BenchLeader

Gemini 4 Hydrogen vs Muse Spark 1.1

完整资料:Gemini 4 Hydrogen(Google)和 Muse Spark 1.1(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 1.1 的质量不相上下(BenchLeader Index 63.4 比 62.2,在 ±5.9 的误差范围内)。Muse Spark 1.1 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $3.00)。在两者都有成绩的所有类别中,Gemini 4 Hydrogen 均领先。

要点(截至 2026年11月16日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.4,Muse Spark 1.1 为 62.2(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)。
  • Muse Spark 1.1 每百万 token 混合价格为 $2.00(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)。
  • 在 Arena WebDev 上,Gemini 4 Hydrogen 的评分为 1704,Muse Spark 1.1 为 1542(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 Hydrogen类别得分 69 比 66;Arena WebDev 1704 比 1542中
智能体与工具调用Gemini 4 Hydrogen类别得分 62 比 51高
数学Gemini 4 Hydrogen类别得分 68 比 61;Arena Maths 1495 比 1493中
推理Gemini 4 Hydrogen类别得分 70 比 68;Arena Hard Prompts 1514 比 1511中
知识均可类别得分 69 比 69均可
对话质量(人类偏好)Gemini 4 HydrogenArena 投票 68 比 65中
成本最低Muse Spark 1.1每百万 token 混合价格 $2.00 比 $3.00;智能体编程会话 $0.092 比 $0.120–
首次回答最快Muse Spark 1.1首个回答 token 1.8 秒(Muse Spark 1.1)比 16.2 秒(Gemini 4 Hydrogen (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 Hydrogen (high) 与 Muse Spark 1.1 的质量不相上下(63.4 比 62.2,在 ±5.9 的误差范围内)。
  • Gemini 4 Hydrogen (high) 在智能体与工具、编程、人类偏好、数学、推理方面更强。
  • Muse Spark 1.1 在知识方面更强。
  • Muse Spark 1.1 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $3.00)。

概览

规格Gemini 4 HydrogenMuse Spark 1.1
提供商GoogleMeta
发布日期2026年11月12日2026年7月9日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 4 Hydrogen (high)Muse Spark 1.1
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$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 Hydrogen (high)Muse Spark 1.1领先者
推理69.667.8Gemini 4 Hydrogen
编程68.865.8Gemini 4 Hydrogen
智能体与工具61.750.9Gemini 4 Hydrogen
数学67.861.3Gemini 4 Hydrogen
知识68.569.2持平
指令遵循–70.4无法比较
人类偏好68.264.5Gemini 4 Hydrogen
多模态–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 1.1, 推理: 67.8Muse Spark 1.1, 编程: 65.8Muse Spark 1.1, 智能体与工具: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知识: 69.2Muse Spark 1.1, 人类偏好: 64.5

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 1.1 领先 2 项。所有同时评测两者的综合评分都认为 Muse Spark 1.1 更强。

综合 IndexGemini 4 Hydrogen (high)Muse Spark 1.1领先者
BenchLeader Index63.462.2不相上下
Arena Text14901491Muse Spark 1.1

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 1.1
每百万 token 混合价格$3.00$2.00
每百万 token 输入 / 输出$1.50 / $7.50$1.25 / $4.25
每百万 token 缓存输入$0.075$0.150
每项任务价格:聊天回复$0.0029$0.0018
每项任务价格:总结一份 30 页的报告$0.022$0.018
每项任务价格:代码编辑$0.020$0.014
每项任务价格:智能体编程会话$0.120$0.092
每项任务价格:结构化信息提取$0.0045$0.0034
智能体编程会话(输入大多命中缓存)$0.056$0.043
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/s193 tok/s
首次回答时间16.2 秒1.8 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 1.1 得分 62.2,首个回答 token 需 2 秒;Muse Spark 1.1 (xhigh) 为 59.5(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 112 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 1.1
BenchLeader IndexBenchLeader63.462.2
智能体与工具得分BenchLeader61.750.9
编程得分BenchLeader68.865.8
人类偏好得分BenchLeader68.264.5
知识得分BenchLeader68.569.2
数学得分BenchLeader67.861.3
推理得分BenchLeader69.667.8
指令遵循得分BenchLeader–70.4
多模态得分BenchLeader–63.6
混合价格(美元/百万 token)BenchLeader$3.00$2.00
输出速度BenchLeader170 tok/s193 tok/s
首次回答时间BenchLeader16.2 秒1.8 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
Arena Hard PromptsArena (LMArena)15141511
LiveBench 2.0 ReasoningLiveBench88.6%†–
LiveBench 1.0 ReasoningLiveBench–87.7%†
GPQA Diamond (AA)Artificial Analysis–89.8%†
Humanity's Last Exam (AA)Artificial Analysis–46.2%†
HLE-Diamond (AA)Artificial Analysis54.9%–
GPQA Diamond (Vals)Vals AI–91.2%†
CritPtArtificial Analysis–15.1%†
CritPt v2 hard subset (AA)Artificial Analysis61.5%–
Arena ExpertArena (LMArena)15421504
Chess PuzzlesEpoch AI Benchmarking Hub–34.0%†
LMCAEpoch AI Benchmarking Hub–49.9%†
DTBenchEpoch AI Benchmarking Hub–94.4%†
编程
SciCodeSciCode–58.8%
Arena CodingArena (LMArena)15181533
Arena WebDevArena (LMArena)17041542
LiveBench 2.0 CodingLiveBench78.5%†–
LiveBench 1.0 CodingLiveBench–77.2%†
LiveCodeBenchVals AI–85.9%†
SWE-bench (Vals)Vals AI–82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI–31.1%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench v1.1Vals AI87.8%†72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
显示全部 112 项基准测试
指标发布方Gemini 4 Hydrogen (high)Muse Spark 1.1
编程
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
Design Arena WebsiteDesign Arena1320†1263
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
智能体与工具
Terminal-BenchTerminal-Bench56.4%–
APEX-AgentsMercor–31.8%
Arena AgentArena (LMArena)–-8
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
LiveBench Agentic CodingLiveBench–58.5%†
Terminal-Bench 2.1 (Vals)Vals AI–69.3%†
MCP AtlasScale AI SEAL–88.1%
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1Artificial Analysis–1216†
τ³-Banking (AA)Artificial Analysis–31.8%†
Finance Agent v2Vals AI–57.2%†
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Harvey's Legal Agent Benchmark v1Vals AI–20.0%†
Legal Research BenchVals AI53.9%†38.0%†
SkillsBenchVals AI–59.2%†
Tax Agent BenchVals AI52.3%†–
Terminal-Bench 4.0 (Vals)Vals AI54.0%†–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)–-6.5
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs–6520.5
AutomationBenchArtificial Analysis74.4%38.9%†
GDP.pdf (AA)Artificial Analysis30.0%14.4%†
AA-Briefcase v1.1Artificial Analysis1497851†
Design Arena AgenticDesign Arena1262†1172
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%–
数学
ProofBenchVals AI–39.0%
LiveBench MathematicsLiveBench–87.1%†
Arena MathsArena (LMArena)14951493
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.8%
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
LiveBench 1.0 Data AnalysisLiveBench–72.5%†
AA-Omniscience v1.1Artificial Analysis43.7–
MMLU-ProVals AI–88.7%†
LegalBenchVals AI–85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI–79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL–57.0%
MultiNRCScale AI SEAL–65.6%
Excel Modeling BenchmarkVals AI–56.4%†
Excel Modeling Benchmark v1.1Vals AI75.8%†–
MedScribeVals AI–88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
GDP.pdfEpoch AI Benchmarking Hub–15.0%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
指令遵循
LiveBench LanguageLiveBench–74.3%†
LiveBench Instruction FollowingLiveBench–69.6%†
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)15031473
人类偏好
Arena TextArena (LMArena)14901491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench–1928
Arena Creative WritingArena (LMArena)14921443
Arena Multi-turnArena (LMArena)14761497
Arena Longer QueriesArena (LMArena)15141481
多模态
Arena VisionArena (LMArena)–1292
LiveBench DesignLiveBench77.3%†–
MMMU-Pro (Vals)Vals AI–86.6%†
MortgageTaxVals AI–66.1%†
VTBScale AI SEAL–44.8%
长上下文
AA-LCR v1.1Artificial Analysis–77.7%†
Arena DocumentArena (LMArena)–1480
MLCRArtificial Analysis21.1%†7.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–154.9
LiveBench 2.0LiveBench77.0%†–
LiveBench 1.0LiveBench–75.3%†
AA Intelligence Index v5.0.1Artificial Analysis50.8–
AA Intelligence Index v4.3.2Artificial Analysis–33.7†
AA Progress Index v1Artificial Analysis–302.7†
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals Multimodal IndexVals AI–66.7%†
Vals Legal IndexVals AI73.6%†–
安全与诚实
FORTRESSScale AI SEAL–12.4%

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。

变化

  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Spark 1.1:2 项分数修订。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Spark 1.1:BenchLeader Index 63.1 → 62.5。

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 Hydrogen vs Muse Spark 1.1:常见问题

Gemini 4 Hydrogen 比 Muse Spark 1.1 更好吗?
Gemini 4 Hydrogen (high) 与 Muse Spark 1.1 的质量不相上下(63.4 比 62.2,在 ±5.9 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 Hydrogen 和 Muse Spark 1.1 哪个更便宜?价格会变吗?
目前 Muse Spark 1.1 更便宜:每百万 token $2.00 比 $3.00(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 Hydrogen 还是 Muse Spark 1.1 更好?
Gemini 4 Hydrogen 在编程方面得分更高(类别得分 69 比 66,50 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 Hydrogen 为 1704,Muse Spark 1.1 为 1542。
Gemini 4 Hydrogen 和 Muse Spark 1.1 哪个更快?
Muse Spark 1.1 输出更快(输出 193 比 170 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Hydrogen 还是 Muse Spark 1.1 更好?
Gemini 4 Hydrogen 在智能体任务方面得分更高(类别得分 62 比 51,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Muse Spark 1.1 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.8 秒比 16.2 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 Hydrogen 和 Muse Spark 1.1 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 1.1 领先 2 项。所有同时评测两者的综合评分都认为 Muse Spark 1.1 更强。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。