BenchLeader

Gemini 4 Neon vs Muse Wonder Full

完整资料:Gemini 4 Neon(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 6 个来源

截至 2026年11月19日,质量上 Gemini 4 Neon 领先 Muse Wonder Full(BenchLeader Index 67.3 比 60.8)。在两者都有成绩的所有类别中,Gemini 4 Neon 均领先。

要点(截至 2026年11月19日)

  • Gemini 4 Neon 的 BenchLeader Index 为 67.3,Muse Wonder Full 为 60.8(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)。
  • 在两者都有结果的 15 项基准测试中,Gemini 4 Neon 领先 14 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 4 Neon 的评分为 1764,Muse Wonder Full 为 1723(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 69;Arena WebDev 1764 比 1723中
智能体与工具调用Gemini 4 Neon类别得分 76 比 61;Arena Agent 18.4 比 8高
推理Gemini 4 Neon类别得分 72 比 64;HLE-Diamond (AA) 68.4% 比 48.5%高
知识Gemini 4 Neon类别得分 72 比 62;AA-Omniscience v1.1 53.8 比 30.6高
对话质量(人类偏好)–只有 Gemini 4 Neon 有 Arena 评分(类别得分 72)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

  • 质量上 Gemini 4 Neon (high) 领先:67.3 比 60.8。
  • Gemini 4 Neon (high) 在智能体与工具、编程、知识、推理方面更强。

概览

规格Gemini 4 NeonMuse Wonder Full
提供商GoogleMeta
发布日期2026年11月18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 Neon (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)$3.00 / $15.00 / $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 Wonder Full (max)领先者
推理71.964.1Gemini 4 Neon
编程73.468.5Gemini 4 Neon
智能体与工具76.260.8Gemini 4 Neon
知识72.361.7Gemini 4 Neon
人类偏好71.7–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 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: 72.3Muse Wonder Full, 推理: 64.1Muse Wonder Full, 编程: 68.5Muse Wonder Full, 智能体与工具: 60.8Muse Wonder Full, 知识: 61.7

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 15 项基准测试中,Gemini 4 Neon 领先 14 项,Muse Wonder Full 领先 1 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 Wonder Full (max)领先者
BenchLeader Index67.360.8Gemini 4 Neon
AA Intelligence Index v5.0.159.650.1Gemini 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 Wonder Full (max)
每百万 token 混合价格$6.00–
每百万 token 输入 / 输出$3.00 / $15.00– / –
每百万 token 缓存输入$0.150–
每项任务价格:聊天回复$0.0057–
每项任务价格:总结一份 30 页的报告$0.045–
每项任务价格:代码编辑$0.041–
每项任务价格:智能体编程会话$0.240–
每项任务价格:结构化信息提取$0.0090–
智能体编程会话(输入大多命中缓存)$0.112–
每项基准测试任务成本(AA Index)$3.74–
每项任务输出 token(AA Index)90k88k
其中推理部分46k55k
每项任务耗时(AA Index)15 min–
输出速度101 tok/s–
首次回答时间40.6 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 Wonder Full (max) 得分 60.8。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 80 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 Wonder Full (max)
BenchLeader IndexBenchLeader67.360.8
智能体与工具得分BenchLeader76.260.8
编程得分BenchLeader73.468.5
人类偏好得分BenchLeader71.7–
知识得分BenchLeader72.361.7
推理得分BenchLeader71.964.1
长上下文得分BenchLeader–66.6
混合价格(美元/百万 token)BenchLeader$6.00–
输出速度BenchLeader101 tok/s–
首次回答时间BenchLeader40.6 秒–
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
Arena Hard PromptsArena (LMArena)1546–
LiveBench 2.0 ReasoningLiveBench89.6%†–
Humanity's Last Exam (AA)Artificial Analysis–53.6%
HLE-Diamond (AA)Artificial Analysis68.4%48.5%
CritPtArtificial Analysis–32.9%
CritPt v2 hard subset (AA)Artificial Analysis59.0%56.5%
MysteryMechanismVals AI–35.1%
Arena ExpertArena (LMArena)1541–
编程
Arena CodingArena (LMArena)1558–
Arena WebDevArena (LMArena)17641723
LiveBench 2.0 CodingLiveBench89.7%†–
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 AI–86.0%
Terminal-Bench 4.0 (AA)Artificial Analysis61.6%57.1%
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis43.3%37.8%
智能体与工具
Arena AgentArena (LMArena)18.48
LiveBench Long AgenticLiveBench82.6%†–
LiveBench BrowserLiveBench95.6%†–
显示全部 80 项基准测试
指标发布方Gemini 4 Neon (high)Muse Wonder Full (max)
智能体与工具
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 AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI–53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI–43.0%
Terminal-Bench 4.0 (Vals)Vals AI–58.1%
Terminal-Bench ScienceVals AI–37.1%
Arena Agent Task CompletionArena (LMArena)19.210.4
AutomationBenchArtificial Analysis79.2%71.3%
GDP.pdf (AA)Artificial Analysis33.4%32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis16321729
GDPxGDPx by SemiAnalysis–9.0%
Terminal-Bench-Science 0.1 (AA)Artificial Analysis65.7%37.1%
MKA (AA)Artificial Analysis54.6%–
知识
LiveBench 2.0 Data AnalysisLiveBench85.3%†–
LiveBench ResearchLiveBench94.5%†–
AA-Omniscience v1.1Artificial Analysis53.830.6
LegalBenchVals AI–87.4%
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI–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 Analysis59.4%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis86.1%82.4%
指令遵循
Arena Instruction FollowingArena (LMArena)1522–
人类偏好
Arena TextArena (LMArena)1519–
Arena Creative WritingArena (LMArena)1514–
Arena Multi-turnArena (LMArena)1529–
Arena Longer QueriesArena (LMArena)1521–
多模态
LiveBench DesignLiveBench81.5%†–
Humanity's Sixth SenseScale AI SEAL75.9%†–
长上下文
AA-LCR v1.1Artificial Analysis–83.7%
MLCRArtificial Analysis28.9%22.2%
综合
LiveBench 2.0LiveBench87.4%†–
AA Intelligence Index v5.0.1Artificial Analysis59.650.1
AA Intelligence Index v4.3.2Artificial Analysis–55.8
AA Progress Index v1Artificial Analysis–343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI–77.9%

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。

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 Wonder Full (max):BenchLeader Index 61.7 → 61.0。
  • Muse Wonder Full (max):2 项分数修订。
  • 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))。

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 Wonder Full:常见问题

Gemini 4 Neon 比 Muse Wonder Full 更好吗?
质量上 Gemini 4 Neon (high) 领先:67.3 比 60.8。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。
编程用 Gemini 4 Neon 还是 Muse Wonder Full 更好?
Gemini 4 Neon 在编程方面得分更高(类别得分 73 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 Neon 为 1764,Muse Wonder Full 为 1723。
智能体和工具调用用 Gemini 4 Neon 还是 Muse Wonder Full 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 比 61,50 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 Wonder Full 为 8。
处理长文档哪个更好?
两者都约为 1M token(Gemini 4 Neon 为 1,048,576,Muse Wonder Full 为 1,000,000)。
第三方基准测试对 Gemini 4 Neon 和 Muse Wonder Full 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 14 项,Muse Wonder Full 领先 1 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。
更多问题(1)
Gemini 4 Neon 是什么时候发布的?
Gemini 4 Neon 于 2026年11月18日 发布。