BenchLeader

Gemini 4 Argon vs Muse Wonder

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

更新于 · 数据来自 14 个来源

截至 2026年11月16日,Gemini 4 Argon 与 Muse Wonder 的质量不相上下(BenchLeader Index 65.3 比 64.4,在 ±4.0 的误差范围内)。Gemini 4 Argon 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。看重人类偏好(72 比 70)选 Gemini 4 Argon;看重智能体与工具(76 比 59)和知识(77 比 72)选 Muse Wonder。Muse Wonder 的首次回答更快(3.3 秒 比 45.7 秒)。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 Wonder 为 64.4(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 Wonder 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • 在两者都有结果的 2 项基准测试中,Gemini 4 Argon 领先 2 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 Wonder类别得分 76 比 59高
数学均可类别得分 70 比 70均可
知识Muse Wonder类别得分 77 比 72中
对话质量(人类偏好)Gemini 4 ArgonArena 投票 72 比 70中
成本最低Gemini 4 Argon(截至 2026年11月30日)每百万 token 混合价格 $4.00 比 $8.00;智能体编程会话 $0.160 比 $0.320;2026年12月1日 起:$8.00 比 $8.00–
首次回答最快Muse Wonder首个回答 token 3.3 秒(Muse Wonder)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 Wonder 的质量不相上下(65.3 比 64.4,在 ±4.0 的误差范围内)。
  • Gemini 4 Argon (high) 在人类偏好方面更强。
  • Muse Wonder 在智能体与工具、知识、数学方面更强。
  • 截至 2026年11月30日,Gemini 4 Argon (high) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00);自 2026年12月1日 起为 $8.00 比 $8.00。

概览

规格Gemini 4 ArgonMuse Wonder
提供商GoogleMeta
发布日期2026年9月30日2026年10月12日
正式发布2026年10月13日2026年10月12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 Wonder
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$4.00 / $20.00 / $0.200
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 Wonder领先者
推理69.5–无法比较
编程66.7–无法比较
智能体与工具58.675.6Muse Wonder
数学69.970.1持平
知识71.977.1Muse Wonder
人类偏好72.169.6Gemini 4 Argon
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智能体与工具数学知识人类偏好Gemini 4 Argon, 智能体与工具: 58.6Gemini 4 Argon, 数学: 69.9Gemini 4 Argon, 知识: 71.9Gemini 4 Argon, 人类偏好: 72.1Muse Wonder, 智能体与工具: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知识: 77.1Muse Wonder, 人类偏好: 69.6

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

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 2 项基准测试中,Gemini 4 Argon 领先 2 项,Muse Wonder 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 Wonder领先者
BenchLeader Index65.364.4不相上下
AA Intelligence Index v5.0.150.440.5†Gemini 4 Argon
Vals Index69.464.9†Gemini 4 Argon
Arena Text15221511†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 Wonder
每百万 token 混合价格(截至 2026年11月30日)$4.00$8.00
每百万 token 输入 / 输出$2.00 / $10.00$4.00 / $20.00
自 2026年12月1日 起每百万 token 混合价格$8.00$8.00
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$4.00 / $20.00
每百万 token 缓存输入$0.100$0.200
每项任务价格:聊天回复$0.0038$0.0076
每项任务价格:总结一份 30 页的报告$0.030$0.060
每项任务价格:代码编辑$0.027$0.054
每项任务价格:智能体编程会话$0.160$0.320
每项任务价格:结构化信息提取$0.0060$0.012
智能体编程会话(输入大多命中缓存)$0.074$0.149
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/s70 tok/s
首次回答时间45.7 秒3.3 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 Wonder 得分 64.4,首个回答 token 需 3 秒;Muse Wonder (max) 为 60.8(20 秒),Muse Wonder (high) 为 56.2(13 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 158 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 Wonder
BenchLeader IndexBenchLeader65.364.4
智能体与工具得分BenchLeader58.675.6
编程得分BenchLeader66.7–
综合得分BenchLeader63.8–
人类偏好得分BenchLeader72.169.6
知识得分BenchLeader71.977.1
长上下文得分BenchLeader64.5–
数学得分BenchLeader69.970.1
推理得分BenchLeader69.5–
混合价格(美元/百万 token)BenchLeader$4.00$8.00
输出速度BenchLeader66 tok/s70 tok/s
首次回答时间BenchLeader45.7 秒3.3 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%–
SimpleBenchSimpleBench91.7%†–
Arena Hard PromptsArena (LMArena)15451531†
LiveBench 2.0 ReasoningLiveBench95.1%90.6%†
LiveBench 1.0 ReasoningLiveBench–90.6%†
Humanity's Last Exam (AA)Artificial Analysis57.1%50.1%†
HLE-Diamond (AA)Artificial Analysis56.7%39.0%†
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize91.3%–
ARC-AGI-3ARC Prize97.3%–
CritPtArtificial Analysis27.1%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis52.5%50.5%†
MysteryMechanismVals AI45.5%27.5%†
HLE-Diamond (Scale)Scale AI SEAL53.2%†37.3%
Arena ExpertArena (LMArena)15491525†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%51.0%†
LMCAEpoch AI Benchmarking Hub63.7%56.8%
DTBenchEpoch AI Benchmarking Hub97.3%95.2%
编程
SciCodeSciCode61.8%60.3%†
FrontierCodeCognition47.5%†–
Arena CodingArena (LMArena)15531542†
Arena WebDevArena (LMArena)16811647†
LiveBench 2.0 CodingLiveBench85.7%74.9%†
LiveBench 1.0 CodingLiveBench–80.7%†
显示全部 158 项基准测试
指标发布方Gemini 4 Argon (high)Muse Wonder
编程
IOIVals AI100.0%66.9%†
Code MigrationVals AI68.2%62.5%†
Code Migration v1.1Vals AI70.8%72.4%†
ProgramBenchVals AI2.5%–
SWE-bench MultimodalVals AI56.0%45.6%†
Vibe Code Bench 1-100Vals AI21.2%26.6%†
Vibe Code Bench v1.1Vals AI91.9%83.1%†
SWE Atlas v1.1Scale AI SEAL70.1%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†60.0%
SWE-Bench Pro V2Scale AI SEAL99.2%96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL92.2%90.2%†
MirrorCodeEpoch AI Benchmarking Hub58.9%45.6%†
CursorBenchCursor52.9%50.4%†
ALE-BenchEpoch AI Benchmarking Hub2100.1–
FrontierSWEEpoch AI Benchmarking Hub55.0%–
WeirdML v3WeirdML20.3%15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%52.0%†
GameBench 2 OverallDuelLab GameBench 281.7†64.8
GameBench 2 by reasoning settingDuelLab GameBench 289.254.9†
Design Arena WebsiteDesign Arena1316†1378†
FrontierCode 1.1 (AA)Artificial Analysis43.5%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis25.7%27.9%†
智能体与工具
Terminal-BenchTerminal-Bench55.5%47.0%†
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†66.1%†
Arena AgentArena (LMArena)10.71.8†
LiveBench Long AgenticLiveBench58.5%46.2%†
LiveBench BrowserLiveBench82.8%60.0%†
LiveBench Agentic CodingLiveBench–62.7%†
Terminal-Bench 2.1 (Vals)Vals AI57.7%–
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%63.5%†
GDPval-AA v2.1Artificial Analysis16341770†
Analyst Agent (AA)Artificial Analysis48.8%–
CUA-benchVals AI4.8%7.2%†
CyberBenchVals AI77.9%80.4%†
Finance Agent v2Vals AI65.4%56.6%†
Finance Agent v2.1Vals AI67.7%65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%23.8%†
Harvey's Legal Agent Benchmark v1Vals AI19.6%17.1%†
Legal Research BenchVals AI54.8%50.5%†
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI57.6%49.5%†
Terminal-Bench ScienceVals AI44.3%22.9%†
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)13.25.4†
PostTrainBenchEpoch AI Benchmarking Hub40.4%24.2%†
Vending-Bench 2Andon Labs13718.2†9432.2
AutomationBenchArtificial Analysis77.5%68.1%†
GDP.pdf (AA)Artificial Analysis21.8%30.6%†
Harvey LAB-AA v1.1Harvey3.9%10.0%†
AA-Briefcase v1.1Artificial Analysis14851659†
GDPxGDPx by SemiAnalysis7.3%6.8%†
Design Arena AgenticDesign Arena1274†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%25.7%†
MKA (AA)Artificial Analysis51.3%47.5%†
FACTS SearchGoogle89.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%†
ProofBenchVals AI99.0%†84.0%
LiveBench MathematicsLiveBench–96.5%†
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361490†
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%–
LiveBench 2.0 Data AnalysisLiveBench85.2%81.6%†
LiveBench ResearchLiveBench86.8%93.0%†
LiveBench 1.0 Data AnalysisLiveBench–81.6%†
AA-Omniscience v1.1Artificial Analysis46.125.1†
LegalBenchVals AI88.3%–
PRBench FinanceScale AI SEAL49.9%†58.7%
PRBench LegalScale AI SEAL49.4%†58.4%
BioMysteryBenchVals AI76.3%67.0%†
Excel Modeling BenchmarkVals AI75.2%67.1%†
Excel Modeling Benchmark v1.1Vals AI74.8%72.5%†
MedCodeVals AI58.8%–
MedScribeVals AI87.4%–
Public Benefits Bench v1.1Vals AI69.8%70.2%†
Access to Justice BenchmarkVals AI68.5%73.0%†
Financial Coaching BenchVals AI73.1%73.8%†
Immigration BenchVals AI68.1%69.6%†
DrugDiscoveryBenchScale AI SEAL65.4%–
EBR-benchEpoch AI Benchmarking Hub64.8%31.4%†
GDP.pdfEpoch AI Benchmarking Hub28.4%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%79.1%†
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†–
指令遵循
LiveBench LanguageLiveBench–82.9%†
LiveBench Instruction FollowingLiveBench–73.0%†
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281498†
人类偏好
Arena TextArena (LMArena)15221511†
EQ-Bench 4EQ-Bench1236†1325
EQ-Bench Creative Writing v3EQ-Bench1758†2007
Arena Creative WritingArena (LMArena)15231491†
Arena Multi-turnArena (LMArena)15451525†
Arena Longer QueriesArena (LMArena)15441507†
多模态
LiveBench DesignLiveBench69.2%70.9%†
MMMU-ProArtificial Analysis88.3%†83.8%†
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub72.5%54.2%†
VIALS-AAHandshake AI59.6%55.3%†
Code2Video-AAArtificial Analysis1259997†
AA-3DArtificial Analysis1147–
FACTS MultimodalGoogle54.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.7%80.7%†
MLCRArtificial Analysis13.9%22.2%†
FACTS GroundingGoogle73.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†161.7
LiveBench 2.0LiveBench77.7%70.7%†
LiveBench 1.0LiveBench–81.2%†
AA Intelligence Index v5.0.1Artificial Analysis50.443.6†
AA Intelligence Index v4.3.2Artificial Analysis52.652.4†
AA Progress Index v1Artificial Analysis341.8335.8†
Vals IndexVals AI69.464.9†
Vals Finance IndexVals AI66.0%61.2%†
Vals RSI IndexVals AI30.6%–
Vals Science IndexVals AI55.4%39.1%†
Vals Router IndexVals AI69.2%†64.9%
Vals Legal IndexVals AI76.8%75.3%†
安全与诚实
DistressBenchScale AI SEAL68.6%†85.9%

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 Wonder:BenchLeader Index 63.0 → 64.4。
  • 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。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • 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 Wonder:1 项新结果(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。

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 Wonder:常见问题

Gemini 4 Argon 比 Muse Wonder 更好吗?
Gemini 4 Argon (high) 与 Muse Wonder 的质量不相上下(65.3 比 64.4,在 ±4.0 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 Wonder 哪个更便宜?价格会变吗?
目前 Gemini 4 Argon 更便宜:每百万 token $4.00 比 $8.00(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 Wonder 哪个更快?
Muse Wonder 输出更快(输出 70 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 Wonder 更好?
Muse Wonder 在智能体任务方面得分更高(类别得分 76 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 Wonder 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 3.3 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 Wonder 的看法一致吗?
在两者都有结果的 2 项基准测试中,Gemini 4 Argon 领先 2 项,Muse Wonder 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。