Gemini 4 Hydrogen vs Muse Spark
詳しいプロフィール:Gemini 4 Hydrogen(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 · 9件の情報源のデータ
2026年11月16日時点で、Gemini 4 HydrogenとMuse Sparkの品質は互角です(BenchLeader Indexで63.4 対 64.2、±4.0の誤差範囲内)。数学(68 対 59)、知識(69 対 63)、コーディング(69 対 65)を重視するならGemini 4 Hydrogen、エージェント・ツール(65 対 62)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 Hydrogenが63.4、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
- Gemini 4 Hydrogenの100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
- 両モデルに結果がある9件のベンチマークのうち、Gemini 4 Hydrogenが7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 Hydrogen | カテゴリスコア69 対 65;Arena Coding 1518 対 1529 | 中 |
| エージェント・ツール利用 | Muse Spark | カテゴリスコア65 対 62;AA-Briefcase v1.1 646 対 1497 | 中 |
| 数学 | Gemini 4 Hydrogen | カテゴリスコア68 対 59;Arena Maths 1495 対 1469 | 高 |
| 推論 | Gemini 4 Hydrogen | カテゴリスコア70 対 67;Arena Hard Prompts 1514 対 1506 | 中 |
| 知識 | Gemini 4 Hydrogen | カテゴリスコア69 対 63 | 中 |
| チャットの質(人間の評価) | どちらでも | Arenaの投票で68 対 68 | どちらでも |
| 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 Hydrogen (high)とMuse Sparkの品質は互角です(63.4 対 64.2、±4.0の誤差範囲内)。
- Gemini 4 Hydrogen (high)はコーディング、人間の評価、知識、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 Hydrogen | Muse Spark |
|---|---|---|
| プロバイダー | Meta | |
| リリース日 | 2026年11月12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 Hydrogen (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) | $1.50 / $7.50 / $0.075 | – |
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 Hydrogen (high) | Muse Spark | トップ |
|---|---|---|---|
| 推論 | 69.6 | 67.4 | Gemini 4 Hydrogen |
| コーディング | 68.8 | 65.1 | Gemini 4 Hydrogen |
| エージェント・ツール | 61.7 | 65.0 | Muse Spark |
| 数学 | 67.8 | 59.1 | Gemini 4 Hydrogen |
| 知識 | 68.5 | 63.1 | Gemini 4 Hydrogen |
| 指示追従 | – | 76.9 | 比較不可 |
| 人間の評価 | 68.2 | 68.1 | 互角 |
| マルチモーダル | – | 64.2 | 比較不可 |
| 長文コンテキスト | – | 63.6 | 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, 長文コンテキスト, 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9件のベンチマークのうち、Gemini 4 Hydrogenのリードが7件、Muse Sparkのリードが2件です。両方を評価しているすべての総合指標で、Gemini 4 Hydrogenが上回っています。
| 総合Index | Gemini 4 Hydrogen (high) | Muse Spark | トップ |
|---|---|---|---|
| BenchLeader Index | 63.4 | 64.2 | 互角 |
| Arena Text | 1490 | 1489 | Gemini 4 Hydrogen |
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 Hydrogen (high) | Muse Spark |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $3.00 | – |
| 100万トークンあたりの入力/出力 | $1.50 / $7.50 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.075 | – |
| タスクあたりの価格:チャットの返答 | $0.0029 | – |
| タスクあたりの価格:30ページのレポートを要約 | $0.022 | – |
| タスクあたりの価格:コード編集 | $0.020 | – |
| 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 | $0.120 | – |
| タスクあたりの価格:構造化データの抽出 | $0.0045 | – |
| 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) | $0.056 | – |
| ベンチマークのタスクあたりのコスト(AA Index) | $1.87 | – |
| タスクあたりの出力トークン(AA Index) | 85k | – |
| うち推論 | 48k | – |
| タスクあたりの時間(AA Index) | 8 min | – |
| 出力速度 | 170 tok/s | – |
| 回答開始までの時間 | 16.2秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 63.3秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 4 Hydrogen (high)のスコアは63.4、最初の回答トークンまで16秒。Gemini 4 Hydrogen (xhigh)は61.8(42秒)。Muse Sparkのスコアは64.2。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
87件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 4 Hydrogen (high) | Muse Spark |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.4 | 64.2 |
| エージェント・ツールスコア | BenchLeader | 61.7 | 65.0 |
| コーディングスコア | BenchLeader | 68.8 | 65.1 |
| 人間の評価スコア | BenchLeader | 68.2 | 68.1 |
| 知識スコア | BenchLeader | 68.5 | 63.1 |
| 数学スコア | BenchLeader | 67.8 | 59.1 |
| 推論スコア | BenchLeader | 69.6 | 67.4 |
| 指示追従スコア | BenchLeader | – | 76.9 |
| 長文コンテキストスコア | BenchLeader | – | 63.6 |
| マルチモーダルスコア | BenchLeader | – | 64.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.00 | – |
| 出力速度 | BenchLeader | 170 tok/s | – |
| 回答開始までの時間 | BenchLeader | 16.2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 | – | 89.8% |
| Humanity's Last Exam | Scale AI / CAIS | – | 40.6% |
| Arena Hard Prompts | Arena (LMArena) | 1514 | 1506 |
| LiveBench 2.0 Reasoning | LiveBench | 88.6%† | – |
| GPQA Diamond (AA) | Artificial Analysis | – | 88.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 40.7% |
| HLE-Diamond (AA) | Artificial Analysis | 54.9% | – |
| GPQA Diamond (Vals) | Vals AI | – | 89.7% |
| CritPt | Artificial Analysis | – | 11.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 61.5% | – |
| Arena Expert | Arena (LMArena) | 1542 | 1491 |
| コーディング | |||
| SciCode | SciCode | – | 51.5% |
| Arena Coding | Arena (LMArena) | 1518 | 1529 |
| Arena WebDev | Arena (LMArena) | 1704 | – |
| LiveBench 2.0 Coding | LiveBench | 78.5%† | – |
| SWE-bench (Vals) | Vals AI | – | 74.4% |
| SWE-Bench Pro | Scale AI SEAL | – | 55.0% |
| Vibe Code Bench v1.1 | Vals AI | 87.8%† | 19.7% |
| 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% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 54.0% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 62.2% |
| Design Arena Website | Design Arena | 1320† | 1253 |
| FrontierCode 2.0 (AA) | Artificial Analysis | 36.3% | – |
87件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 4 Hydrogen (high) | Muse Spark |
|---|---|---|---|
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 56.4% | – |
| LiveBench Long Agentic | LiveBench | 61.8%† | – |
| LiveBench Browser | LiveBench | 77.1%† | – |
| Terminal-Bench Hard | Artificial Analysis | – | 45.5% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 91.5% |
| MCP Atlas | Scale AI SEAL | – | 82.2% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1006 |
| Finance Agent v2.1 | Vals AI | 65.1%† | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 11.3%† | – |
| Legal Research Bench | Vals AI | 53.9%† | – |
| Tax Agent Bench | Vals AI | 52.3%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 59.5% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 54.0%† | – |
| AutomationBench | Artificial Analysis | 74.4% | – |
| GDP.pdf (AA) | Artificial Analysis | 30.0% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1497 | 646 |
| Design Arena Agentic | Design Arena | 1262† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 41.4% | – |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 88.9% |
| ProofBench | Vals AI | – | 17.0% |
| AIME (Vals) | Vals AI | – | 96.9% |
| Arena Maths | Arena (LMArena) | 1495 | 1469 |
| 知識 | |||
| LiveBench 2.0 Data Analysis | LiveBench | 83.2%† | – |
| LiveBench Research | LiveBench | 86.8%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | 43.7 | – |
| 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 | – | 52.3% |
| MultiNRC | Scale AI SEAL | – | 59.0% |
| CaseLaw v2 | Vals AI | – | 63.1% |
| Excel Modeling Benchmark v1.1 | Vals AI | 75.8%† | – |
| MedCode | Vals AI | – | 51.3% |
| MedScribe | Vals AI | – | 85.9% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 48.2% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 91.3% | – |
| 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) | 1503 | 1465 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1490 | 1489 |
| Arena Creative Writing | Arena (LMArena) | 1492 | 1464 |
| Arena Multi-turn | Arena (LMArena) | 1476 | 1493 |
| Arena Longer Queries | Arena (LMArena) | 1514 | 1476 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1306 |
| LiveBench Design | LiveBench | 77.3%† | – |
| MMMU-Pro | Artificial Analysis | – | 80.5% |
| MMMU-Pro (Vals) | Vals AI | – | 87.4% |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | – | 78.0% |
| Arena Document | Arena (LMArena) | – | 1467 |
| MLCR | Artificial Analysis | 21.1%† | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 153.1 |
| LiveBench 2.0 | LiveBench | 77.0%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 50.8 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 31.3 |
| AA Progress Index v1 | Artificial Analysis | – | 289.1 |
| Vals Index | Vals AI | 68.5† | – |
| Vals Finance Index | Vals AI | 66.1%† | – |
| Vals Legal Index | Vals AI | 73.6%† | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 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
- Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Gemini 4 Hydrogen (high):新しい結果10件(Arena Text, Arena Hard Prompts, Arena Coding…)。
- Muse Spark:BenchLeader Index 64.6 → 64.1。
- Muse Spark:スコアの改訂1件。
- Muse Spark:新しい結果1件(AA Progress Index v1)。
関連する比較
- Gemini 4 Hydrogen vs Claude Fable 5.2
- Gemini 4 Hydrogen vs Gemini 4 Carbon
- Gemini 4 Hydrogen vs Claude Opus 5.5
- Muse Spark vs Claude Fable 5.2
- Muse Spark vs Gemini 4 Carbon
- Muse Spark vs Claude Opus 5.5
- Muse Spark vs GPT-6 Astra
- Gemini 4 Hydrogen vs Claude Fable 5.1
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 Hydrogen vs Muse Spark:よくある質問
- Gemini 4 HydrogenはMuse Sparkより優れていますか?
- Gemini 4 Hydrogen (high)とMuse Sparkの品質は互角です(63.4 対 64.2、±4.0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 Hydrogen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 Hydrogenの方がスコアが高くなっています(カテゴリ指標で69 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Arena Codingでは、Gemini 4 Hydrogenが1518、Muse Sparkが1529です。
- エージェントやツール利用にはGemini 4 Hydrogen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 62。50が平均)。
- 長い文書にはどちらが向いていますか?
- コンテキストはGemini 4 Hydrogen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 Hydrogen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9件のベンチマークのうち、Gemini 4 Hydrogenのリードが7件、Muse Sparkのリードが2件です。両方を評価しているすべての総合指標で、Gemini 4 Hydrogenが上回っています。
ほかの質問(1件)
- Gemini 4 Hydrogenはいつリリースされましたか?
- Gemini 4 Hydrogenは2026年11月12日にリリースされました。