5%†
Tax Agent BenchVals AI51.8%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI63.1%49.5%†
Terminal-Bench ScienceVals AI–22.9%†
Arena Agent Task CompletionArena (LMArena)18.45.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs16484.2†9432.2
AutomationBenchArtificial Analysis77.8%68.1%†
GDP.pdf (AA)Artificial Analysis28.4%30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
AA-Briefcase v1.1Artificial Analysis16111659†
GDPxGDPx by SemiAnalysis10.9%6.8%†
Design Arena AgenticDesign Arena1305†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%25.7%†
MKA (AA)Artificial Analysis54.3%47.5%†
FACTS SearchGoogle94.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%†
ProofBenchVals AI–84.0%
LiveBench MathematicsLiveBench–96.5%†
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Arena MathsArena (LMArena)–1490†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%–
LiveBench 2.0 Data AnalysisLiveBench86.5%81.6%†
LiveBench ResearchLiveBench92.5%93.0%†
LiveBench 1.0 Data AnalysisLiveBench–81.6%†
AA-Omniscience v1.1Artificial Analysis53.525.1†
PRBench FinanceScale AI SEAL–58.7%
PRBench LegalScale AI SEAL53.4%†58.4%
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI–67.1%†
Excel Modeling Benchmark v1.1Vals AI76.5%72.5%†
Public Benefits Bench v1.1Vals AI–70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI–69.6%†
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%31.4%†
GDP.pdfEpoch AI Benchmarking Hub–30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%79.1%†
FACTS ParametricGoogle81.6%†–
指示追従
LiveBench LanguageLiveBench–82.9%†
LiveBench Instruction FollowingLiveBench–73.0%†
Arena Instruction FollowingArena (LMArena)15251498†
人間の評価
Arena TextArena (LMArena)15261511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)15161491†
Arena Multi-turnArena (LMArena)15641525†
Arena Longer QueriesArena (LMArena)15381507†
マルチモーダル
LiveBench DesignLiveBench80.2%70.9%†
MMMU-ProArtificial Analysis89.3%†83.8%†
Humanity's Sixth SenseScale AI SEAL71.1%43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub77.5%54.2%†
VIALS-AAHandshake AI64.0%55.3%†
Code2Video-AAArtificial Analysis–997†
FACTS MultimodalGoogle60.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%80.7%†
MLCRArtificial Analysis19.4%22.2%†
FACTS GroundingGoogle77.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†161.7
LiveBench 2.0LiveBench83.5%70.7%†
LiveBench 1.0LiveBench–81.2%†
AA Intelligence Index v5.0.1Artificial Analysis60.043.6†
AA Intelligence Index v4.3.2Artificial Analysis–52.4†
AA Progress Index v1Artificial Analysis350.8335.8†
Vals IndexVals AI70.564.9†
Vals Finance IndexVals AI67.0%61.2%†
Vals RSI IndexVals AI27.7%–
Vals Science IndexVals AI–39.1%†
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI75.9%75.3%†
安全性・誠実さ
FORTRESSScale AI SEAL16.4%†–
DistressBenchScale AI SEAL–85.9%

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

  • Muse Wonder:BenchLeader Index 63.0 → 64.4。
  • 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 Wonder:BenchLeader Index 63.5 → 63.0。
  • 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)。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。

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 Wonder:よくある質問

Gemini 4 CarbonはMuse Wonder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 64.4。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 Wonder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Gemini 4 Carbonの方が安く、100万トークンあたり$4.00 対 $8.00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。
Gemini 4 CarbonとMuse Wonderはどちらが速いですか?
Muse Wonderの方が出力が速くなっています(出力70 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 Wonder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 Wonderの方がスコアが高くなっています(カテゴリ指標で76 対 70。50が平均)。
長い文書にはどちらが向いていますか?
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。
ほかの質問(2件)
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 Wonderです。Artificial Analysisの測定では、最初の回答トークンまで3.3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。