BenchLeader

Gemini 4 Hydrogen vs Muse Wonder Full

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

更新于 · 数据来自 7 个来源

截至 2026年11月16日,Gemini 4 Hydrogen 与 Muse Wonder Full 的质量不相上下(BenchLeader Index 63.4 比 61.7,在 ±3.1 的误差范围内)。看重知识(69 比 62)和推理(70 比 66)选 Gemini 4 Hydrogen;看重智能体与工具(64 比 62)和编程(70 比 69)选 Muse Wonder Full。

要点(截至 2026年11月16日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.4,Muse Wonder Full 为 61.7(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 12 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 Wonder Full 为 1724(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Muse Wonder Full类别得分 70 比 69;Arena WebDev 1724 比 1704中
智能体与工具调用Muse Wonder Full类别得分 64 比 62;GDP.pdf (AA) 32.6% 比 30.0%中
推理Gemini 4 Hydrogen类别得分 70 比 66;HLE-Diamond (AA) 54.9% 比 48.5%中
知识Gemini 4 Hydrogen类别得分 69 比 62;AA-Omniscience v1.1 43.7 比 30.6中
对话质量(人类偏好)–只有 Gemini 4 Hydrogen 有 Arena 评分(类别得分 68)无法比较
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 Wonder Full (max) 的质量不相上下(63.4 比 61.7,在 ±3.1 的误差范围内)。
  • Gemini 4 Hydrogen (high) 在知识、推理方面更强。
  • Muse Wonder Full (max) 在智能体与工具、编程方面更强。

概览

规格Gemini 4 HydrogenMuse Wonder Full
提供商GoogleMeta
发布日期2026年11月12日2026年10月12日
上下文窗口(token)1,048,5761,000,000
对比时的配置Gemini 4 Hydrogen (high)Muse Wonder Full (max)
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 Wonder Full (max)领先者
推理69.665.8Gemini 4 Hydrogen
编程68.869.9Muse Wonder Full
智能体与工具61.763.6Muse Wonder Full
数学67.8–无法比较
知识68.562.3Gemini 4 Hydrogen
人类偏好68.2–无法比较
长上下文–66.6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知识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, 知识: 68.5Muse Wonder Full, 推理: 65.8Muse Wonder Full, 编程: 69.9Muse Wonder Full, 智能体与工具: 63.6Muse Wonder Full, 知识: 62.3

未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 12 项基准测试中,Gemini 4 Hydrogen 领先 7 项,Muse Wonder Full 领先 5 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 Wonder Full (max)领先者
BenchLeader Index63.461.7不相上下
AA Intelligence Index v5.0.150.850.1Gemini 4 Hydrogen
Vals Index68.5†66.8Gemini 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 Wonder Full (max)
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)85k88k
其中推理部分48k55k
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 Wonder Full (max) 得分 61.7。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 82 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 Wonder Full (max)
BenchLeader IndexBenchLeader63.461.7
智能体与工具得分BenchLeader61.763.6
编程得分BenchLeader68.869.9
人类偏好得分BenchLeader68.2–
知识得分BenchLeader68.562.3
数学得分BenchLeader67.8–
推理得分BenchLeader69.665.8
长上下文得分BenchLeader–66.6
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 token1,000,000 token
推理
Arena Hard PromptsArena (LMArena)1514–
LiveBench 2.0 ReasoningLiveBench88.6%†–
Humanity's Last Exam (AA)Artificial Analysis–53.6%
HLE-Diamond (AA)Artificial Analysis54.9%48.5%
CritPtArtificial Analysis–32.9%
CritPt v2 hard subset (AA)Artificial Analysis61.5%56.5%
MysteryMechanismVals AI–35.1%
Arena ExpertArena (LMArena)1542–
编程
Arena CodingArena (LMArena)1518–
Arena WebDevArena (LMArena)17041724
LiveBench 2.0 CodingLiveBench78.5%†–
SciCode (AA)Artificial Analysis–62.6%
IOIVals AI–79.8%
Code MigrationVals AI–61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI87.8%†86.0%
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%57.1%
Design Arena WebsiteDesign Arena1320†–
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis36.3%37.8%
智能体与工具
Terminal-BenchTerminal-Bench56.4%–
Arena AgentArena (LMArena)–9
显示全部 82 项基准测试
指标发布方Gemini 4 Hydrogen (high)Muse Wonder Full (max)
智能体与工具
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis–1857
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI–59.1%
Finance Agent v2.1Vals AI65.1%†67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI53.9%†53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI52.3%†43.0%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†58.1%
Terminal-Bench ScienceVals AI–37.1%
Arena Agent Task CompletionArena (LMArena)–11.1
AutomationBenchArtificial Analysis74.4%71.3%
GDP.pdf (AA)Artificial Analysis30.0%32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis14971729
GDPxGDPx by SemiAnalysis–9.0%
Design Arena AgenticDesign Arena1262†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%37.1%
数学
Arena MathsArena (LMArena)1495–
知识
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
AA-Omniscience v1.1Artificial Analysis43.730.6
LegalBenchVals AI–87.4%
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI75.8%†75.0%
MedCodeVals AI–49.9%
MedScribeVals AI–89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%82.4%
指令遵循
Arena Instruction FollowingArena (LMArena)1503–
人类偏好
Arena TextArena (LMArena)1490–
Arena Creative WritingArena (LMArena)1492–
Arena Multi-turnArena (LMArena)1476–
Arena Longer QueriesArena (LMArena)1514–
多模态
LiveBench DesignLiveBench77.3%†–
长上下文
AA-LCR v1.1Artificial Analysis–83.7%
MLCRArtificial Analysis21.1%†22.2%
综合
LiveBench 2.0LiveBench77.0%†–
AA Intelligence Index v5.0.1Artificial Analysis50.850.1
AA Intelligence Index v4.3.2Artificial Analysis–55.8
AA Progress Index v1Artificial Analysis–343.2
Vals IndexVals AI68.5†66.8
Vals Finance IndexVals AI66.1%†64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI73.6%†77.9%

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。

变化

  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项新结果(Arena Agent)。
  • Muse Wonder Full (max):6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);2 项分数修订。
  • Muse Wonder Full (max):1 项新结果(Terminal-Bench-Science 0.1 (AA))。
  • Muse Wonder Full (max):9 项新结果(Code Migration v1.1, Excel Modeling Benchmark v1.1, Finance Agent v2.1…)。
  • Muse Wonder Full (max):1 项新结果(FrontierCode 1.1 (AA))。
  • Muse Wonder Full (max):1 项新结果(Arena WebDev);2 项分数修订。

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 Hydrogen vs Muse Wonder Full:常见问题

Gemini 4 Hydrogen 比 Muse Wonder Full 更好吗?
Gemini 4 Hydrogen (high) 与 Muse Wonder Full (max) 的质量不相上下(63.4 比 61.7,在 ±3.1 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 Wonder Full 更好?
Muse Wonder Full 在编程方面得分更高(类别得分 70 比 69,50 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 Wonder Full 为 1724。
智能体和工具调用用 Gemini 4 Hydrogen 还是 Muse Wonder Full 更好?
Muse Wonder Full 在智能体任务方面得分更高(类别得分 64 比 62,50 为平均水平)。
处理长文档哪个更好?
两者都约为 1M token(Gemini 4 Hydrogen 为 1,048,576,Muse Wonder Full 为 1,000,000)。
第三方基准测试对 Gemini 4 Hydrogen 和 Muse Wonder Full 的看法一致吗?
在两者都有结果的 12 项基准测试中,Gemini 4 Hydrogen 领先 7 项,Muse Wonder Full 领先 5 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。