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 Ember | 100万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 31B | Muse Ember |
|---|---|---|
| プロバイダー | Meta | |
| 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) | 262,144 | 1,048,576 |
| 比較した構成 | Gemma 4 31B | Muse 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 31B | Muse Ember (max) | トップ |
|---|---|---|---|
| 推論 | 61.0 | 51.1 | Gemma 4 31B |
| コーディング | 48.2 | 60.0 | Muse 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 | 24.4 | 48.8 | Muse 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。
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。
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Index | Gemma 4 31B | Muse Ember (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 51.9 | 52.1 | 互角 |
| AA Intelligence Index v5.0.1 | 4.4† | 36.0 | Muse 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 31B | Muse 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) | – | $0.136 |
| タスクあたりの出力トークン(AA Index) | – | 84k |
| うち推論 | – | 52k |
| タスクあたりの時間(AA Index) | – | 3 min |
| 出力速度 | 64 tok/s | 437 tok/s |
| 回答開始までの時間 | 0.5秒 | 5.0秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 12.9秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemma 4 31Bのスコアは51.9、最初の回答トークンまで1秒。Gemma 4 31B (推論なし)は49.8(4秒)、Gemma 4 31B (thinking)は46.6(52秒)。Muse Ember (max)のスコアは52.1、最初の回答トークンまで5秒。Muse Ember (xhigh)は49.1(4秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
94件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemma 4 31B | Muse Ember (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 51.9 | 52.1 |
| コーディングスコア | BenchLeader | 48.2 | 60.0 |
| 人間の評価スコア | BenchLeader | 54.3 | – |
| 知識スコア | BenchLeader | 24.4 | 48.8 |
| 数学スコア | BenchLeader | 64.7 | – |
| マルチモーダルスコア | BenchLeader | 62.0 | – |
| 推論スコア | BenchLeader | 61.0 | 51.1 |
| エージェント・ツールスコア | BenchLeader | – | 52.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $0.250 | $0.200 |
| 出力速度 | BenchLeader | 64 tok/s | 437 tok/s |
| 回答開始までの時間 | BenchLeader | 0.5秒 | 5.0秒 |
| コンテキストウィンドウ | BenchLeader | 262,144トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 75.8%† | – |
| SimpleBench | SimpleBench | – | 72.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1475 | – |
| LiveBench 2.0 Reasoning | LiveBench | 68.3%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 76.3%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 11.8%† | – |
| HLE-Diamond (AA) | Artificial Analysis | 7.2%† | 25.1% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 63.5% | – |
| CritPt | Artificial Analysis | 0.0%† | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 4.0%† | 39.0% |
| Arena Expert | Arena (LMArena) | 1498 | – |
| LMCA | Epoch AI Benchmarking Hub | 39.3% | – |
| DTBench | Epoch AI Benchmarking Hub | 82.7% | – |
| ForecastBench | ForecastBench | 61.1% | – |
| コーディング | |||
| SciCode | SciCode | 45.5% | – |
| WeirdML | WeirdML | 52.3% | – |
| Arena Coding | Arena (LMArena) | 1502 | – |
| Arena WebDev | Arena (LMArena) | 1370 | 1609 |
| LiveBench 2.0 Coding | LiveBench | 20.3%† | – |
| Vibe Code Bench v1.1 | Vals AI | – | 83.7% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 56.0%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 61.3%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 56.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 50.0%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 30.6% | – |
94件のベンチマークをすべて表示
| 指標 | 公開元 | Gemma 4 31B | Muse Ember (max) |
|---|---|---|---|
| コーディング | |||
| ALE-Bench | Epoch AI Benchmarking Hub | 925.5 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 0.0%† | 40.9% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 29.2%† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 18.6† | – |
| Design Arena Website | Design Arena | – | 1330† |
| FrontierCode 2.0 (AA) | Artificial Analysis | 0.0%† | 27.2% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | – | 30.6%† |
| APEX-Agents | Mercor | – | 64.3%† |
| Arena Agent | Arena (LMArena) | – | 1.7 |
| LiveBench Long Agentic | LiveBench | 8.5%† | – |
| LiveBench Browser | LiveBench | 0.0%† | – |
| Terminal-Bench Hard | Artificial Analysis | 30.3%† | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 65.5%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 2.4%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 555† | – |
| τ³-Banking (AA) | Artificial Analysis | 8.9%† | – |
| ITBench SRE (AA) | Artificial Analysis | 37.3%† | – |
| Finance Agent v2.1 | Vals AI | – | 63.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 25.0% |
| Legal Research Bench | Vals AI | – | 49.0% |
| Tax Agent Bench | Vals AI | – | 38.2% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 39.3%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 39.4% |
| Arena Agent Task Completion | Arena (LMArena) | – | -7.6 |
| AutomationBench | Artificial Analysis | 4.9%† | 68.1% |
| GDP.pdf (AA) | Artificial Analysis | 6.0%† | 22.8% |
| EnterpriseOps-Gym | Artificial Analysis | 28.4%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 369† | 1520 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 0.0%† | 20.0% |
| FACTS Search | 75.3% | – | |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 73.3%† | – |
| Arena Maths | Arena (LMArena) | 1467 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 10.4% | – |
| LiveBench 2.0 Data Analysis | LiveBench | 53.3%† | – |
| LiveBench Research | LiveBench | 38.1%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | -48.5† | 7.4 |
| CaseLaw v2 | Vals AI | 52.6%† | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 72.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 19.9%† | 21.1% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 14.5%† | 82.6% |
| FACTS Parametric | 6.9% | – | |
| 指示追従 | |||
| IFBench | Artificial Analysis | 53.5%† | – |
| Arena Instruction Following | Arena (LMArena) | 1453 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1452 | – |
| EQ-Bench 4 | EQ-Bench | 1110 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1369 | – |
| Arena Creative Writing | Arena (LMArena) | 1418 | – |
| Arena Multi-turn | Arena (LMArena) | 1465 | – |
| Arena Longer Queries | Arena (LMArena) | 1469 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1279 | – |
| LiveBench Design | LiveBench | 56.5%† | – |
| MMMU-Pro | Artificial Analysis | 70.3%† | – |
| MortgageTax | Vals AI | 61.4%† | – |
| SAGE | Vals AI | 82.8%† | – |
| FACTS Multimodal | 42.3% | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 46.7%† | – |
| Arena Document | Arena (LMArena) | 1452 | – |
| MLCR | Artificial Analysis | – | 18.3% |
| FACTS Grounding | 75.8% | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 144.3 | – |
| LiveBench 2.0 | LiveBench | 32.4%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 4.4† | 36.0 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 13.9† | – |
| AA Progress Index v1 | Artificial Analysis | 233† | – |
| Vals Index | Vals AI | – | 60.5 |
| Vals Finance Index | Vals AI | – | 60.9% |
| Vals Legal Index | Vals AI | – | 75.7% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 11.9%† |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 38.9† | – |
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。
関連する比較
- Muse Ember vs Muse Spark Open 816B A42B
- Muse Ember vs Mistral Large 4
- Muse Ember vs Gemini 3.1 Flash Lite
- Muse Ember vs Inkling Small
- Muse Ember vs Qwen3.5-27B
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。