BenchLeader

Gemma 4 31B vs Muse Ember

詳しいプロフィール:Gemma 4 31B(Google)とMuse Ember(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、Gemma 4 31BとMuse Emberの品質は互角です(BenchLeader Indexで51.9 対 52.1、±8.7の誤差範囲内)。価格はMuse Emberの方が1.3倍安く、100万トークンあたりのブレンド価格で$0.200 対 $0.250です。推論(61 対 51)を重視するならGemma 4 31B、知識(49 対 24)、コーディング(60 対 48)を重視するならMuse Emberが向いています。回答開始までの時間はGemma 4 31Bの方が短く、0.5秒 対 5.0秒です。Muse Emberは出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemma 4 31Bが51.9、Muse Emberが52.1です(BenchLeader、2026年11月16日)。
  • Gemma 4 31Bの100万トークンあたりのブレンド価格は$0.250です(定価、2026年11月16日)。
  • Muse Emberの100万トークンあたりのブレンド価格は$0.200です(定価、2026年11月16日)。
  • Muse EmberはGemma 4 31Bより出力が3倍以上速いです(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1件のベンチマークのうち、Muse Emberが1件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGemma 4 31Bが1370、Muse Emberが1609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Muse Emberカテゴリスコア60 対 48;Arena WebDev 1609 対 1370高
推論Gemma 4 31Bカテゴリスコア61 対 51高
知識Muse Emberカテゴリスコア49 対 24高
チャットの質(人間の評価)–Arenaの評価があるのはGemma 4 31Bのみです(カテゴリスコア54)比較不可
最低コストMuse Ember100万トークンあたりブレンド価格$0.200 対 $0.250;エージェント型コーディングセッション$0.008 対 $0.014–
回答開始の速さGemma 4 31B最初の回答トークンまで0.5秒(Gemma 4 31B)対 5.0秒(Muse Ember (max))–
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

  • Gemma 4 31BとMuse Ember (max)の品質は互角です(51.9 対 52.1、±8.7の誤差範囲内)。
  • Gemma 4 31Bは推論で優れています。
  • Muse Ember (max)はコーディング、知識で優れています。
  • Muse Ember (max)の方が1.3倍安くなっています(100万トークンあたりブレンド価格$0.200 対 $0.250)。
  • Muse Ember (max)の方が出力が6.8倍速くなっています(437 対 64トークン/秒)。

概要

仕様Gemma 4 31BMuse Ember
プロバイダーGoogleMeta
リリース日2026年4月2日2026年11月9日
コンテキストウィンドウ(トークン)262,1441,048,576
比較した構成Gemma 4 31BMuse Ember (max)
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.200 / $0.400 / $0.250$0.100 / $0.500 / $0.0040

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Gemma 4 31BMuse Ember (max)トップ
推論61.051.1Gemma 4 31B
コーディング48.260.0Muse Ember
エージェント・ツール–52.4比較不可
数学64.7–比較不可
知識24.448.8Muse Ember
人間の評価54.3–比較不可
マルチモーダル62.0–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推論コーディング知識Gemma 4 31B, 推論: 61.0Gemma 4 31B, コーディング: 48.2Gemma 4 31B, 知識: 24.4Muse Ember, 推論: 51.1Muse Ember, コーディング: 60.0Muse Ember, 知識: 48.8

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 数学, 指示追従, 長文コンテキスト, マルチモーダル, 人間の評価。

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1件のベンチマークのうち、Gemma 4 31Bのリードが0件、Muse Emberのリードが1件です。両方を評価しているすべての総合指標で、Muse Emberが上回っています。

総合IndexGemma 4 31BMuse Ember (max)トップ
BenchLeader Index51.952.1互角
AA Intelligence Index v5.0.14.4†36.0Muse Ember

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Gemma 4 31BMuse Ember (max)
100万トークンあたりのブレンド価格$0.250$0.200
100万トークンあたりの入力/出力$0.200 / $0.400$0.100 / $0.500
100万トークンあたりのキャッシュ入力$0.250$0.0040
タスクあたりの価格:チャットの返答$0.0002$0.0002
タスクあたりの価格:30ページのレポートを要約$0.0026$0.0015
タスクあたりの価格:コード編集$0.0018$0.0014
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$0.014$0.0080
タスクあたりの価格:構造化データの抽出$0.0005$0.0003
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)$0.016$0.0037
ベンチマークのタスクあたりのコスト(AA Index)–$0.136
タスクあたりの出力トークン(AA Index)–84k
うち推論–52k
タスクあたりの時間(AA Index)–3 min
出力速度64 tok/s437 tok/s
回答開始までの時間0.5秒5.0秒
回答が完了するまでの時間(最終測定2026年11月13日)–12.9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。Gemma 4 31Bのスコアは51.9、最初の回答トークンまで1秒。Gemma 4 31B (推論なし)は49.8(4秒)、Gemma 4 31B (thinking)は46.6(52秒)。Muse Ember (max)のスコアは52.1、最初の回答トークンまで5秒。Muse Ember (xhigh)は49.1(4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

94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Gemma 4 31BMuse Ember (max)
BenchLeader IndexBenchLeader51.952.1
コーディングスコアBenchLeader48.260.0
人間の評価スコアBenchLeader54.3–
知識スコアBenchLeader24.448.8
数学スコアBenchLeader64.7–
マルチモーダルスコアBenchLeader62.0–
推論スコアBenchLeader61.051.1
エージェント・ツールスコアBenchLeader–52.4
ブレンド価格($/100万トークン)BenchLeader$0.250$0.200
出力速度BenchLeader64 tok/s437 tok/s
回答開始までの時間BenchLeader0.5秒5.0秒
コンテキストウィンドウBenchLeader262,144トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub75.8%†–
SimpleBenchSimpleBench–72.7%†
Arena Hard PromptsArena (LMArena)1475–
LiveBench 2.0 ReasoningLiveBench68.3%†–
GPQA Diamond (AA)Artificial Analysis76.3%†–
Humanity's Last Exam (AA)Artificial Analysis11.8%†–
HLE-Diamond (AA)Artificial Analysis7.2%†25.1%
Kagi LLM BenchmarkKagi LLM Benchmark63.5%–
CritPtArtificial Analysis0.0%†–
CritPt v2 hard subset (AA)Artificial Analysis4.0%†39.0%
Arena ExpertArena (LMArena)1498–
LMCAEpoch AI Benchmarking Hub39.3%–
DTBenchEpoch AI Benchmarking Hub82.7%–
ForecastBenchForecastBench61.1%–
コーディング
SciCodeSciCode45.5%–
WeirdMLWeirdML52.3%–
Arena CodingArena (LMArena)1502–
Arena WebDevArena (LMArena)13701609
LiveBench 2.0 CodingLiveBench20.3%†–
Vibe Code Bench v1.1Vals AI–83.7%
SWE Atlas v1.1Scale AI SEAL–56.0%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–61.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL–56.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–50.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub30.6%–
94件のベンチマークをすべて表示
指標公開元Gemma 4 31BMuse Ember (max)
コーディング
ALE-BenchEpoch AI Benchmarking Hub925.5–
Terminal-Bench 4.0 (AA)Artificial Analysis0.0%†40.9%
Terminal-Bench 2.1 (AA)Artificial Analysis29.2%†–
GameBench 2 by reasoning settingDuelLab GameBench 218.6†–
Design Arena WebsiteDesign Arena–1330†
FrontierCode 2.0 (AA)Artificial Analysis0.0%†27.2%
エージェント・ツール
Terminal-BenchTerminal-Bench–30.6%†
APEX-AgentsMercor–64.3%†
Arena AgentArena (LMArena)–1.7
LiveBench Long AgenticLiveBench8.5%†–
LiveBench BrowserLiveBench0.0%†–
Terminal-Bench HardArtificial Analysis30.3%†–
τ²-Bench Telecom (AA)Artificial Analysis65.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis2.4%†–
GDPval-AA v2.1Artificial Analysis555†–
τ³-Banking (AA)Artificial Analysis8.9%†–
ITBench SRE (AA)Artificial Analysis37.3%†–
Finance Agent v2.1Vals AI–63.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Legal Research BenchVals AI–49.0%
Tax Agent BenchVals AI–38.2%
Terminal-Bench 2.0 (Vals)Vals AI39.3%†–
Terminal-Bench 4.0 (Vals)Vals AI–39.4%
Arena Agent Task CompletionArena (LMArena)–-7.6
AutomationBenchArtificial Analysis4.9%†68.1%
GDP.pdf (AA)Artificial Analysis6.0%†22.8%
EnterpriseOps-GymArtificial Analysis28.4%†–
AA-Briefcase v1.1Artificial Analysis369†1520
Terminal-Bench-Science 0.1 (AA)Artificial Analysis0.0%†20.0%
FACTS SearchGoogle75.3%–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub73.3%†–
Arena MathsArena (LMArena)1467–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub10.4%–
LiveBench 2.0 Data AnalysisLiveBench53.3%†–
LiveBench ResearchLiveBench38.1%†–
AA-Omniscience v1.1Artificial Analysis-48.5†7.4
CaseLaw v2Vals AI52.6%†–
Excel Modeling Benchmark v1.1Vals AI–72.2%
AA-Omniscience v1.1: accuracyArtificial Analysis19.9%†21.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis14.5%†82.6%
FACTS ParametricGoogle6.9%–
指示追従
IFBenchArtificial Analysis53.5%†–
Arena Instruction FollowingArena (LMArena)1453–
人間の評価
Arena TextArena (LMArena)1452–
EQ-Bench 4EQ-Bench1110–
EQ-Bench Creative Writing v3EQ-Bench1369–
Arena Creative WritingArena (LMArena)1418–
Arena Multi-turnArena (LMArena)1465–
Arena Longer QueriesArena (LMArena)1469–
マルチモーダル
Arena VisionArena (LMArena)1279–
LiveBench DesignLiveBench56.5%†–
MMMU-ProArtificial Analysis70.3%†–
MortgageTaxVals AI61.4%†–
SAGEVals AI82.8%†–
FACTS MultimodalGoogle42.3%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis46.7%†–
Arena DocumentArena (LMArena)1452–
MLCRArtificial Analysis–18.3%
FACTS GroundingGoogle75.8%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub144.3–
LiveBench 2.0LiveBench32.4%†–
AA Intelligence Index v5.0.1Artificial Analysis4.4†36.0
AA Intelligence Index v4.3.2Artificial Analysis13.9†–
AA Progress Index v1Artificial Analysis233†–
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–60.9%
Vals Legal IndexVals AI–75.7%
安全性・誠実さ
FORTRESSScale AI SEAL–11.9%†
メタデータ
AA Openness IndexArtificial Analysis38.9†–

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

  • Gemma 4 31B:BenchLeader Index 47.5 → 51.9。
  • Gemma 4 31B:新しい結果1件(FACTS Search)。
  • Muse Ember (max):新しい結果1件(Arena Agent)。
  • Muse Ember (max):新しい結果2件(MLCR, Arena WebDev)。
  • Gemma 4 31B:BenchLeader Index 48.0 → 47.5。
  • Gemma 4 31B:スコアの改訂5件。
  • Gemma 4 31B:スコアの改訂1件。
  • Gemma 4 31B:スコアの改訂1件。
  • Gemma 4 31B:BenchLeader Index 48.5 → 48.0。
  • Gemma 4 31B:スコアの改訂3件。

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

Gemma 4 31B vs Muse Ember:よくある質問

Gemma 4 31BはMuse Emberより優れていますか?
Gemma 4 31BとMuse Ember (max)の品質は互角です(51.9 対 52.1、±8.7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。
Gemma 4 31BとMuse Ember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 Emberの方が安く、100万トークンあたり$0.200 対 $0.250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Gemma 4 31BとMuse Emberのどちらが向いていますか?
コーディングではMuse Emberの方がスコアが高くなっています(カテゴリ指標で60 対 48。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、Gemma 4 31Bが1370、Muse Emberが1609です。
Gemma 4 31BとMuse Emberはどちらが速いですか?
Muse Emberの方が出力が3倍以上速くなっています(出力437 対 64トークン/秒、Artificial Analysisの7日間の中央値)。
長い文書にはどちらが向いていますか?
コンテキストはMuse Emberの方が長く、1,048,576トークンです(Gemma 4 31Bは262,144トークン)。
ほかの質問(3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Gemma 4 31Bです。Artificial Analysisの測定では、最初の回答トークンまで0.5秒 対 5.0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。
Gemma 4 31BとMuse Ember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1件のベンチマークのうち、Gemma 4 31Bのリードが0件、Muse Emberのリードが1件です。両方を評価しているすべての総合指標で、Muse Emberが上回っています。
Muse Emberはいつリリースされましたか?
Muse Emberは2026年11月9日にリリースされました。