BenchLeader

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 HydrogenMuse Spark
プロバイダーGoogleMeta
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)1,048,576262,144
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69.667.4Gemini 4 Hydrogen
コーディング68.865.1Gemini 4 Hydrogen
エージェント・ツール61.765.0Muse Spark
数学67.859.1Gemini 4 Hydrogen
知識68.563.1Gemini 4 Hydrogen
指示追従–76.9比較不可
人間の評価68.268.1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。

2550 avg75推論コーディングエージェント・ツール数学知識人間の評価Gemini 4 Hydrogen, 推論: 69.6Gemini 4 Hydrogen, コーディング: 68.8Gemini 4 Hydrogen, エージェント・ツール: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 知識: 68.5Gemini 4 Hydrogen, 人間の評価: 68.2Muse 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, 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, 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IndexGemini 4 Hydrogen (high)Muse Sparkトップ
BenchLeader Index63.464.2互角
Arena Text14901489Gemini 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 IndexBenchLeader63.464.2
エージェント・ツールスコアBenchLeader61.765.0
コーディングスコアBenchLeader68.865.1
人間の評価スコアBenchLeader68.268.1
知識スコアBenchLeader68.563.1
数学スコアBenchLeader67.859.1
推論スコアBenchLeader69.667.4
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BenchLeader170 tok/s–
回答開始までの時間BenchLeader16.2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 Hub–89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
Arena Hard PromptsArena (LMArena)15141506
LiveBench 2.0 ReasoningLiveBench88.6%†–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis–40.7%
HLE-Diamond (AA)Artificial Analysis54.9%–
GPQA Diamond (Vals)Vals AI–89.7%
CritPtArtificial Analysis–11.3%
CritPt v2 hard subset (AA)Artificial Analysis61.5%–
Arena ExpertArena (LMArena)15421491
コーディング
SciCodeSciCode–51.5%
Arena CodingArena (LMArena)15181529
Arena WebDevArena (LMArena)1704–
LiveBench 2.0 CodingLiveBench78.5%†–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Vibe Code Bench v1.1Vals AI87.8%†19.7%
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%
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
Design Arena WebsiteDesign Arena1320†1253
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
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-BenchTerminal-Bench56.4%–
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1Artificial Analysis–1006
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Legal Research BenchVals AI53.9%†–
Tax Agent BenchVals AI52.3%†–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†–
AutomationBenchArtificial Analysis74.4%–
GDP.pdf (AA)Artificial Analysis30.0%–
AA-Briefcase v1.1Artificial Analysis1497646
Design Arena AgenticDesign Arena1262†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–88.9%
ProofBenchVals AI–17.0%
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)14951469
知識
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
AA-Omniscience v1.1Artificial Analysis43.7–
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 SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling Benchmark v1.1Vals AI75.8%†–
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
指示追従
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)15031465
人間の評価
Arena TextArena (LMArena)14901489
Arena Creative WritingArena (LMArena)14921464
Arena Multi-turnArena (LMArena)14761493
Arena Longer QueriesArena (LMArena)15141476
マルチモーダル
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench77.3%†–
MMMU-ProArtificial Analysis–80.5%
MMMU-Pro (Vals)Vals AI–87.4%
長文コンテキスト
AA-LCR v1.1Artificial Analysis–78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis21.1%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–153.1
LiveBench 2.0LiveBench77.0%†–
AA Intelligence Index v5.0.1Artificial Analysis50.8–
AA Intelligence Index v4.3.2Artificial Analysis–31.3
AA Progress Index v1Artificial Analysis–289.1
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals Legal IndexVals AI73.6%†–
安全性・誠実さ
FORTRESSScale 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)。

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。