BenchLeader

Gemini 4 Carbon vs Muse Spark 1.2

完整资料:Gemini 4 Carbon(Google)和 Muse Spark 1.2(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 Gemini 4 Carbon 领先 Muse Spark 1.2(BenchLeader Index 68.9 比 61.5)。不过,Muse Spark 1.2 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)。在两者都有成绩的所有类别中,Gemini 4 Carbon 均领先。Muse Spark 1.2 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 的 BenchLeader Index 为 68.9,Muse Spark 1.2 为 61.5(BenchLeader,2026年11月16日)。
  • Gemini 4 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Muse Spark 1.2 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.2 比 Gemini 4 Carbon 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 27 项基准测试中,Gemini 4 Carbon 领先 27 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Carbon 的评分为 1768,Muse Spark 1.2 为 1534(LMArena,截至 2026年11月16日 的公布数据)。

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
编程Gemini 4 Carbon类别得分 74 比 55;Arena WebDev 1768 比 1534高
智能体与工具调用Gemini 4 Carbon类别得分 70 比 55;Arena Agent 17 比 -8.2高
数学Gemini 4 Carbon类别得分 72 比 67中
推理Gemini 4 Carbon类别得分 73 比 68;Arena Hard Prompts 1547 比 1514中
知识Gemini 4 Carbon类别得分 76 比 65;SimpleQA Verified 77.7% 比 60.3%高
长文档均可类别得分 64 比 64;AA-LCR v1.1 79.3% 比 79.0%均可
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 69中
成本最低Muse Spark 1.2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–
首次回答最快Muse Spark 1.2首个回答 token 11.4 秒(Muse Spark 1.2 (xhigh))比 73.5 秒(Gemini 4 Carbon (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

  • 质量上 Gemini 4 Carbon (high) 领先:68.9 比 61.5。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、人类偏好、知识、长上下文、数学、推理方面更强。
  • Muse Spark 1.2 (xhigh) 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)。
  • Muse Spark 1.2 (xhigh) 的输出速度是对方的 3.3 倍(208 比 64 token/秒)。

概览

规格Gemini 4 CarbonMuse Spark 1.2
提供商GoogleMeta
发布日期2026年10月28日2026年8月5日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 4 Carbon (high)Muse Spark 1.2 (xhigh)
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

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 Carbon (high)Muse Spark 1.2 (xhigh)领先者
推理73.268.1Gemini 4 Carbon
编程74.154.7Gemini 4 Carbon
智能体与工具70.355.4Gemini 4 Carbon
数学71.966.8Gemini 4 Carbon
知识76.164.5Gemini 4 Carbon
人类偏好72.668.6Gemini 4 Carbon
多模态–65.3无法比较
长上下文64.364.1持平
综合70.3–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推理编程智能体与工具数学知识长上下文人类偏好Gemini 4 Carbon, 推理: 73.2Gemini 4 Carbon, 编程: 74.1Gemini 4 Carbon, 智能体与工具: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知识: 76.1Gemini 4 Carbon, 长上下文: 64.3Gemini 4 Carbon, 人类偏好: 72.6Muse Spark 1.2, 推理: 68.1Muse Spark 1.2, 编程: 54.7Muse Spark 1.2, 智能体与工具: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知识: 64.5Muse Spark 1.2, 长上下文: 64.1Muse Spark 1.2, 人类偏好: 68.6

未绘制(测得的模型少于两个):指令遵循, 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 27 项基准测试中,Gemini 4 Carbon 领先 27 项,Muse Spark 1.2 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。

综合 IndexGemini 4 Carbon (high)Muse Spark 1.2 (xhigh)领先者
BenchLeader Index68.961.5Gemini 4 Carbon
Arena Text15261493Gemini 4 Carbon

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 Carbon (high)Muse Spark 1.2 (xhigh)
每百万 token 混合价格$4.00$2.00
每百万 token 输入 / 输出$2.00 / $10.00$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)$5.48–
每项任务输出 token(AA Index)123k–
其中推理部分72k–
每项任务耗时(AA Index)32 min–
输出速度64 tok/s208 tok/s
首次回答时间73.5 秒11.4 秒
完整回答耗时(最近一次测量 2026年11月13日)160.6 秒23.9 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 Carbon (high) 得分 68.9,首个回答 token 需 73 秒;Gemini 4 Carbon (medium) 为 65.8(21 秒),Gemini 4 Carbon (low) 为 60.1(11 秒)。Muse Spark 1.2 (xhigh) 得分 61.5,首个回答 token 需 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 143 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 Carbon (high)Muse Spark 1.2 (xhigh)
BenchLeader IndexBenchLeader68.961.5
智能体与工具得分BenchLeader70.355.4
编程得分BenchLeader74.154.7
综合得分BenchLeader70.3–
人类偏好得分BenchLeader72.668.6
知识得分BenchLeader76.164.5
长上下文得分BenchLeader64.364.1
数学得分BenchLeader71.966.8
推理得分BenchLeader73.268.1
多模态得分BenchLeader–65.3
混合价格(美元/百万 token)BenchLeader$4.00$2.00
输出速度BenchLeader64 tok/s208 tok/s
首次回答时间BenchLeader73.5 秒11.4 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.5%–
SimpleBenchSimpleBench92.6%†74.5%†
Arena Hard PromptsArena (LMArena)15471514
LiveBench 2.0 ReasoningLiveBench90.6%–
LiveBench 1.0 ReasoningLiveBench–90.0%
GPQA Diamond (AA)Artificial Analysis–90.4%
Humanity's Last Exam (AA)Artificial Analysis–45.5%
HLE-Diamond (AA)Artificial Analysis69.1%–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.1%–
ARC-AGI-3ARC Prize96.9%–
CritPtArtificial Analysis–17.7%
CritPt v2 hard subset (AA)Artificial Analysis69.0%–
Arena ExpertArena (LMArena)15671503
Chess PuzzlesEpoch AI Benchmarking Hub78.0%27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%–
LMCAEpoch AI Benchmarking Hub–48.4%
DTBenchEpoch AI Benchmarking Hub–94.7%
编程
SciCodeSciCode64.2%57.4%
WeirdMLWeirdML–60.3%
Arena CodingArena (LMArena)15681542
Arena WebDevArena (LMArena)17681534
LiveBench 2.0 CodingLiveBench91.0%–
LiveBench 1.0 CodingLiveBench–77.5%
SciCode (AA)Artificial Analysis–57.4%
显示全部 143 项基准测试
指标发布方Gemini 4 Carbon (high)Muse Spark 1.2 (xhigh)
编程
IOIVals AI–21.8%
SWE-bench (Vals)Vals AI–86.6%
Code MigrationVals AI–29.9%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI89.1%79.1%
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
SWE Atlas v1.1Scale AI SEAL71.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†–
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
CursorBenchCursor60.4%–
FrontierSWEEpoch AI Benchmarking Hub61.2%12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 2–51.5†
GameBench 2 by reasoning settingDuelLab GameBench 2–56.9
Design Arena WebsiteDesign Arena1319†1309†
FrontierCode 2.0 (AA)Artificial Analysis40.6%–
智能体与工具
Terminal-BenchTerminal-Bench64.5%–
APEX-AgentsMercor84.2%†45.4%†
Arena AgentArena (LMArena)17-8.2
LiveBench Long AgenticLiveBench72.7%–
LiveBench BrowserLiveBench80.0%–
LiveBench Agentic CodingLiveBench–57.6%
Terminal-Bench 2.1 (Vals)Vals AI–69.7%
HiL-BenchScale AI SEAL50.3%†–
GDPval-AA v2.1Artificial Analysis17331478
τ³-Banking (AA)Artificial Analysis–34.9%
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI–60.6%
Finance Agent v2.1Vals AI67.2%–
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%–
Harvey's Legal Agent Benchmark v1Vals AI–25.4%
Legal Research BenchVals AI55.8%43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI51.8%32.8%
Terminal-Bench 4.0 (Vals)Vals AI63.1%6.1%
Arena Agent Task CompletionArena (LMArena)18.4-9.8
Vending-Bench 2Andon Labs16484.2†–
AutomationBenchArtificial Analysis77.8%40.6%
GDP.pdf (AA)Artificial Analysis28.4%17.4%
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis16111323
GDPxGDPx by SemiAnalysis10.9%–
Design Arena AgenticDesign Arena1305†1185†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%–
MKA (AA)Artificial Analysis54.3%–
FACTS SearchGoogle94.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%–
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI–43.0%†
LiveBench MathematicsLiveBench–91.2%
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Arena MathsArena (LMArena)–1486
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%60.3%
LiveBench 2.0 Data AnalysisLiveBench86.5%–
LiveBench ResearchLiveBench92.5%–
LiveBench 1.0 Data AnalysisLiveBench–76.5%
AA-Omniscience v1.1Artificial Analysis53.5–
MMLU-ProVals AI–88.3%
LegalBenchVals AI–85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI–80.4%
PRBench LegalScale AI SEAL53.4%†–
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI–57.0%
Excel Modeling Benchmark v1.1Vals AI76.5%–
MedCodeVals AI–49.4%
MedScribeVals AI–90.1%
Public Benefits Bench v1.1Vals AI–68.5%
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI–66.5%
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%–
GDP.pdfEpoch AI Benchmarking Hub–16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%–
FACTS ParametricGoogle81.6%†–
指令遵循
LiveBench LanguageLiveBench–78.6%
LiveBench Instruction FollowingLiveBench–74.3%
Arena Instruction FollowingArena (LMArena)15251479
人类偏好
Arena TextArena (LMArena)15261493
EQ-Bench Creative Writing v3EQ-Bench–1842†
Arena Creative WritingArena (LMArena)15161443
Arena Multi-turnArena (LMArena)15641510
Arena Longer QueriesArena (LMArena)15381491
多模态
Arena VisionArena (LMArena)–1305
LiveBench DesignLiveBench80.2%–
MMMU-ProArtificial Analysis89.3%†–
MMMU-Pro (Vals)Vals AI–86.1%
MortgageTaxVals AI–65.4%
Humanity's Sixth SenseScale AI SEAL71.1%24.5%
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub77.5%–
VIALS-AAHandshake AI64.0%–
FACTS MultimodalGoogle60.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.3%79.0%
MLCRArtificial Analysis19.4%7.2%
FACTS GroundingGoogle77.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†155.0†
LiveBench 2.0LiveBench83.5%–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis60.0–
AA Intelligence Index v4.3.2Artificial Analysis–39.6
AA Progress Index v1Artificial Analysis350.8309.1
Vals IndexVals AI70.5–
Vals Finance IndexVals AI67.0%–
Vals RSI IndexVals AI27.7%–
Vals Multimodal IndexVals AI–69.8%†
Vals Legal IndexVals AI75.9%–
安全与诚实
FORTRESSScale AI SEAL16.4%†–
DistressBenchScale AI SEAL–88.4%†

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 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
  • Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • Gemini 4 Carbon (high):1 项新结果(DrugDiscoveryBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $7.76/M → $5.48/M。
  • Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
  • Gemini 4 Carbon (high):13 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • Gemini 4 Carbon (high):2 项新结果(FrontierSWE, Vals RSI Index)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
  • Gemini 4 Carbon (high):BenchLeader Index 68.8 → 69.3。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Gemini 4 Carbon vs Muse Spark 1.2:常见问题

Gemini 4 Carbon 比 Muse Spark 1.2 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 61.5。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Gemini 4 Carbon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Carbon 和 Muse Spark 1.2 哪个更便宜?价格会变吗?
目前 Muse Spark 1.2 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)。两者均未公布价格调整。
编程用 Gemini 4 Carbon 还是 Muse Spark 1.2 更好?
Gemini 4 Carbon 在编程方面得分更高(类别得分 74 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 4 Carbon 为 1768,Muse Spark 1.2 为 1534。
Gemini 4 Carbon 和 Muse Spark 1.2 哪个更快?
Muse Spark 1.2 输出更快(约 2 倍;输出 208 比 64 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Carbon 还是 Muse Spark 1.2 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 比 55,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Gemini 4 Carbon 为 17,Muse Spark 1.2 为 -8.2。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 64)。两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Muse Spark 1.2 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 11.4 秒比 73.5 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 Carbon 和 Muse Spark 1.2 的看法一致吗?
在两者都有结果的 27 项基准测试中,Gemini 4 Carbon 领先 27 项,Muse Spark 1.2 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
Gemini 4 Carbon 是什么时候发布的?
Gemini 4 Carbon 于 2026年10月28日 发布。