BenchLeader

Gemini 4 Hydrogen vs Muse Spark

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

更新于 · 数据来自 9 个来源

截至 2026年11月16日,Gemini 4 Hydrogen 与 Muse Spark 的质量不相上下(BenchLeader Index 63.4 比 64.2,在 ±4.0 的误差范围内)。看重数学(68 比 59)、知识(69 比 63)和编程(69 比 65)选 Gemini 4 Hydrogen;看重智能体与工具(65 比 62)选 Muse Spark。

要点(截至 2026年11月16日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.4,Muse Spark 为 64.2(BenchLeader,2026年11月16日)。
  • Gemini 4 Hydrogen 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • 在两者都有结果的 9 项基准测试中,Gemini 4 Hydrogen 领先 7 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
编程Gemini 4 Hydrogen类别得分 69 比 65;Arena Coding 1518 比 1529中
智能体与工具调用Muse Spark类别得分 65 比 62;AA-Briefcase v1.1 646 比 1497中
数学Gemini 4 Hydrogen类别得分 68 比 59;Arena Maths 1495 比 1469高
推理Gemini 4 Hydrogen类别得分 70 比 67;Arena Hard Prompts 1514 比 1506中
知识Gemini 4 Hydrogen类别得分 69 比 63中
对话质量(人类偏好)均可Arena 投票 68 比 68均可
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 Hydrogen (high) 与 Muse Spark 的质量不相上下(63.4 比 64.2,在 ±4.0 的误差范围内)。
  • Gemini 4 Hydrogen (high) 在编程、人类偏好、知识、数学、推理方面更强。
  • Muse Spark 在智能体与工具方面更强。

概览

规格Gemini 4 HydrogenMuse Spark
提供商GoogleMeta
发布日期2026年11月12日2026年4月8日
上下文窗口(token)1,048,576262,144
对比时的配置Gemini 4 Hydrogen (high)Muse Spark
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.50 / $7.50 / $0.075–

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 Hydrogen (high)Muse Spark领先者
推理69.667.4Gemini 4 Hydrogen
编程68.865.1Gemini 4 Hydrogen
智能体与工具61.765.0Muse Spark
数学67.859.1Gemini 4 Hydrogen
知识68.563.1Gemini 4 Hydrogen
指令遵循–76.9无法比较
人类偏好68.268.1持平
多模态–64.2无法比较
长上下文–63.6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人类偏好Gemini 4 Hydrogen, 推理: 69.6Gemini 4 Hydrogen, 编程: 68.8Gemini 4 Hydrogen, 智能体与工具: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 知识: 68.5Gemini 4 Hydrogen, 人类偏好: 68.2Muse Spark, 推理: 67.4Muse Spark, 编程: 65.1Muse Spark, 智能体与工具: 65.0Muse Spark, 数学: 59.1Muse Spark, 知识: 63.1Muse Spark, 人类偏好: 68.1

未绘制(测得的模型少于两个):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 9 项基准测试中,Gemini 4 Hydrogen 领先 7 项,Muse Spark 领先 2 项。所有同时评测两者的综合评分都认为 Gemini 4 Hydrogen 更强。

综合 IndexGemini 4 Hydrogen (high)Muse Spark领先者
BenchLeader Index63.464.2不相上下
Arena Text14901489Gemini 4 Hydrogen

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 Hydrogen (high)Muse Spark
每百万 token 混合价格$3.00–
每百万 token 输入 / 输出$1.50 / $7.50– / –
每百万 token 缓存输入$0.075–
每项任务价格:聊天回复$0.0029–
每项任务价格:总结一份 30 页的报告$0.022–
每项任务价格:代码编辑$0.020–
每项任务价格:智能体编程会话$0.120–
每项任务价格:结构化信息提取$0.0045–
智能体编程会话(输入大多命中缓存)$0.056–
每项基准测试任务成本(AA Index)$1.87–
每项任务输出 token(AA Index)85k–
其中推理部分48k–
每项任务耗时(AA Index)8 min–
输出速度170 tok/s–
首次回答时间16.2 秒–
完整回答耗时(最近一次测量 2026年11月13日)63.3 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 Hydrogen (high) 得分 63.4,首个回答 token 需 16 秒;Gemini 4 Hydrogen (xhigh) 为 61.8(42 秒)。Muse Spark 得分 64.2。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 87 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 Hydrogen (high)Muse Spark
BenchLeader IndexBenchLeader63.464.2
智能体与工具得分BenchLeader61.765.0
编程得分BenchLeader68.865.1
人类偏好得分BenchLeader68.268.1
知识得分BenchLeader68.563.1
数学得分BenchLeader67.859.1
推理得分BenchLeader69.667.4
指令遵循得分BenchLeader–76.9
长上下文得分BenchLeader–63.6
多模态得分BenchLeader–64.2
混合价格(美元/百万 token)BenchLeader$3.00–
输出速度BenchLeader170 tok/s–
首次回答时间BenchLeader16.2 秒–
上下文窗口BenchLeader1,048,576 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
Arena Hard PromptsArena (LMArena)15141506
LiveBench 2.0 ReasoningLiveBench88.6%†–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis–40.7%
HLE-Diamond (AA)Artificial Analysis54.9%–
GPQA Diamond (Vals)Vals AI–89.7%
CritPtArtificial Analysis–11.3%
CritPt v2 hard subset (AA)Artificial Analysis61.5%–
Arena ExpertArena (LMArena)15421491
编程
SciCodeSciCode–51.5%
Arena CodingArena (LMArena)15181529
Arena WebDevArena (LMArena)1704–
LiveBench 2.0 CodingLiveBench78.5%†–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Vibe Code Bench v1.1Vals AI87.8%†19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
Design Arena WebsiteDesign Arena1320†1253
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
显示全部 87 项基准测试
指标发布方Gemini 4 Hydrogen (high)Muse Spark
智能体与工具
Terminal-BenchTerminal-Bench56.4%–
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1Artificial Analysis–1006
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Legal Research BenchVals AI53.9%†–
Tax Agent BenchVals AI52.3%†–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†–
AutomationBenchArtificial Analysis74.4%–
GDP.pdf (AA)Artificial Analysis30.0%–
AA-Briefcase v1.1Artificial Analysis1497646
Design Arena AgenticDesign Arena1262†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–88.9%
ProofBenchVals AI–17.0%
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)14951469
知识
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
AA-Omniscience v1.1Artificial Analysis43.7–
MMLU-ProVals AI–87.3%
LegalBenchVals AI–84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling Benchmark v1.1Vals AI75.8%†–
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
指令遵循
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)15031465
人类偏好
Arena TextArena (LMArena)14901489
Arena Creative WritingArena (LMArena)14921464
Arena Multi-turnArena (LMArena)14761493
Arena Longer QueriesArena (LMArena)15141476
多模态
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench77.3%†–
MMMU-ProArtificial Analysis–80.5%
MMMU-Pro (Vals)Vals AI–87.4%
长上下文
AA-LCR v1.1Artificial Analysis–78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis21.1%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–153.1
LiveBench 2.0LiveBench77.0%†–
AA Intelligence Index v5.0.1Artificial Analysis50.8–
AA Intelligence Index v4.3.2Artificial Analysis–31.3
AA Progress Index v1Artificial Analysis–289.1
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals Legal IndexVals AI73.6%†–
安全与诚实
FORTRESSScale AI SEAL–20.2%

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。

变化

  • Muse Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:1 项分数修订。
  • Muse Spark:1 项新结果(AA Progress Index v1)。

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 Hydrogen vs Muse Spark:常见问题

Gemini 4 Hydrogen 比 Muse Spark 更好吗?
Gemini 4 Hydrogen (high) 与 Muse Spark 的质量不相上下(63.4 比 64.2,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。
编程用 Gemini 4 Hydrogen 还是 Muse Spark 更好?
Gemini 4 Hydrogen 在编程方面得分更高(类别得分 69 比 65,50 为平均水平)。在两者共同的最主要编程基准测试 Arena Coding 上,Gemini 4 Hydrogen 为 1518,Muse Spark 为 1529。
智能体和工具调用用 Gemini 4 Hydrogen 还是 Muse Spark 更好?
Muse Spark 在智能体任务方面得分更高(类别得分 65 比 62,50 为平均水平)。
处理长文档哪个更好?
Gemini 4 Hydrogen 支持更长的上下文:1,048,576 token,Muse Spark 为 262,144 token。
第三方基准测试对 Gemini 4 Hydrogen 和 Muse Spark 的看法一致吗?
在两者都有结果的 9 项基准测试中,Gemini 4 Hydrogen 领先 7 项,Muse Spark 领先 2 项。所有同时评测两者的综合评分都认为 Gemini 4 Hydrogen 更强。
更多问题(1)
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。