Mistral Large 4 vs Muse Ember
詳しいプロフィール:Mistral Large 4(Mistral AI)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 · 8件の情報源のデータ
2026年11月16日時点で、Mistral Large 4とMuse Emberの品質は互角です(BenchLeader Indexで52.9 対 52.1、±6.0の誤差範囲内)。価格はMuse Emberの方が5.3倍安く、100万トークンあたりのブレンド価格で$0.200 対 $1.05です。両方を測定できるすべてのカテゴリでMuse Emberがリードしています。Muse Emberの方が出力が3倍以上速いです。
要点(2026年11月16日時点)
- BenchLeader IndexはMistral Large 4が52.9、Muse Emberが52.1です(BenchLeader、2026年11月16日)。
- Mistral Large 4の100万トークンあたりのブレンド価格は$1.05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Mistral Large 4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15件のベンチマークのうち、Muse Emberが13件でリードしています(BenchLeader、2026年11月16日)。
- Arena WebDevでの評価はMistral Large 4が1565、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 54;Arena WebDev 1609 対 1565 | 中 |
| エージェント・ツール利用 | Muse Ember | カテゴリスコア52 対 49;Arena Agent 1.7 対 -5.4 | 中 |
| 推論 | Muse Ember | カテゴリスコア51 対 46;HLE-Diamond (AA) 25.1% 対 15.1% | 中 |
| 知識 | Muse Ember | カテゴリスコア49 対 41;AA-Omniscience v1.1 7.4 対 -7.5 | 高 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはMistral Large 4のみです(カテゴリスコア60) | 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 $1.05;エージェント型コーディングセッション$0.008 対 $0.050 | – |
| 回答開始の速さ | Muse Ember | 最初の回答トークンまで5.0秒(Muse Ember (max))対 40.9秒(Mistral Large 4) | – |
| 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
- Mistral Large 4とMuse Ember (max)の品質は互角です(52.9 対 52.1、±6.0の誤差範囲内)。
- Muse Ember (max)はエージェント・ツール、コーディング、知識、推論で優れています。
- Muse Ember (max)の方が5.3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 $1.05)。
- Muse Ember (max)の方が出力が4.5倍速くなっています(437 対 97トークン/秒)。
概要
| 仕様 | Mistral Large 4 | Muse Ember |
|---|---|---|
| プロバイダー | Mistral AI | Meta |
| リリース日 | 2026年10月6日 | 2026年11月9日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,048,576 |
| 比較した構成 | Mistral Large 4 | 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) | $0.700 / $2.10 / $0.070 | $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 | Mistral Large 4 | Muse Ember (max) | トップ |
|---|---|---|---|
| 推論 | 46.2 | 51.1 | Muse Ember |
| コーディング | 53.8 | 60.0 | Muse Ember |
| エージェント・ツール | 48.8 | 52.4 | Muse Ember |
| 数学 | 54.2 | – | 比較不可 |
| 知識 | 40.7 | 48.8 | Muse Ember |
| 人間の評価 | 59.7 | – | 比較不可 |
| マルチモーダル | 58.0 | – | 比較不可 |
| 長文コンテキスト | 65.3 | – | 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):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15件のベンチマークのうち、Mistral Large 4のリードが2件、Muse Emberのリードが13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 | Mistral Large 4 | Muse Ember (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 52.9 | 52.1 | 互角 |
| AA Intelligence Index v5.0.1 | 25.3 | 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 | Mistral Large 4 | Muse Ember (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $1.05 | $0.200 |
| 100万トークンあたりの入力/出力 | $0.700 / $2.10 | $0.100 / $0.500 |
| 100万トークンあたりのキャッシュ入力 | $0.070 | $0.0040 |
| タスクあたりの価格:チャットの返答 | $0.0009 | $0.0002 |
| タスクあたりの価格:30ページのレポートを要約 | $0.0097 | $0.0015 |
| タスクあたりの価格:コード編集 | $0.0074 | $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 | $0.050 | $0.0080 |
| タスクあたりの価格:構造化データの抽出 | $0.0018 | $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) | $0.022 | $0.0037 |
| ベンチマークのタスクあたりのコスト(AA Index) | $4.21 | $0.136 |
| タスクあたりの出力トークン(AA Index) | 135k | 84k |
| うち推論 | 102k | 52k |
| タスクあたりの時間(AA Index) | 23 min | 3 min |
| 出力速度 | 97 tok/s | 437 tok/s |
| 回答開始までの時間 | 40.9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) | 119.0秒 | 12.9秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Mistral Large 4で$4.21、Muse Ember (max)で$0.136でした。同じ作業でMistral Large 4は1.6倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Mistral Large 4のスコアは52.9、最初の回答トークンまで41秒。Mistral Large 4 (high)は48.3(45秒)、Mistral Large 4 (medium)は45.9(27秒)。Muse Ember (max)のスコアは52.1、最初の回答トークンまで5秒。Muse Ember (xhigh)は49.1(4秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
112件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Mistral Large 4 | Muse Ember (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 52.9 | 52.1 |
| エージェント・ツールスコア | BenchLeader | 48.8 | 52.4 |
| コーディングスコア | BenchLeader | 53.8 | 60.0 |
| 人間の評価スコア | BenchLeader | 59.7 | – |
| 知識スコア | BenchLeader | 40.7 | 48.8 |
| 長文コンテキストスコア | BenchLeader | 65.3 | – |
| 数学スコア | BenchLeader | 54.2 | – |
| マルチモーダルスコア | BenchLeader | 58.0 | – |
| 推論スコア | BenchLeader | 46.2 | 51.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.05 | $0.200 |
| 出力速度 | BenchLeader | 97 tok/s | 437 tok/s |
| 回答開始までの時間 | BenchLeader | 40.9秒 | 5.0秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 88.1%† | – |
| SimpleBench | SimpleBench | – | 72.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1453 | – |
| LiveBench 2.0 Reasoning | LiveBench | 85.2%† | – |
| LiveBench 1.0 Reasoning | LiveBench | 83.9%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 35.0% | – |
| HLE-Diamond (AA) | Artificial Analysis | 15.1% | 25.1% |
| CritPt | Artificial Analysis | 10.6% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 24.5% | 39.0% |
| MysteryMechanism | Vals AI | 12.2%† | – |
| Arena Expert | Arena (LMArena) | 1464 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 33.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 17.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 35.8% | – |
| DTBench | Epoch AI Benchmarking Hub | 88.2% | – |
| コーディング | |||
| SciCode | SciCode | 54.2% | – |
| FrontierCode | Cognition | 39.4%† | – |
| Arena Coding | Arena (LMArena) | 1484 | – |
| Arena WebDev | Arena (LMArena) | 1565 | 1609 |
| LiveBench 2.0 Coding | LiveBench | 79.4%† | – |
| LiveBench 1.0 Coding | LiveBench | 77.2%† | – |
| IOI | Vals AI | 45.3%† | – |
| Code Migration | Vals AI | 30.6%† | – |
| SWE-bench Multimodal | Vals AI | 33.1%† | – |
| Vibe Code Bench 1-100 | Vals AI | 14.3%† | – |
112件のベンチマークをすべて表示
| 指標 | 公開元 | Mistral Large 4 | Muse Ember (max) |
|---|---|---|---|
| コーディング | |||
| Vibe Code Bench v1.1 | Vals AI | 78.4%† | 83.7% |
| SWE Atlas v1.1 | Scale AI SEAL | 45.2% | 56.0%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 61.3% | 61.3%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 40.0% | 56.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 34.3% | 50.0%† |
| MirrorCode | Epoch AI Benchmarking Hub | 40.0%† | – |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 28.1% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1213.2 | – |
| WeirdML v3 | WeirdML | 4.5%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 26.8% | 40.9% |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 57.6† | – |
| Design Arena Website | Design Arena | 1258 | 1330† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 41.5% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 13.6% | 27.2% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 27.6%† | 30.6%† |
| APEX-Agents | Mercor | 51.6%† | 64.3%† |
| Arena Agent | Arena (LMArena) | -5.4 | 1.7 |
| LiveBench Long Agentic | LiveBench | 24.7%† | – |
| LiveBench Browser | LiveBench | 17.4%† | – |
| LiveBench Agentic Coding | LiveBench | 57.2%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1431 | – |
| Finance Agent v2 | Vals AI | 54.7%† | – |
| Finance Agent v2.1 | Vals AI | 61.4%† | 63.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 17.5%† | 25.0% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 15.8%† | – |
| Legal Research Bench | Vals AI | 31.7%† | 49.0% |
| Tax Agent Bench | Vals AI | 30.4%† | 38.2% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 27.8%† | 39.4% |
| Arena Agent Task Completion | Arena (LMArena) | -4.7 | -7.6 |
| AutomationBench | Artificial Analysis | 59.9% | 68.1% |
| GDP.pdf (AA) | Artificial Analysis | 18.6% | 22.8% |
| Harvey LAB-AA v1.1 | Harvey | 3.1% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1393 | 1520 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 4.8% | 20.0% |
| CWE-Bench (AA) | Artificial Analysis | 50.8% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 16.0% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 81.7% | – |
| MKA (AA) | Artificial Analysis | 35.1%† | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 58.6%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.3%† | – |
| ProofBench | Vals AI | 10.0% | – |
| LiveBench Mathematics | LiveBench | 93.6%† | – |
| Arena Maths | Arena (LMArena) | 1459 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 20.0%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | 76.6%† | – |
| LiveBench Research | LiveBench | 80.3%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 76.5%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | -7.5 | 7.4 |
| BioMysteryBench | Vals AI | 67.0%† | – |
| Excel Modeling Benchmark | Vals AI | 56.2%† | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 69.0%† | 72.2% |
| MedCode | Vals AI | 40.7%† | – |
| MedScribe | Vals AI | 80.4%† | – |
| Immigration Bench | Vals AI | 63.7%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 23.9% | 21.1% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 58.7% | 82.6% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 49.6%† | – |
| LiveBench Instruction Following | LiveBench | 64.8%† | – |
| Arena Instruction Following | Arena (LMArena) | 1418 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1420 | – |
| Arena Creative Writing | Arena (LMArena) | 1359 | – |
| Arena Multi-turn | Arena (LMArena) | 1429 | – |
| Arena Longer Queries | Arena (LMArena) | 1420 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1244 | – |
| LiveBench Design | LiveBench | 76.3%† | – |
| MMMU-Pro | Artificial Analysis | 76.4% | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 20.8%† | – |
| VIALS-AA | Handshake AI | 20.5%† | – |
| Code2Video-AA | Artificial Analysis | 931 | – |
| AA-3D | Artificial Analysis | 882 | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 81.3% | – |
| MLCR | Artificial Analysis | 7.8% | 18.3% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 154.6 | – |
| LiveBench 2.0 | LiveBench | 60.3%† | – |
| LiveBench 1.0 | LiveBench | 71.8%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 25.3 | 36.0 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 38.4 | – |
| AA Progress Index v1 | Artificial Analysis | 312.4 | – |
| Vals Index | Vals AI | – | 60.5 |
| Vals Finance Index | Vals AI | 56.9%† | 60.9% |
| Vals Legal Index | Vals AI | 65.6%† | 75.7% |
| AA Cyber Index | Artificial Analysis | 49.5 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 23.1% | 11.9%† |
| DistressBench | Scale AI SEAL | 77.0% | – |
| 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
- Mistral Large 4:BenchLeader Index 52.2 → 52.9。
- Mistral Large 4:新しい結果1件(GDPval-AA v2.1)。
- Mistral Large 4:スコアの改訂1件。
- Mistral Large 4:スコアの改訂2件。
- Muse Ember (max):新しい結果1件(Arena Agent)。
- Mistral Large 4:スコアの改訂6件。
- Muse Ember (max):新しい結果2件(MLCR, Arena WebDev)。
- Mistral Large 4:BenchLeader Index 52.7 → 52.2。
- Mistral Large 4:スコアの改訂7件。
- Mistral Large 4:スコアの改訂8件。
関連する比較
- Mistral Large 4 vs Muse Spark 1.3
- Mistral Large 4 vs MiniMax M3.1 Flash
- Mistral Large 4 vs Mistral Large 4.0 OSS
- Muse Ember vs Muse Spark Open 816B A42B
- Muse Ember vs Gemini 3.1 Flash Lite
- Muse Ember vs Inkling Small
- Muse Ember vs Qwen3.5-27B
- Muse Ember vs Gemma 4 31B
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
Mistral Large 4 vs Muse Ember:よくある質問
- Mistral Large 4はMuse Emberより優れていますか?
- Mistral Large 4とMuse Ember (max)の品質は互角です(52.9 対 52.1、±6.0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。
- Mistral Large 4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 $1.05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Mistral Large 4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 54。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、Mistral Large 4が1565、Muse Emberが1609です。
- Mistral Large 4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 97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Mistral Large 4とMuse Ember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 Emberの方がスコアが高くなっています(カテゴリ指標で52 対 49。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なArena Agentでは、Mistral Large 4が-5.4、Muse Emberが1.7です。
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 Emberです。Artificial Analysisの測定では、最初の回答トークンまで5.0秒 対 40.9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。
- Mistral Large 4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15件のベンチマークのうち、Mistral Large 4のリードが2件、Muse Emberのリードが13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。