Gemini 4 Hydrogen vs Muse Spark 1.2
完整资料:Gemini 4 Hydrogen(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 10 个来源
截至 2026年11月16日,Gemini 4 Hydrogen 与 Muse Spark 1.2 的质量不相上下(BenchLeader Index 63.4 比 61.5,在 ±5.3 的误差范围内)。Muse Spark 1.2 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 1.2 为 61.5(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 1.2 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 13 项基准测试中,Gemini 4 Hydrogen 领先 11 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Gemini 4 Hydrogen 的评分为 1704,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 Hydrogen | 类别得分 69 比 55;Arena WebDev 1704 比 1534 | 高 |
| 智能体与工具调用 | Gemini 4 Hydrogen | 类别得分 62 比 55;AutomationBench 74.4% 比 40.6% | 中 |
| 数学 | Gemini 4 Hydrogen | 类别得分 68 比 67;Arena Maths 1495 比 1486 | 中 |
| 推理 | Gemini 4 Hydrogen | 类别得分 70 比 68;Arena Hard Prompts 1514 比 1514 | 中 |
| 知识 | Gemini 4 Hydrogen | 类别得分 69 比 65 | 中 |
| 对话质量(人类偏好) | 均可 | Arena 投票 68 比 69 | 均可 |
| 成本最低 | Muse Spark 1.2 | 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 1.2 | 首个回答 token 11.4 秒(Muse Spark 1.2 (xhigh))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 1.2 (xhigh) 的质量不相上下(63.4 比 61.5,在 ±5.3 的误差范围内)。
- Gemini 4 Hydrogen (high) 在智能体与工具、编程、知识、数学、推理方面更强。
- Muse Spark 1.2 (xhigh) 在人类偏好方面更强。
- Muse Spark 1.2 (xhigh) 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 Hydrogen | Muse Spark 1.2 |
|---|---|---|
| 提供商 | Meta | |
| 发布日期 | 2026年11月12日 | 2026年8月5日 |
| 上下文窗口(token) | 1,048,576 | 1,048,576 |
| 对比时的配置 | Gemini 4 Hydrogen (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) | $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 1.2 (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 69.6 | 68.1 | Gemini 4 Hydrogen |
| 编程 | 68.8 | 54.7 | Gemini 4 Hydrogen |
| 智能体与工具 | 61.7 | 55.4 | Gemini 4 Hydrogen |
| 数学 | 67.8 | 66.8 | Gemini 4 Hydrogen |
| 知识 | 68.5 | 64.5 | Gemini 4 Hydrogen |
| 人类偏好 | 68.2 | 68.6 | 持平 |
| 多模态 | – | 65.3 | 无法比较 |
| 长上下文 | – | 64.1 | 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。
未绘制(测得的模型少于两个):指令遵循, 长上下文, 多模态。
各来源的分歧
在两者都有结果的 13 项基准测试中,Gemini 4 Hydrogen 领先 11 项,Muse Spark 1.2 领先 2 项。所有同时评测两者的综合评分都认为 Muse Spark 1.2 更强。
| 综合 Index | Gemini 4 Hydrogen (high) | Muse Spark 1.2 (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 63.4 | 61.5 | 不相上下 |
| Arena Text | 1490 | 1493 | Muse Spark 1.2 |
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 1.2 (xhigh) |
|---|---|---|
| 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/s | 208 tok/s |
| 首次回答时间 | 16.2 秒 | 11.4 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 63.3 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 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 1.2 (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 108 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 1.2 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.4 | 61.5 |
| 智能体与工具得分 | BenchLeader | 61.7 | 55.4 |
| 编程得分 | BenchLeader | 68.8 | 54.7 |
| 人类偏好得分 | BenchLeader | 68.2 | 68.6 |
| 知识得分 | BenchLeader | 68.5 | 64.5 |
| 数学得分 | BenchLeader | 67.8 | 66.8 |
| 推理得分 | BenchLeader | 69.6 | 68.1 |
| 长上下文得分 | BenchLeader | – | 64.1 |
| 多模态得分 | BenchLeader | – | 65.3 |
| 混合价格(美元/百万 token) | BenchLeader | $3.00 | $2.00 |
| 输出速度 | BenchLeader | 170 tok/s | 208 tok/s |
| 首次回答时间 | BenchLeader | 16.2 秒 | 11.4 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| SimpleBench | SimpleBench | – | 74.5%† |
| Arena Hard Prompts | Arena (LMArena) | 1514 | 1514 |
| LiveBench 2.0 Reasoning | LiveBench | 88.6%† | – |
| LiveBench 1.0 Reasoning | LiveBench | – | 90.0% |
| GPQA Diamond (AA) | Artificial Analysis | – | 90.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 45.5% |
| HLE-Diamond (AA) | Artificial Analysis | 54.9% | – |
| CritPt | Artificial Analysis | – | 17.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 61.5% | – |
| Arena Expert | Arena (LMArena) | 1542 | 1503 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 27.0% |
| LMCA | Epoch AI Benchmarking Hub | – | 48.4% |
| DTBench | Epoch AI Benchmarking Hub | – | 94.7% |
| 编程 | |||
| SciCode | SciCode | – | 57.4% |
| WeirdML | WeirdML | – | 60.3% |
| Arena Coding | Arena (LMArena) | 1518 | 1542 |
| Arena WebDev | Arena (LMArena) | 1704 | 1534 |
| LiveBench 2.0 Coding | LiveBench | 78.5%† | – |
| LiveBench 1.0 Coding | LiveBench | – | 77.5% |
| IOI | Vals AI | – | 21.8% |
| SWE-bench (Vals) | Vals AI | – | 86.6% |
| Code Migration | Vals AI | – | 29.9% |
| ProgramBench | Vals AI | – | 0.5% |
| Vibe Code Bench v1.1 | Vals AI | 87.8%† | 79.1% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 54.9% |
显示全部 108 项基准测试
| 指标 | 发布方 | Gemini 4 Hydrogen (high) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| 编程 | |||
| FrontierSWE | Epoch AI Benchmarking Hub | – | 12.0% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 54.0% | 7.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 80.2% |
| Startrise Frontend | Startrise | – | 70.3%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 51.5† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 56.9 |
| Design Arena Website | Design Arena | 1320† | 1309† |
| FrontierCode 2.0 (AA) | Artificial Analysis | 36.3% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 56.4% | – |
| APEX-Agents | Mercor | – | 45.4%† |
| Arena Agent | Arena (LMArena) | – | -8.2 |
| LiveBench Long Agentic | LiveBench | 61.8%† | – |
| LiveBench Browser | LiveBench | 77.1%† | – |
| LiveBench Agentic Coding | LiveBench | – | 57.6% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 69.7% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1478 |
| τ³-Banking (AA) | Artificial Analysis | – | 34.9% |
| CyberBench | Vals AI | – | 69.5% |
| Finance Agent v2 | Vals AI | – | 60.6% |
| Finance Agent v2.1 | Vals AI | 65.1%† | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 11.3%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 25.4% |
| Legal Research Bench | Vals AI | 53.9%† | 43.8% |
| SkillsBench | Vals AI | – | 53.0% |
| SREBench | Vals AI | – | 0.0% |
| Tax Agent Bench | Vals AI | 52.3%† | 32.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 54.0%† | 6.1% |
| Arena Agent Task Completion | Arena (LMArena) | – | -9.8 |
| AutomationBench | Artificial Analysis | 74.4% | 40.6% |
| GDP.pdf (AA) | Artificial Analysis | 30.0% | 17.4% |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.3% |
| AA-Briefcase v1.1 | Artificial Analysis | 1497 | 1323 |
| Design Arena Agentic | Design Arena | 1262† | 1185† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 41.4% | – |
| 数学 | |||
| ProofBench | Vals AI | – | 43.0%† |
| LiveBench Mathematics | LiveBench | – | 91.2% |
| Arena Maths | Arena (LMArena) | 1495 | 1486 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 60.3% |
| LiveBench 2.0 Data Analysis | LiveBench | 83.2%† | – |
| LiveBench Research | LiveBench | 86.8%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | – | 76.5% |
| AA-Omniscience v1.1 | Artificial Analysis | 43.7 | – |
| MMLU-Pro | Vals AI | – | 88.3% |
| LegalBench | Vals AI | – | 85.3% |
| CorpFin | Vals AI | – | 70.9% |
| TaxEval | Vals AI | – | 80.4% |
| BioMysteryBench | Vals AI | – | 64.8% |
| Excel Modeling Benchmark | Vals AI | – | 57.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | 75.8%† | – |
| MedCode | Vals AI | – | 49.4% |
| MedScribe | Vals AI | – | 90.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | – | 75.7% |
| Immigration Bench | Vals AI | – | 66.5% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 16.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 48.2% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 91.3% | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 78.6% |
| LiveBench Instruction Following | LiveBench | – | 74.3% |
| Arena Instruction Following | Arena (LMArena) | 1503 | 1479 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1490 | 1493 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1842† |
| Arena Creative Writing | Arena (LMArena) | 1492 | 1443 |
| Arena Multi-turn | Arena (LMArena) | 1476 | 1510 |
| Arena Longer Queries | Arena (LMArena) | 1514 | 1491 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1305 |
| LiveBench Design | LiveBench | 77.3%† | – |
| MMMU-Pro (Vals) | Vals AI | – | 86.1% |
| MortgageTax | Vals AI | – | 65.4% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 24.5% |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | – | 79.0% |
| MLCR | Artificial Analysis | 21.1%† | 7.2% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 155.0† |
| LiveBench 2.0 | LiveBench | 77.0%† | – |
| LiveBench 1.0 | LiveBench | – | 78.0% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 50.8 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 39.6 |
| AA Progress Index v1 | Artificial Analysis | – | 309.1 |
| Vals Index | Vals AI | 68.5† | – |
| Vals Finance Index | Vals AI | 66.1%† | – |
| Vals Multimodal Index | Vals AI | – | 69.8%† |
| Vals Legal Index | Vals AI | 73.6%† | – |
| 安全与诚实 | |||
| DistressBench | Scale 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
- Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
- Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
- Muse Spark 1.2 (xhigh):1 项分数修订。
- Muse Spark 1.2 (xhigh):1 项分数修订。
- Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。
- Muse Spark 1.2 (xhigh):1 项新结果(AA Progress Index v1)。
- Muse Spark 1.2 (xhigh):价格 $1.29/M → $0.81/M。
- Muse Spark 1.2 (xhigh):价格 $0.97/M → $1.29/M。
- Muse Spark 1.2 (xhigh):1 项新结果(AA-Briefcase v1.1)。
- Muse Spark 1.2 (xhigh):1 项新结果(Harvey's Legal Agent Benchmark v1)。
相关对比
- Gemini 4 Hydrogen vs Claude Fable 5.2
- Gemini 4 Hydrogen vs Gemini 4 Carbon
- Gemini 4 Hydrogen vs Claude Opus 5.5
- Muse Spark 1.2 vs Claude Fable 5.2
- Muse Spark 1.2 vs Gemini 4 Carbon
- Muse Spark 1.2 vs Claude Opus 5.5
- Muse Spark 1.2 vs GPT-6 Astra
- Gemini 4 Hydrogen vs Muse Spark 1.1
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 1.2:常见问题
- Gemini 4 Hydrogen 比 Muse Spark 1.2 更好吗?
- Gemini 4 Hydrogen (high) 与 Muse Spark 1.2 (xhigh) 的质量不相上下(63.4 比 61.5,在 ±5.3 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 1.2 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 $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 1.2 更好?
- Gemini 4 Hydrogen 在编程方面得分更高(类别得分 69 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 Hydrogen 为 1704,Muse Spark 1.2 为 1534。
- Gemini 4 Hydrogen 和 Muse Spark 1.2 哪个更快?
- Muse Spark 1.2 输出更快(输出 208 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 1.2 更好?
- Gemini 4 Hydrogen 在智能体任务方面得分更高(类别得分 62 比 55,50 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 1.2 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 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 1.2 的看法一致吗?
- 在两者都有结果的 13 项基准测试中,Gemini 4 Hydrogen 领先 11 项,Muse Spark 1.2 领先 2 项。所有同时评测两者的综合评分都认为 Muse Spark 1.2 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。