Gemini 4 Argon: フロンティアスコア、1Mトークン出力制限、そしてまだ公開されていないモデルID

Gemini 4 ArgonはGoogleの最初のGemini 4モデルであり、これまでで最も強力です。独立したテスターはこれをGPT-6 Astraと同等と評価し、金融、法律、税務作業のためのValsインデックスでトップに立ち、1回の回答で最大1Mトークンを書くことができます。ローンチプロモーション中は、Astraよりもトークンあたりのコストが低くなっています。

問題はアクセスです。2026年10月13日現在、ArgonはGoogleのFairwindプログラムに参加しているサイバー防御者のみに展開されています。GoogleはモデルIDを公開しておらず、Gemini APIモデルリストにも含まれておらず、AIHubMixでもまだ利用できません。この投稿では、何が変わったのか、Argonが勝っている点とそうでない点、そして誰がそれに向けて計画を始めるべきかをカバーします。

要約

• ArgonはGoogleのラインアップの最上位にあるGemini 3.1 Pro Previewを置き換えます。これは、Flashティア以上の新しいモデルとしては7ヶ月以上ぶりのものです。
• 人工分析インデックスでは、最大推論でGPT-6 Astraと同じ53点を獲得し、Gemini 3.1 Pro Previewよりも23ポイント高いです。
• 人工分析のテストで、最高得点モデルの中で最も低い幻覚率（15%）を持っていますが、Astraよりも正しく回答する質問の数は少ないです。
• ターミナル重視のコーディングやコンピュータ使用においてはClaude Opus 5.5やGPT-6 Astraに遅れをとっています。
• 導入価格：100万トークンあたり$2の入力と$10の出力で、次第に$4と$20に上昇します。Googleはプロモーションの終了時期を発表していません。
• 今日利用できるのは：Fairwindメンバー。次に有料API顧客とGoogle AI Ultraの加入者が続きますが、日付は未定です。

Gemini 3.1 Pro Previewからの変更点

Googleのローンチ投稿は、Argonを「長期的な」作業に焦点を当てています：実世界のソフトウェアエンジニアリング、法律や金融などの企業知識作業、サイバー防御です。最も具体的な変更点は出力の上限です。

3.1 Pro Previewの価格は200kトークンまでのプロンプトに対してのもので、これを超えると$4 / $18になります。Argonは長文コンテキストの価格階層を公開していません。

1Mトークンの出力制限。以前のGeminiモデルは64K出力トークンで停止していました。Argonは1Mまで続けることができ、新しいGemini API機能であるLong Decode Continuationを使用して、長い応答を一時停止し、フォローアップコールで再開することができるため、タイムアウトしません。Google自身の例は、これがなぜ重要かを示しています：そのエージェントはArgonを使用してCおよびC++からRustへの移行を行い、Fuchsia Zirconカーネルの800K行以上を含むライブラリでは、32K行のSIMDコードを安全なRustに置き換え、以前のRustポートよりも2.7倍速く実行されます。これらは、64Kの制限が手作業で作業を分割することを強いられた仕事です。

新しい命名規則。ProやFlashのラベルはなく、世代番号とコードネームのみです。Googleは2026年初頭にGemini 3.5 Proを計画していましたが、それを超えました。

制限付きのローンチ。Argonは防御的なサイバー作業のために特別に訓練されており、Googleは「重要なソフトウェアの脆弱性を自律的に発見、検証、修正できる」と述べています。FairwindメンバーとGoogleの内部チームはサイバーガードレールなしのバージョンを取得します。広範なリリースでは、有害なサイバー、化学、生物、放射線および核のリクエストを拒否します。

変わらない点。出力は依然としてテキストのみです。入力はテキスト、画像、ビデオをカバーします（人工分析は音声もリストしています）。サードパーティのテスターは1Mトークンのコンテキストウィンドウを報告していますが、Googleのローンチ投稿では入力制限は明記されていません。[TBD:公式コンテキストウィンドウ]

GPT-6 Astra、Claude Opus 5.5、Fable 5.1との比較

以下の表は、Google DeepMindのベンチマーク表からのものです。GoogleはArgonを最高の思考設定で実行し、主に競合他社の自己報告または公開リーダーボードの数値を使用したため、ベンダーデータとして扱ってください。Artificial AnalysisとVals AIは独立した結果を発表しており、表の後に引用されています。

OSWorld-2.0はオフラインのサブセットであり、部分的なスコアです。GraphWalksはF1です。完全な表には19行あり、Argonはそのうち14行でリードまたはタイです。

際立つ3つのパターン：

• 知識作業はギャップが最も広い。Harveyの法律エージェントベンチマークでは、Argonは19.6%を獲得し、他は最大6.7%です。Finance Agent v2では、リードは6ポイント以上です。
• 非常に長い入力は保持される。256kから1MトークンのGraphWalksでは、Argonは84.2%を維持し、他は約65〜72%に落ちます。
• コーディングは混合。ArgonはDeepSWEでリードしていますが、FrontierSWE（Astra）やTerminal-bench 4.0（Opus 5.5）では遅れをとっています。

独立した数値は広く一致しています。人工分析はArgonを（高）で53点とし、GPT-6 Astra（最大）と同点、GPT-6.1 Sol（最大）より1ポイント上です。Terminal Bench 4の実行では、Argonは57%で、Claude Sonnet 5.5、Claude Opus 5.5、GPT-6 Astraの後ろにいます。ValsはArgonをそのインデックスで最初にランク付けし、Finance Agent v2での最高の単一結果を示し、コンピュータ使用（CUA-bench）を弱点としてリストしています。

「低い幻覚」の背後にあるトレードオフ

人工分析のOmniscienceテストは難しい事実に基づく質問を行い、自信を持って間違った回答にペナルティを課します。Argonの幻覚率は15%で、インデックスで45以上のスコアを持つモデルの中で最も低いですが、GPT-6 Astraは51%です。しかし、同じ質問に対するArgonの正確性は50%で、Astraは63%です。Argonは確信がないときに回答を拒否することで低い幻覚率を得ており、より多くを知っているわけではありません。

法律や財務のレビューにおいては、これはしばしば正しいトレードオフです：拒否は簡単に見つけられ、他の人や別のモデルにルーティングできますが、自信を持って間違った数字はレビューアを通過する可能性があります。Argonが拒否する質問を送信する場所がある場合にのみ、効果があります。

Argonが最良の選択でない場合

• ターミナル重視のコーディングエージェント。Googleの独自の表では、Opus 5.5がTerminal-bench 4.0で66.4%を記録し、Argonは57.4%です。人工分析の実行も順序に同意しています。
• コンピュータ使用。AstraはOSWorld-2.0でリードしており、ValsはArgonをCUA-benchで8つ中7位にランク付けしています。
• 毎回回答が必要な質問。50%のOmniscience精度は、多くの「わからない」回答を意味します。
• レイテンシに敏感な作業。Argonは人工分析タスクあたり約62k出力トークンを平均しており、Astraは約27kです。Googleは速度の数値を公開していません。[TBD:出力速度と最初のトークンまでの時間]
• 今四半期に出荷する必要があるもの。まだ呼び出すことはできません。

誰が切り替えるべきか、待つべきか、留まるべきか

「Argonに向けて計画する」とは、今日Gemini 3.8 Flashまたは3.1 Pro Previewでワークフローのプロトタイプを作成し、Argonの標準価格で予算を立て、アクセスが開いたときにモデルIDを切り替えることを意味します。

AIHubMixでの準備

ArgonにはAIHubMixのモデルページがあり、IDはgemini-4-argonですが、近日公開予定とマークされており、価格はまだありません。[TBD: AIHubMixの利用可能日]

今、AIHubMixがすでに提供しているGeminiモデル（例えば、Gemini 3.8 Flash）でワークフローを構築し、設定にモデルIDを保持することができます。OpenAI互換のエンドポイントは標準のOpenAI SDKで動作します；AIHubMix GeminiガイドはネイティブのGoogle SDKについてもカバーしています。

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

# AIHubMixはArgonをgemini-4-argon（近日公開予定）としてリストしています。Gemini 3.8 Flashでプロトタイプを作成し、
# Argonが開いたらARGON_MODEL_ID=gemini-4-argonを設定します。
MODEL = os.environ.get("ARGON_MODEL_ID", "gemini-3.8-flash")

resp = client.chat.completions.create(
    model=MODEL,
    reasoning_effort="high",
    messages=[
        {"role": "user", "content": "以下の契約の終了条項をリストしてください。わからない場合はその旨を伝えてください。\n\n<契約テキスト>"},
    ],
)
print(resp.choices[0].message.content)

OpenAI互換のルートでは、reasoning_effortはGeminiの思考設定に対応します。Argonが受け入れる値はまだ文書化されていません。[TBD: AIHubMixのArgon推論レベル]

ArgonがAIHubMixで開くと、その価格とサポートされるパラメータがそのモデルページに表示されます。

FAQ

今日、APIを通じてGemini 4 Argonを使用できますか？
GoogleのFairwindプログラムに参加している組織のみです。有料API顧客とGoogle AI Ultraの加入者が次に並びますが、Googleは日付を示していません。

Gemini 4 ArgonのモデルIDは何ですか？
Googleは公開していません。AIHubMixでは、Argonは近日公開予定のモデルページでgemini-4-argonとしてリストされています。GoogleのAPIを通じてそのIDを呼び出すと、10月1日に404エラーが返されました。

Gemini 4 ArgonはGPT-6 Astraより優れていますか？
人工分析のインデックスでは同点です。Argonは知識作業、長文コンテキストの取得、ビデオ理解でリードし、AstraはFrontierSWE、ターミナル科学タスク、コンピュータ使用でリードしています。

Gemini 4 Argonはコーディングに適していますか？
DeepSWEとVibe Code Benchでは強力ですが、Claude Opus 5.5やGPT-6 Astraは依然としてターミナル重視のエージェントコーディングでリードしています。

1Mトークンの出力制限は実際に何を意味しますか？
単一のジョブは、古い64Kの制限をはるかに超える出力を生成できます。例えば、大規模なコード移行や長い報告書などです。GoogleはこれがLong Decode Continuationに依存していると述べており、長い応答を呼び出し間で一時停止し再開します。

なぜ幻覚率が低いのに正確性は50%なのですか？
Argonは自信がないときに回答を拒否することが多いです。これにより、自信を持って間違った回答が減りますが、正しく回答する質問の割合も減ります。

Gemini 4 ArgonはいつAIHubMixに登場しますか？
まだ日付はありません。AIHubMixのモデルページは近日公開予定とマークされています。今、AIHubMixを通じてGemini 3.8 Flashまたは3.1 Pro Previewで構築し、Argonが開いたときにモデルIDを切り替えてください。

読み続ける：Gemini 4 Argonシリーズ

• $2/$10のローンチ価格は、タスクあたりのトークン数を考慮すると安く見えます。タスクあたりの測定コストはこちらです：Gemini 4 Argonの価格：トークンあたりは安いが、タスクあたりはそうではない

出典

• Gemini 4 Argon：私たちの次のフロンティアインテリジェンスの時代（Google）
• Geminiモデルとベンチマーク（Google DeepMind）
• Gemini 4 Argon：Googleは知能達成のトップ3ラボの1つに戻ってきた（Artificial Analysis）
• Gemini 4 Argonのベンチマーク、コスト、能力（Vals AI）
• AIHubMixのGemini 4 Argon（AIHubMix）