BenchLeader

Gemini 4 Neon vs Muse Spark 1.2

完整资料:Gemini 4 Neon(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 9 个来源

截至 2026年11月19日,质量上 Gemini 4 Neon 领先 Muse Spark 1.2(BenchLeader Index 67.3 比 61.4)。不过,Muse Spark 1.2 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $2.00 比 $6.00)。在两者都有成绩的所有类别中,Gemini 4 Neon 均领先。Muse Spark 1.2 输出更快(约 1.5 倍)。

要点(截至 2026年11月19日)

  • Gemini 4 Neon 的 BenchLeader Index 为 67.3,Muse Spark 1.2 为 61.4(BenchLeader,2026年11月19日)。
  • Gemini 4 Neon 每百万 token 混合价格为 $6.00(标价,2026年11月19日)。
  • Muse Spark 1.2 每百万 token 混合价格为 $2.00(标价,2026年11月19日)。
  • Muse Spark 1.2 比 Gemini 4 Neon 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 15 项基准测试中,Gemini 4 Neon 领先 15 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 4 Neon 的评分为 1764,Muse Spark 1.2 为 1534(LMArena,截至 2026年11月19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 Neon类别得分 73 比 54;Arena WebDev 1764 比 1534高
智能体与工具调用Gemini 4 Neon类别得分 76 比 55;Arena Agent 18.4 比 -9.1高
推理Gemini 4 Neon类别得分 72 比 68;Arena Hard Prompts 1546 比 1514中
知识Gemini 4 Neon类别得分 72 比 64高
对话质量(人类偏好)Gemini 4 NeonArena 投票 72 比 69中
成本最低Muse Spark 1.2每百万 token 混合价格 $2.00 比 $6.00;智能体编程会话 $0.092 比 $0.240–
首次回答最快Muse Spark 1.2首个回答 token 7.5 秒(Muse Spark 1.2 (xhigh))比 40.6 秒(Gemini 4 Neon (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 Neon (high) 领先:67.3 比 61.4。
  • Gemini 4 Neon (high) 在智能体与工具、编程、人类偏好、知识、推理方面更强。
  • Muse Spark 1.2 (xhigh) 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $2.00 比 $6.00)。
  • Muse Spark 1.2 (xhigh) 的输出速度是对方的 2.0 倍(204 比 101 token/秒)。

概览

规格Gemini 4 NeonMuse Spark 1.2
提供商GoogleMeta
发布日期2026年11月18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 Neon (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)$3.00 / $15.00 / $0.150$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 Neon (high)Muse Spark 1.2 (xhigh)领先者
推理71.968.1Gemini 4 Neon
编程73.454.3Gemini 4 Neon
智能体与工具76.255.0Gemini 4 Neon
数学–66.8无法比较
知识72.364.3Gemini 4 Neon
人类偏好71.768.6Gemini 4 Neon
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。

2550 avg75推理编程智能体与工具知识人类偏好Gemini 4 Neon, 推理: 71.9Gemini 4 Neon, 编程: 73.4Gemini 4 Neon, 智能体与工具: 76.2Gemini 4 Neon, 知识: 72.3Gemini 4 Neon, 人类偏好: 71.7Muse Spark 1.2, 推理: 68.1Muse Spark 1.2, 编程: 54.3Muse Spark 1.2, 智能体与工具: 55.0Muse Spark 1.2, 知识: 64.3Muse Spark 1.2, 人类偏好: 68.6

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。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 15 项基准测试中,Gemini 4 Neon 领先 15 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 Neon 更强。

综合 IndexGemini 4 Neon (high)Muse Spark 1.2 (xhigh)领先者
BenchLeader Index67.361.4Gemini 4 Neon
Arena Text15191493Gemini 4 Neon

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 Neon (high)Muse Spark 1.2 (xhigh)
每百万 token 混合价格$6.00$2.00
每百万 token 输入 / 输出$3.00 / $15.00$1.25 / $4.25
每百万 token 缓存输入$0.150$0.150
每项任务价格:聊天回复$0.0057$0.0018
每项任务价格:总结一份 30 页的报告$0.045$0.018
每项任务价格:代码编辑$0.041$0.014
每项任务价格:智能体编程会话$0.240$0.092
每项任务价格:结构化信息提取$0.0090$0.0034
智能体编程会话(输入大多命中缓存)$0.112$0.043
每项基准测试任务成本(AA Index)$3.74–
每项任务输出 token(AA Index)90k–
其中推理部分46k–
每项任务耗时(AA Index)15 min–
输出速度101 tok/s204 tok/s
首次回答时间40.6 秒7.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 Neon (high) 得分 67.3,首个回答 token 需 41 秒;Gemini 4 Neon (xhigh) 为 64.3(57 秒)。Muse Spark 1.2 (xhigh) 得分 61.4,首个回答 token 需 7 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 101 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 Neon (high)Muse Spark 1.2 (xhigh)
BenchLeader IndexBenchLeader67.361.4
智能体与工具得分BenchLeader76.255.0
编程得分BenchLeader73.454.3
人类偏好得分BenchLeader71.768.6
知识得分BenchLeader72.364.3
推理得分BenchLeader71.968.1
长上下文得分BenchLeader–64.1
数学得分BenchLeader–66.8
多模态得分BenchLeader–65.3
混合价格(美元/百万 token)BenchLeader$6.00$2.00
输出速度BenchLeader101 tok/s204 tok/s
首次回答时间BenchLeader40.6 秒7.5 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
SimpleBenchSimpleBench–74.5%†
Arena Hard PromptsArena (LMArena)15461514
LiveBench 2.0 ReasoningLiveBench89.6%†–
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 Analysis68.4%–
CritPtArtificial Analysis–17.7%
CritPt v2 hard subset (AA)Artificial Analysis59.0%–
Arena ExpertArena (LMArena)15411504
Chess PuzzlesEpoch AI Benchmarking Hub–27.0%
LMCAEpoch AI Benchmarking Hub–48.4%
DTBenchEpoch AI Benchmarking Hub–94.7%
编程
SciCodeSciCode–57.4%
WeirdMLWeirdML–60.4%
Arena CodingArena (LMArena)15581540
Arena WebDevArena (LMArena)17641534
LiveBench 2.0 CodingLiveBench89.7%†–
LiveBench 1.0 CodingLiveBench–77.5%
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 AI–79.1%
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
显示全部 101 项基准测试
指标发布方Gemini 4 Neon (high)Muse Spark 1.2 (xhigh)
编程
FrontierSWEEpoch AI Benchmarking Hub–12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis61.6%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 2–51.4†
GameBench 2 by reasoning settingDuelLab GameBench 2–56.7
Design Arena WebsiteDesign Arena–1301†
FrontierCode 2.0 (AA)Artificial Analysis43.3%–
智能体与工具
APEX-AgentsMercor–45.4%†
Arena AgentArena (LMArena)18.4-9.1
LiveBench Long AgenticLiveBench82.6%†–
LiveBench BrowserLiveBench95.6%†–
LiveBench Agentic CodingLiveBench–57.6%
Terminal-Bench 2.1 (Vals)Vals AI–69.7%
GDPval-AA v2.1Artificial Analysis–1478
τ³-Banking (AA)Artificial Analysis–34.9%
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI–60.6%
Harvey's Legal Agent Benchmark v1Vals AI–25.4%
Legal Research BenchVals AI–43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI–32.8%
Terminal-Bench 4.0 (Vals)Vals AI–6.1%
Arena Agent Task CompletionArena (LMArena)19.2-10.1
AutomationBenchArtificial Analysis79.2%40.6%
GDP.pdf (AA)Artificial Analysis33.4%17.4%
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis16321323
Design Arena AgenticDesign Arena–1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis65.7%–
MKA (AA)Artificial Analysis54.6%–
数学
ProofBenchVals AI–43.0%†
LiveBench MathematicsLiveBench–91.2%
Arena MathsArena (LMArena)–1486
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–60.3%
LiveBench 2.0 Data AnalysisLiveBench85.3%†–
LiveBench ResearchLiveBench94.5%†–
LiveBench 1.0 Data AnalysisLiveBench–76.5%
AA-Omniscience v1.1Artificial Analysis53.8–
MMLU-ProVals AI–88.3%
LegalBenchVals AI–85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI–80.4%
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI–57.0%
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%
AA-Omniscience v1.1: accuracyArtificial Analysis59.4%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis86.1%–
指令遵循
LiveBench LanguageLiveBench–78.6%
LiveBench Instruction FollowingLiveBench–74.3%
Arena Instruction FollowingArena (LMArena)15221476
人类偏好
Arena TextArena (LMArena)15191493
EQ-Bench Creative Writing v3EQ-Bench–1842†
Arena Creative WritingArena (LMArena)15141445
Arena Multi-turnArena (LMArena)15291506
Arena Longer QueriesArena (LMArena)15211490
多模态
Arena VisionArena (LMArena)–1305
LiveBench DesignLiveBench81.5%†–
MMMU-Pro (Vals)Vals AI–86.1%
MortgageTaxVals AI–65.4%
Humanity's Sixth SenseScale AI SEAL75.9%†24.5%
长上下文
AA-LCR v1.1Artificial Analysis–79.0%
MLCRArtificial Analysis28.9%7.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–155.1†
LiveBench 2.0LiveBench87.4%†–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis59.6–
AA Intelligence Index v4.3.2Artificial Analysis–39.6
AA Progress Index v1Artificial Analysis–309.1
Vals Multimodal IndexVals AI–69.8%†
安全与诚实
DistressBenchScale AI SEAL–88.4%†

数据截至 2026年11月19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), 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 Neon (high):13 项新结果(MLCR, MKA (AA), Arena Text…)。
  • Gemini 4 Neon (high):首批结果。
  • Muse Spark 1.2 (xhigh):1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • 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。

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 Neon vs Muse Spark 1.2:常见问题

Gemini 4 Neon 比 Muse Spark 1.2 更好吗?
质量上 Gemini 4 Neon (high) 领先:67.3 比 61.4。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,Gemini 4 Neon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Neon 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 $6.00(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 Neon 还是 Muse Spark 1.2 更好?
Gemini 4 Neon 在编程方面得分更高(类别得分 73 比 54,50 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 Neon 为 1764,Muse Spark 1.2 为 1534。
Gemini 4 Neon 和 Muse Spark 1.2 哪个更快?
Muse Spark 1.2 输出更快(约 1.5 倍;输出 204 比 101 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Neon 还是 Muse Spark 1.2 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 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 Neon 为 18.4,Muse Spark 1.2 为 -9.1。
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 7.5 秒比 40.6 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 Neon 和 Muse Spark 1.2 的看法一致吗?
在两者都有结果的 15 项基准测试中,Gemini 4 Neon 领先 15 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 Neon 更强。
Gemini 4 Neon 是什么时候发布的?
Gemini 4 Neon 于 2026年11月18日 发布。