Muse Spark 与 Gemini 4 Argon：12 月 1 日价格翻倍

如今你能找到的几乎每一篇 Muse Spark与 Gemini 4 Argon的对比，比的都是每百万输入 token 1.25 美元对 2.00 美元，而这样的对比再过六周就作废了。Google 自己的定价页面上，Gemini 4 Argon 标的是输入 2.00 美元、输出 10.00 美元，缓存输入 0.10 美元，属于"截至 2026 年 11 月 30 日"的推广价；从 2026 年 12 月 1 日起，同一款模型的标价就变成输入 4.00 美元、输出 20.00 美元、缓存 0.20 美元。Meta 的 Muse Spark 系列则在 Muse Spark 1.1、1.2 和 1.3 上一直保持在输入 1.25 美元、输出 4.25 美元。所以这场对决里真正有意思的问题，不是十月里哪个模型更聪明——而是十二月一日那天这笔账算下来是什么样，以及你本月在 Gemini 4 Argon 上搭建的东西能不能挺过那个日子。

两种模型，两种截然不同的发表模式

G​emini 4 Argon 是 G​oogle 最新的前沿模型，于 2026 年 10 月 13 日正式全面可用——更新日志条目只有一行，开发者文档的日期也在同一周。Artificial Analysis 的条目中有一条 2026 年 9 月的发布说明，我们将其解读为 GA 前或预览版的来源，而不是第二次发布；我们找不到正式的预览公告来证实这一点，因此我们将 GA 日期视为可靠的日期。G​oogle 的模型页面将其标记为“Stable”。

Muse Spark 1.3 is the current checkpoint of M​eta Superintelligence Labs' Muse Spark line, released September 2, 2026, with its "max" reasoning level opened to developers on September 4. The unversioned "Muse Spark" name refers to the original April 2026 model in the same family; version numbers are doing real work here, and 1.3 is the one to compare.

独立记分牌

这两份条目均来自 Artificial Analysis，而且衡量的都是高算力配置，因此这是少数几个能够在指数本身上进行推理模型对推理模型对等比较的对决之一。本节中的所有内容均为 Artificial Analysis 的测量数据，而非厂商的宣称。

• 智能指数 — G​emini 4 Argon (High)：53，在 217 个中排名第 8。Muse Spark 1.3 (max)：48，在 217 个中排名第 24。

• 每个索引任务的成本 — Gemini 4 Argon：$1.99。Muse Spark 1.3：$1.60。

• 输出速度 — Gemini 4 Argon：未测量；列表中未显示数值。Muse Spark 1.3：每秒 121.9 个 token，在 186 个中排名第 43。

• 冗长程度 — G​emini 4 Argon：在索引期间输出 110M 个 token。Muse Spark 1.3：170M。两者中 Argon 更简洁。

• 按实测的标价——Argon 的入门价为 $2.00 / $10.00；Muse Spark 1.3 为 $1.25 / $4.25，缓存读取为 $0.15。

5 分的智能差距真实存在，而且幅度不大。会反转的是成本差距，而且反转得很厉害：按入门费率，Argon 每完成一个任务的成本要高出约 24%；按 12 月的费率，基于输入和输出定价的同一比较，会让输入侧大约翻倍，输出侧也翻倍，因此每任务溢价不再只是边际性的。这是这项比较中与决策最相关的单一事实，而它没有出现在任何发布报道中。

每一项实际会接受什么

这里，两份记录来源存在分歧，而展示这一分歧比选边站队更有价值。

Google 自己的 Gemini 4 Argon 模型页面将文本、图像、视频、音频和 PDF 列为输入，输出为文本，思考强度分为低、中、高，默认中。Artificial Analysis 对同一模型的摘要句称其“支持文本和图像输入”，并输出文本。我们核查了两者，因为这种差异正是最容易被一路沿用下去的那类东西；厂商自己的页面是更广泛也更具体的清单，也是应当用来对照测试的那一个。把厂商清单当作主张，并在你自己的文件上验证它。

从纸面上看，Muse Spark 1.3 是更窄的那个模型：文本、图像和视频输入，文本输出；在文档列出的模态一栏中，没有音频或 PDF 通路，而推理档位则一路可至 max。

• 输入 — G​emini 4 Argon：文本、图像、视频、音频、PDF（依据 G​oogle）；文本和图像（依据独立列表）。Muse Spark 1.3：文本、图像、视频。

• 输出 — 仅文本，两者皆要。

• 上下文窗口 — 两者均为 1,048,576 个 token，Google 将其描述为在输入、思考和输出之间共享的统一窗口。

• 最大输出 — Gemini 4 Argon：默认同步调用下为 65,536 个 token，可通过长解码扩展至完整窗口。Meta 未公布我们能核实的 Muse Spark 1.3 最大输出数值。

• 推理控制 — Argon：低 / 中 / 高，没有关闭开关。Muse Spark 1.3：从最低到最高，而且 Meta 的工具说明指出推理同样无法关闭。

供应商主张，保持在供应商这一侧

两家公司都没有发布可比的表格，因此这只是一份主张清单，而不是记分牌，而且我们并未复制其中任何内容。

G​oogle 公布的 G​emini 4 Argon 数据为：DeepSWE v1.1 达 77.9%，Terminal-bench 4.0 达 57.4%，OSWorld 2.0 离线子集达 69.2%，AutomationBench 达 51.3%，Vals Index 达 68.9%，Chartography 达 71.6%，LVBench 达 91.7%，等等。M​eta 公布的 Muse Spark 1.3 数据则集中在：DeepSWE v1.1 为 75.4，OSWorld 2.0 为 66.9，在 Terminus 2 智能体下 Terminal-Bench 2.1 为 76.4，MCP-Atlas 为 89.2，GDPval-AA v2 为 1,754。要注意两者在哪些地方重叠、哪些地方不重叠：DeepSWE 是共有的且成绩接近，OSWorld 是共有的，但基于不同修订版本相差约两个点，而 Terminal-Bench 则是 M​eta 在更旧的版本上、使用具名智能体测试框架报告的。在这些差异之间做减法不是算术，而是算命。

有一个独立信号值得与各厂商条目一并记录：LMArena 的文本排行榜目前将 G​emini 4 Argon 的一个配置以 1524 Elo 列为总榜第一，并标注为初步结果。Muse Spark 1.3 在该榜上没有任何条目。无论是否属于初步结果，这都是记录中最有力的证据，说明 Argon 在指数上领先五分这一点低估了它在人类投票者中的声望。

决定它比基准测试更快的工程细节

• 采样参数被忽略——Google 的文档指出，temperature、top_p 和 top_k 对 Gemini 4 Argon 没有影响，并且不支持显式缓存，仅保留隐式缓存。如果你的技术栈调整 temperature，那个旋钮会静默失效，而不是报错。Muse Spark 1.3 公开了一个 reasoning-effort 参数，但没有发布对采样的等效限制。

• 超时 — 对于此模型，G​oogle 建议客户端超时时间至少设为十五分钟。如果你使用的是 60 秒的网关默认值，那么你看到的失败会像是模型错误，但实则不然。

• 对话状态 — Argon 使用服务端交互标识符来维护多轮状态；Muse Spark 系列则围绕标准消息数组模式进行文档化。在两者之间移植并非查找替换。

• 缓存读取——Muse Spark 1.3 的缓存输入价格为 $0.15，而标准价为 $1.25，相当于 88% 的折扣。Argon 的缓存输入价格为 $0.10，而介绍价为 $2.00，之后将升至 $0.20，而标准价为 $4.00。在大量复用的长时间智能体循环中，这是最重要的一项，也是 12 月之后两者仍能保持接近的少数地方之一。

OrcaRouter 适合用在何处，又不适合用在何处

如实说明我们自身的覆盖范围：OrcaRouter 以 Meta 的标价路由 Muse Spark 1.2 和 Muse Spark 1.1，0% 加价直接传导，并与 200 多个其他模型同处一个 API，具备自动故障转移和用于在它们之间分流的路由 DSL。Muse Spark 1.3 和 G​emini 4 Argon 目前都不在我们的目录中——Argon 可通过 G​oogle 自己的 API 以及若干第三方平台访问，而我们不在其中。因此，诚实的说法不是“在这里同时运行两者”。而是：这项对比中 Muse Spark 这一侧，可以用你可能已经持有的密钥访问，这使得用你自己的提示词对 Argon 做成本测试，成为一周内就能完成的事，而不是一项采购流程；并且 M​eta 的定价在三个检查点间一直保持不变，而 G​oogle 的定价有一个公布的到期日。

十二月前要做什么

如果你已经在基于 G​emini 4 Argon 构建，那么这个月最有用的做法不是跑一次基准测试，而是按 $4.00 和 $20.00 建立一个成本模型，因为这才是将适用于你交付并让其持续运行的一切的价格。如果按这个价格算出的答案仍然可行，那么根据当前证据，Argon 是更好的模型：指数更高、更简洁、有更广泛的文档化输入列表，而且是两者中唯一在人类偏好排行榜上位居榜首的。如果不可行，那么值得评估的替代方案是 Muse Spark 1.3，固定价格为 $1.25 / $4.25，它以五个指数点换来了一个在三个版本中都未变动的价格，以及大约三倍的输出速度。我们唯一不会做的，就是把十月宣传的费率当作实际费率——在这场对比中，标题里的那个数字才是带截止日期的那个。

数字无法告诉你的是，这一切在实际应用中是否已经出了问题：围绕这一类模型的有据可查的人工智能事故和智能体故障，都收录在OrcaRouter AI 事故档案中，其中每一条记录都附有各自的来源、严重程度、置信度等级和争议标记。