BenchLeader

Gemini 4 Argon vs Muse Spark 1.3

完整资料:Gemini 4 Argon(Google)和 Muse Spark 1.3(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 15 个来源

截至 2026年11月16日,Gemini 4 Argon 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 65.3 比 61.6,在 ±8.6 的误差范围内)。Muse Spark 1.3 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00)。看重数学(70 比 56)选 Gemini 4 Argon;看重知识(81 比 72)、智能体与工具(61 比 59)和推理(71 比 70)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 45.7 秒)。Muse Spark 1.3 的输出更快(约 1.5 倍)。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。

要点(截至 2026年11月16日)

  • Gemini 4 Argon 的 BenchLeader Index 为 65.3,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • Gemini 4 Argon 每百万 token 混合价格为 $4.00(截至 2026年11月30日,之后为 $8.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
  • Muse Spark 1.3 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.3 比 Gemini 4 Argon 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 3 项基准测试中,Gemini 4 Argon 领先 3 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
智能体与工具调用Muse Spark 1.3类别得分 61 比 59中
数学Gemini 4 Argon类别得分 70 比 56高
推理Muse Spark 1.3类别得分 71 比 70;LMCA 53.9% 比 63.7%中
知识Muse Spark 1.3类别得分 81 比 72;GDP.pdf 27.6% 比 28.4%高
对话质量(人类偏好)–只有 Gemini 4 Argon 有 Arena 评分(类别得分 72)无法比较
成本最低Muse Spark 1.3每百万 token 混合价格 $2.00 比 $4.00;智能体编程会话 $0.092 比 $0.160;2026年12月1日 起:$2.00 比 $8.00–
首次回答最快Muse Spark 1.3首个回答 token 2.6 秒(Muse Spark 1.3)比 45.7 秒(Gemini 4 Argon (high))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Gemini 4 Argon (high) 与 Muse Spark 1.3 的质量不相上下(65.3 比 61.6,在 ±8.6 的误差范围内)。
  • Gemini 4 Argon (high) 在数学方面更强。
  • Muse Spark 1.3 在智能体与工具、知识、推理方面更强。
  • 截至 2026年11月30日,Muse Spark 1.3 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00);自 2026年12月1日 起为 $2.00 比 $8.00。
  • Muse Spark 1.3 的输出速度是对方的 2.5 倍(163 比 66 token/秒)。

概览

规格Gemini 4 ArgonMuse Spark 1.3
提供商GoogleMeta
发布日期2026年9月30日2026年9月2日
正式发布2026年10月13日2026年9月2日
上下文窗口(token)1,048,5761,048,576
最大输出(token)65,536 (up to 1,048,576 with long decode)–
输入类型文本、图像、视频、音频、PDF–
推理强度设置low, medium, high–
对比时的配置Gemini 4 Argon (high)Muse Spark 1.3
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$1.25 / $4.25 / $0.150
已公布的价格调整自 2026年12月1日 起为 $4.00 / $20.00 / $0.200暂无公布
API 模型 IDgemini-4-argon–
使用渠道Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app–

上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev、ai.google.dev 定价页 (2026年10月20日 核实)。其余内容均来自当日数据。

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Gemini 4 Argon (high)Muse Spark 1.3领先者
推理69.571.0Muse Spark 1.3
编程66.7–无法比较
智能体与工具58.661.3Muse Spark 1.3
数学69.956.3Gemini 4 Argon
知识71.981.2Muse Spark 1.3
人类偏好72.1–无法比较
长上下文64.5–无法比较
综合63.8–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理智能体与工具数学知识Gemini 4 Argon, 推理: 69.5Gemini 4 Argon, 智能体与工具: 58.6Gemini 4 Argon, 数学: 69.9Gemini 4 Argon, 知识: 71.9Muse Spark 1.3, 推理: 71.0Muse Spark 1.3, 智能体与工具: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知识: 81.2

未绘制(测得的模型少于两个):编程, 指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 3 项基准测试中,Gemini 4 Argon 领先 3 项,Muse Spark 1.3 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。

综合 IndexGemini 4 Argon (high)Muse Spark 1.3领先者
BenchLeader Index65.361.6不相上下
AA Intelligence Index v5.0.150.436.6†Gemini 4 Argon
Arena Text15221497†Gemini 4 Argon

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Gemini 4 Argon (high)Muse Spark 1.3
每百万 token 混合价格(截至 2026年11月30日)$4.00$2.00
每百万 token 输入 / 输出$2.00 / $10.00$1.25 / $4.25
自 2026年12月1日 起每百万 token 混合价格$8.00$2.00
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$1.25 / $4.25
每百万 token 缓存输入$0.100$0.150
每项任务价格:聊天回复$0.0038$0.0018
每项任务价格:总结一份 30 页的报告$0.030$0.018
每项任务价格:代码编辑$0.027$0.014
每项任务价格:智能体编程会话$0.160$0.092
每项任务价格:结构化信息提取$0.0060$0.0034
智能体编程会话(输入大多命中缓存)$0.074$0.043
每项基准测试任务成本(AA Index)$4.97–
每项任务输出 token(AA Index)116k–
其中推理部分68k–
每项任务耗时(AA Index)29 min–
输出速度66 tok/s163 tok/s
首次回答时间45.7 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 秒–

每个模型都按其排名最高的推理强度设置进行对比。Gemini 4 Argon (high) 得分 65.3,首个回答 token 需 46 秒;Gemini 4 Argon 为 64.4(5 秒),Gemini 4 Argon (medium) 为 61.6(13 秒)。Muse Spark 1.3 得分 61.6,首个回答 token 需 3 秒;Muse Spark 1.3 (max) 为 60.6(31 秒),Muse Spark 1.3 (xhigh) 为 58.1(11 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 172 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Gemini 4 Argon (high)Muse Spark 1.3
BenchLeader IndexBenchLeader65.361.6
智能体与工具得分BenchLeader58.661.3
编程得分BenchLeader66.7–
综合得分BenchLeader63.8–
人类偏好得分BenchLeader72.1–
知识得分BenchLeader71.981.2
长上下文得分BenchLeader64.5–
数学得分BenchLeader69.956.3
推理得分BenchLeader69.571.0
混合价格(美元/百万 token)BenchLeader$4.00$2.00
输出速度BenchLeader66 tok/s163 tok/s
首次回答时间BenchLeader45.7 秒2.6 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%–
SimpleBenchSimpleBench91.7%†81.8%
Arena Hard PromptsArena (LMArena)15451517†
LiveBench 2.0 ReasoningLiveBench95.1%89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis57.1%48.7%†
HLE-Diamond (AA)Artificial Analysis56.7%33.7%†
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize91.3%–
ARC-AGI-3ARC Prize97.3%–
CritPtArtificial Analysis27.1%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis52.5%48.0%†
MysteryMechanismVals AI45.5%36.0%†
HLE-Diamond (Scale)Scale AI SEAL53.2%†25.4%
Arena ExpertArena (LMArena)15491521†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%25.0%†
LMCAEpoch AI Benchmarking Hub63.7%53.9%
DTBenchEpoch AI Benchmarking Hub97.3%96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode61.8%58.8%†
FrontierCodeCognition47.5%†–
Arena CodingArena (LMArena)15531534†
显示全部 172 项基准测试
指标发布方Gemini 4 Argon (high)Muse Spark 1.3
编程
Arena WebDevArena (LMArena)16811655†
LiveBench 2.0 CodingLiveBench85.7%84.4%†
LiveBench 1.0 CodingLiveBench–81.1%†
IOIVals AI100.0%56.6%†
Code MigrationVals AI68.2%47.4%†
Code Migration v1.1Vals AI70.8%–
ProgramBenchVals AI2.5%2.5%†
SWE-bench MultimodalVals AI56.0%43.1%†
Vibe Code Bench 1-100Vals AI21.2%20.5%†
Vibe Code Bench v1.1Vals AI91.9%85.9%†
SWE Atlas v1.1Scale AI SEAL70.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†–
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%54.4%†
CursorBenchCursor52.9%41.6%†
ALE-BenchEpoch AI Benchmarking Hub2100.11688.3†
FrontierSWEEpoch AI Benchmarking Hub55.0%25.8%†
WeirdML v3WeirdML20.3%6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 281.7†57.7
GameBench 2 by reasoning settingDuelLab GameBench 289.268.5†
Design Arena WebsiteDesign Arena1316†1353†
FrontierCode 1.1 (AA)Artificial Analysis43.5%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis25.7%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench55.5%14.8%†
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†58.6%
Arena AgentArena (LMArena)10.72.2†
LiveBench Long AgenticLiveBench58.5%47.9%†
LiveBench BrowserLiveBench82.8%30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench 2.1 (Vals)Vals AI57.7%79.0%†
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis16341681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis48.8%37.5%†
CUA-benchVals AI4.8%5.8%†
CyberBenchVals AI77.9%72.7%†
Finance Agent v2Vals AI65.4%60.0%†
Finance Agent v2.1Vals AI67.7%–
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%–
Harvey's Legal Agent Benchmark v1Vals AI19.6%23.8%†
Legal Research BenchVals AI54.8%55.3%†
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%3.8%†
Tax Agent BenchVals AI49.2%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI57.6%24.8%†
Terminal-Bench ScienceVals AI44.3%10.0%†
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)13.23.7†
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
Vending-Bench 2Andon Labs13718.2†–
AutomationBenchArtificial Analysis77.5%57.9%†
GDP.pdf (AA)Artificial Analysis21.8%26.6%†
Harvey LAB-AA v1.1Harvey3.9%8.9%†
AA-Briefcase v1.1Artificial Analysis14851581†
GDPxGDPx by SemiAnalysis7.3%–
Design Arena AgenticDesign Arena1274†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
MKA (AA)Artificial Analysis51.3%–
FACTS SearchGoogle89.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.2%†
ProofBenchVals AI99.0%†55.0%
LiveBench MathematicsLiveBench–96.0%†
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361506†
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%–
LiveBench 2.0 Data AnalysisLiveBench85.2%79.6%†
LiveBench ResearchLiveBench86.8%82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis46.122.4†
LegalBenchVals AI88.3%–
PRBench FinanceScale AI SEAL49.9%†59.5%
PRBench LegalScale AI SEAL49.4%†61.6%
BioMysteryBenchVals AI76.3%–
Excel Modeling BenchmarkVals AI75.2%67.4%†
Excel Modeling Benchmark v1.1Vals AI74.8%–
MedCodeVals AI58.8%–
MedScribeVals AI87.4%–
Public Benefits Bench v1.1Vals AI69.8%–
Access to Justice BenchmarkVals AI68.5%72.2%†
Financial Coaching BenchVals AI73.1%70.3%†
Immigration BenchVals AI68.1%64.9%†
DrugDiscoveryBenchScale AI SEAL65.4%62.2%†
EBR-benchEpoch AI Benchmarking Hub64.8%–
GDP.pdfEpoch AI Benchmarking Hub28.4%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%74.8%†
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†–
指令遵循
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281485†
人类偏好
Arena TextArena (LMArena)15221497†
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†1907
Arena Creative WritingArena (LMArena)15231468†
Arena Multi-turnArena (LMArena)15451493†
Arena Longer QueriesArena (LMArena)15441498†
多模态
Arena VisionArena (LMArena)–1310†
LiveBench DesignLiveBench69.2%74.8%†
MMMU-ProArtificial Analysis88.3%†82.0%†
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%37.4%†
GeoBenchGeoBench–86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub72.5%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis12591019†
AA-3DArtificial Analysis11471032†
FACTS MultimodalGoogle54.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.7%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis13.9%13.9%†
FACTS GroundingGoogle73.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†158.2
LiveBench 2.0LiveBench77.7%68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis50.436.6†
AA Intelligence Index v4.3.2Artificial Analysis52.648.1†
AA Progress Index v1Artificial Analysis341.8324.5†
Vals IndexVals AI69.4–
Vals Finance IndexVals AI66.0%–
Vals RSI IndexVals AI30.6%19.6%†
Vals Science IndexVals AI55.4%–
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%–
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
DistressBenchScale AI SEAL68.6%†84.9%

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

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.

变化

  • Gemini 4 Argon:标价将调整为每百万 token 输入 $4.00 / 输出 $20.00(已公布)。
  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Argon (high):1 项分数修订。
  • Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
  • Gemini 4 Argon (high):1 项新结果(PostTrainBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $9.95/M → $4.97/M。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Gemini 4 Argon vs Muse Spark 1.3:常见问题

Gemini 4 Argon 比 Muse Spark 1.3 更好吗?
Gemini 4 Argon (high) 与 Muse Spark 1.3 的质量不相上下(65.3 比 61.6,在 ±8.6 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Gemini 4 Argon 和 Muse Spark 1.3 哪个更便宜?价格会变吗?
目前 Muse Spark 1.3 更便宜:每百万 token $2.00 比 $4.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。
Gemini 4 Argon 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(约 1.5 倍;输出 163 比 66 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Argon 还是 Muse Spark 1.3 更好?
Muse Spark 1.3 在智能体任务方面得分更高(类别得分 61 比 59,50 为平均水平)。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
更多问题(3)
哪个延迟更低?
Muse Spark 1.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 2.6 秒比 45.7 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Gemini 4 Argon 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 3 项基准测试中,Gemini 4 Argon 领先 3 项,Muse Spark 1.3 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。
Gemini 4 Argon 是什么时候发布的?
Gemini 4 Argon 于 2026年9月30日 首次亮相,并于 2026年10月13日 正式发布。