BenchLeader

Gemini 4 Hydrogen vs Muse Spark 1.1

詳しいプロフィール:Gemini 4 Hydrogen(Google)とMuse Spark 1.1(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 1.1の品質は互角です(BenchLeader Indexで63.4 対 62.2、±5.9の誤差範囲内)。価格はMuse Spark 1.1の方が1.5倍安く、100万トークンあたりのブレンド価格で$2.00 対 $3.00です。両方を測定できるすべてのカテゴリでGemini 4 Hydrogenがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 4 Hydrogenが63.4、Muse Spark 1.1が62.2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)。
  • Muse Spark 1.1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)。
  • 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)。
  • Arena WebDevでの評価はGemini 4 Hydrogenが1704、Muse Spark 1.1が1542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 Hydrogenカテゴリスコア69 対 66;Arena WebDev 1704 対 1542中
エージェント・ツール利用Gemini 4 Hydrogenカテゴリスコア62 対 51高
数学Gemini 4 Hydrogenカテゴリスコア68 対 61;Arena Maths 1495 対 1493中
推論Gemini 4 Hydrogenカテゴリスコア70 対 68;Arena Hard Prompts 1514 対 1511中
知識どちらでもカテゴリスコア69 対 69どちらでも
チャットの質(人間の評価)Gemini 4 HydrogenArenaの投票で68 対 65中
最低コストMuse Spark 1.1100万トークンあたりブレンド価格$2.00 対 $3.00;エージェント型コーディングセッション$0.092 対 $0.120–
回答開始の速さMuse Spark 1.1最初の回答トークンまで1.8秒(Muse Spark 1.1)対 16.2秒(Gemini 4 Hydrogen (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

  • Gemini 4 Hydrogen (high)とMuse Spark 1.1の品質は互角です(63.4 対 62.2、±5.9の誤差範囲内)。
  • Gemini 4 Hydrogen (high)はエージェント・ツール、コーディング、人間の評価、数学、推論で優れています。
  • Muse Spark 1.1は知識で優れています。
  • Muse Spark 1.1の方が1.5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 $3.00)。

概要

仕様Gemini 4 HydrogenMuse Spark 1.1
プロバイダーGoogleMeta
リリース日2026年11月12日2026年7月9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 Hydrogen (high)Muse Spark 1.1
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$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 Hydrogen (high)Muse Spark 1.1トップ
推論69.667.8Gemini 4 Hydrogen
コーディング68.865.8Gemini 4 Hydrogen
エージェント・ツール61.750.9Gemini 4 Hydrogen
数学67.861.3Gemini 4 Hydrogen
知識68.569.2互角
指示追従–70.4比較不可
人間の評価68.264.5Gemini 4 Hydrogen
マルチモーダル–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 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知識: 69.2Muse Spark 1.1, 人間の評価: 64.5

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 1.1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、Muse Spark 1.1が上回っています。

総合IndexGemini 4 Hydrogen (high)Muse Spark 1.1トップ
BenchLeader Index63.462.2互角
Arena Text14901491Muse Spark 1.1

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 1.1
100万トークンあたりのブレンド価格$3.00$2.00
100万トークンあたりの入力/出力$1.50 / $7.50$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.075$0.150
タスクあたりの価格:チャットの返答$0.0029$0.0018
タスクあたりの価格:30ページのレポートを要約$0.022$0.018
タスクあたりの価格:コード編集$0.020$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$0.120$0.092
タスクあたりの価格:構造化データの抽出$0.0045$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)$0.056$0.043
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/s193 tok/s
回答開始までの時間16.2秒1.8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 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(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

112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 1.1
BenchLeader IndexBenchLeader63.462.2
エージェント・ツールスコアBenchLeader61.750.9
コーディングスコアBenchLeader68.865.8
人間の評価スコアBenchLeader68.264.5
知識スコアBenchLeader68.569.2
数学スコアBenchLeader67.861.3
推論スコアBenchLeader69.667.8
指示追従スコアBenchLeader–70.4
マルチモーダルスコアBenchLeader–63.6
ブレンド価格($/100万トークン)BenchLeader$3.00$2.00
出力速度BenchLeader170 tok/s193 tok/s
回答開始までの時間BenchLeader16.2秒1.8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
Arena Hard PromptsArena (LMArena)15141511
LiveBench 2.0 ReasoningLiveBench88.6%†–
LiveBench 1.0 ReasoningLiveBench–87.7%†
GPQA Diamond (AA)Artificial Analysis–89.8%†
Humanity's Last Exam (AA)Artificial Analysis–46.2%†
HLE-Diamond (AA)Artificial Analysis54.9%–
GPQA Diamond (Vals)Vals AI–91.2%†
CritPtArtificial Analysis–15.1%†
CritPt v2 hard subset (AA)Artificial Analysis61.5%–
Arena ExpertArena (LMArena)15421504
Chess PuzzlesEpoch AI Benchmarking Hub–34.0%†
LMCAEpoch AI Benchmarking Hub–49.9%†
DTBenchEpoch AI Benchmarking Hub–94.4%†
コーディング
SciCodeSciCode–58.8%
Arena CodingArena (LMArena)15181533
Arena WebDevArena (LMArena)17041542
LiveBench 2.0 CodingLiveBench78.5%†–
LiveBench 1.0 CodingLiveBench–77.2%†
LiveCodeBenchVals AI–85.9%†
SWE-bench (Vals)Vals AI–82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI–31.1%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench v1.1Vals AI87.8%†72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
112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 1.1
コーディング
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
Design Arena WebsiteDesign Arena1320†1263
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench56.4%–
APEX-AgentsMercor–31.8%
Arena AgentArena (LMArena)–-8
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
LiveBench Agentic CodingLiveBench–58.5%†
Terminal-Bench 2.1 (Vals)Vals AI–69.3%†
MCP AtlasScale AI SEAL–88.1%
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1Artificial Analysis–1216†
τ³-Banking (AA)Artificial Analysis–31.8%†
Finance Agent v2Vals AI–57.2%†
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Harvey's Legal Agent Benchmark v1Vals AI–20.0%†
Legal Research BenchVals AI53.9%†38.0%†
SkillsBenchVals AI–59.2%†
Tax Agent BenchVals AI52.3%†–
Terminal-Bench 4.0 (Vals)Vals AI54.0%†–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)–-6.5
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs–6520.5
AutomationBenchArtificial Analysis74.4%38.9%†
GDP.pdf (AA)Artificial Analysis30.0%14.4%†
AA-Briefcase v1.1Artificial Analysis1497851†
Design Arena AgenticDesign Arena1262†1172
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%–
数学
ProofBenchVals AI–39.0%
LiveBench MathematicsLiveBench–87.1%†
Arena MathsArena (LMArena)14951493
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.8%
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
LiveBench 1.0 Data AnalysisLiveBench–72.5%†
AA-Omniscience v1.1Artificial Analysis43.7–
MMLU-ProVals AI–88.7%†
LegalBenchVals AI–85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI–79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL–57.0%
MultiNRCScale AI SEAL–65.6%
Excel Modeling BenchmarkVals AI–56.4%†
Excel Modeling Benchmark v1.1Vals AI75.8%†–
MedScribeVals AI–88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
GDP.pdfEpoch AI Benchmarking Hub–15.0%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
指示追従
LiveBench LanguageLiveBench–74.3%†
LiveBench Instruction FollowingLiveBench–69.6%†
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)15031473
人間の評価
Arena TextArena (LMArena)14901491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench–1928
Arena Creative WritingArena (LMArena)14921443
Arena Multi-turnArena (LMArena)14761497
Arena Longer QueriesArena (LMArena)15141481
マルチモーダル
Arena VisionArena (LMArena)–1292
LiveBench DesignLiveBench77.3%†–
MMMU-Pro (Vals)Vals AI–86.6%†
MortgageTaxVals AI–66.1%†
VTBScale AI SEAL–44.8%
長文コンテキスト
AA-LCR v1.1Artificial Analysis–77.7%†
Arena DocumentArena (LMArena)–1480
MLCRArtificial Analysis21.1%†7.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–154.9
LiveBench 2.0LiveBench77.0%†–
LiveBench 1.0LiveBench–75.3%†
AA Intelligence Index v5.0.1Artificial Analysis50.8–
AA Intelligence Index v4.3.2Artificial Analysis–33.7†
AA Progress Index v1Artificial Analysis–302.7†
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals Multimodal IndexVals AI–66.7%†
Vals Legal IndexVals AI73.6%†–
安全性・誠実さ
FORTRESSScale AI SEAL–12.4%

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。

最近の変化

  • Gemini 4 Hydrogen (high):新しい結果10件(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • Muse Spark 1.1:スコアの改訂1件。
  • Muse Spark 1.1:スコアの改訂2件。
  • Muse Spark 1.1:スコアの改訂1件。
  • Muse Spark 1.1:BenchLeader Index 63.1 → 62.5。

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 1.1:よくある質問

Gemini 4 HydrogenはMuse Spark 1.1より優れていますか?
Gemini 4 Hydrogen (high)とMuse Spark 1.1の品質は互角です(63.4 対 62.2、±5.9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。
Gemini 4 HydrogenとMuse Spark 1.1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 1.1の方が安く、100万トークンあたり$2.00 対 $3.00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 HydrogenとMuse Spark 1.1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 66。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 Hydrogenが1704、Muse Spark 1.1が1542です。
Gemini 4 HydrogenとMuse Spark 1.1はどちらが速いですか?
Muse Spark 1.1の方が出力が速くなっています(出力193 対 170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 HydrogenとMuse Spark 1.1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 Hydrogenの方がスコアが高くなっています(カテゴリ指標で62 対 51。50が平均)。
ほかの質問(4件)
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。
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 1.1です。Artificial Analysisの測定では、最初の回答トークンまで1.8秒 対 16.2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 HydrogenとMuse Spark 1.1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 1.1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、Muse Spark 1.1が上回っています。
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。