Gemini 4 Argonは2026年10月13日に一般提供され、GoogleはArgonリクエストのコストと所要時間を決定する2つの設定、すなわち思考レベルと出力制限を文書化しました。Argonは低、中、高の3つの思考レベルを提供し、デフォルトは中です。レスポンスはロングデコードをオンにしない限り64Kトークンで停止し、ロングデコードをオンにすると、単一のレスポンスは1Mトークンまで実行できます。
デフォルトには落とし穴があります。公開されたすべてのArgonベンチマークは高レベルで実行されました：Googleはそれを「最高の思考設定で評価」し、Artificial Analysisは高レベルでテストし、Vals AIも高レベルで実行しました。レベルを設定しないリクエストは中レベルで実行されるため、それらのスコアが示す構成ではありません。
この記事では、3つのレベルと各レベルに関するGoogleのアドバイス、高レベルでのトークンと時間のコスト、回答が空にならないように出力制限を設定する方法、ロングデコードの仕組みと請求方法について説明します。最後に、AIHubMix用のコードを示します。
要約
- Argonには3つの思考レベルがあります：低、中（デフォルト）、高。思考をオフにすることはできません。
- 公開されたすべてのベンチマークは高レベルを使用しました。中または低での結果は誰も公開していません。
max_output_tokensは思考と回答を合わせて制限します。少なくとも32,768に設定してください。さもなければ、ハードプロンプトが予算全体を思考に使い果たし、何も返さない可能性があります。- ロングデコードなしでは、レスポンスは65,536トークンで停止します。ロングデコードを使用すると、レスポンスは1,048,576トークンまで実行できますが、入力トークンは除外されます。
- ロングデコードは、すべての64K「ホップ」の各トークンを請求し、各ホップはこれまでに書かれたすべてを入力として再読み込みし、暗黙のキャッシングによって95％割引されます。
3つのレベル
GoogleのGemini 4 Argonの新機能ガイドは、レベルを次のように説明しています：
| レベル | トークン使用 | Googleが推奨する用途 |
|---|---|---|
| 低 | 最少のトークン、最低のレイテンシ | よりシンプルでコストに敏感な作業 |
| 中（デフォルト） | バランスの取れた使用 | ほとんどのタスク、複雑なコードやエージェントを含む |
| 高 | 最も多くのトークン、最も遅い最初のトークン | 最も難しい推論、数学、コード |
Googleは低レベルでは「難しいタスクで品質が低下する可能性がある」と警告しており、選択に関するアドバイスは直接的です：「すべての3つのレベルで評価を実行し、品質基準を満たす最低レベルを選択してください。」
ネイティブAPIでは、設定はthinking_levelであり、Gemini思考ガイドに文書化されています。OpenAI互換のエンドポイントを通じてはreasoning_effortです。GoogleのOpenAI互換ガイドは、Argonの値をマッピングしています：minimalとlowは両方ともlowになり、mediumはmediumのまま、highはhighのまま、設定を省略するとデフォルトのmediumになります。思考をオフにするレベルはありません。
デフォルトはmedium。ベンチマークはhigh。
Google、Artificial Analysis、ValsはすべてArgonを高レベルで報告しています。Valsはまた、262,144トークンの出力制限を設定しました。したがって、あなたが見たスコアはArgonの最高レベルを示しており、レベルが設定されていないリクエストは1段階下で実行されます。
それは必ずしも問題ではありません。中レベルはGoogleがほとんどの作業に推奨するレベルであり、複雑なコードやエージェントを含み、高レベルよりも少ないトークンを使用します。しかし、中または低がどれだけの精度を犠牲にするか、またはどれだけのトークンを節約するかを公開した人はいません。[TBD: 思考レベルによる精度とトークン]
比較のためにもう1つの詳細が重要です。GPT-6 AstraとGPT-6.1 Solは「max」でテストされており、高レベルを超えたレベルです。「Argon (high)」と「Astra (max)」の間の引き分けは、各モデルがその上限に達していることを示しており、設定が一致しているわけではありません。
高レベルのコスト
ここに示す数値は、Artificial Analysisからのもので、プロバイダースピードテストを含み、Vals AIからのものです。すべてが高レベルでArgonを実行しました。
| 測定 | Gemini 4 Argon (high) | 比較用 |
|---|---|---|
| AAタスクあたりの出力トークン | 約62k | GPT-6 Astra (max)：約27k |
| AAインデックスの出力トークン | 110M | 中央値モデル：85M |
| 出力速度 | 99.5–116.5トークン/秒 | AI Studio / Vertex AI |
| 最初の回答トークンまでの時間 | 約45秒 | 思考時間を含む |
| テストあたりのValsインデックス時間 | 46分33秒 | — |
思考トークンは出力として請求されます：GoogleはArgonの出力価格を「思考トークンを含む」としてリストし、使用データはそれらをtotal_thought_tokensとして報告します。タスクあたり約62kの出力トークンで、タスクのコストはGoogleの導入価格である100万トークンあたり$10で約$0.62、100万トークンあたり$20の価格では約$1.24です。
時間はトークンに従います。99.5から116.5トークン/秒で、62kトークンを生成するのに約9から10分かかり、最初の回答トークンまで約45秒待つ必要があります。インタラクティブな製品は、高レベルまたは低いレベルでストリーミングと進行状況インジケーターが必要です。
出力制限の設定
max_output_tokensは思考と回答を合わせたハードリミットです。レスポンスがこの制限に達すると、ステータスは「不完全」となり、テキストは切り取られたり空になったりし、思考トークンは依然として請求されます。Googleのガイダンス：
- アプリが32K未満の制限を設定している場合は、少なくとも32,768に引き上げてください。Argonは以前のモデルよりも思考に多くの制限を使うことができます。
- 少なくするには、小さな制限を設定するのではなく、思考レベルを下げてください。
- ロングデコードなしでは、デフォルトと最大は65,536トークンです。ロングデコードなしでより多くを要求すると、400エラーが返されます。
- 入力、思考、出力は1,048,576トークンのウィンドウを共有します。入力と
max_output_tokensの合計がこれを超えると、出力制限はそれに合わせて縮小されます。
Gemini 3からの2つの変更があります。温度、top_p、top_kはArgonでは無視されるため、調整しても何も起こりません。そして、ハードプロンプトは数分かかることがあるため、GoogleはHTTPクライアントのタイムアウトを少なくとも15分に設定することを推奨しています。
ロングデコード：64Kトークンを超えるレスポンス
ロングデコードは、Googleが発表したロングデコード継続です。ロングデコードガイドでは、これを実行する2つの方法が説明されています。
バックグラウンド実行（インタラクションAPI）。 background=Trueとmax_output_tokensを65,536以上に設定してインタラクションを作成します。バックグラウンド実行にはstore=trueが必要です。サーバーは、最大64Kトークンのホップでレスポンスを書き込み、各ホップは前のホップの停止位置から続き、最大24時間続きます。各ホップはmodel_outputステップを追加するため、インタラクションが完了したときにそれらを結合します。background=Trueを設定し、max_output_tokensを引き上げないと、64Kで停止します。
クライアント側の継続（generateContent API）。 各ホップは、ストリーミングまたはSDKを介して最大64Kトークンを返し、非ストリーミングREST呼び出しでは32Kです。制限に達したホップはfinish_reason: CONTINUATIONとcontinuation_tokenで終了し、次のリクエストは同じ入力とトークンを送信します。最近のSDKはこれを自動的に行います：Python google-genai 2.30.1およびJavaScript @google/genai 2.29.1以降。各リクエストには20分の制限があります。
ロングデコードをストリーミングする際は、インタラクションIDと最新のevent_idを保存し、ストリームが切断されたときにlast_event_idで再接続し、15〜20分の読み取りタイムアウトを設定します。最初の64Kトークンの後、ストリームは約5,000トークンのチャンクで到着し、それらの間に間隔があります。
Googleは、いつそれが価値があるかを明確にしています：
| 作業負荷 | ロングデコード？ |
|---|---|
| 難しい数学、科学、証明 | はい |
| 最も難しいコーディングとエージェントタスク | はい |
| 制限で停止する評価ハーネス | はい |
| チャット、Q&A、要約、抽出 | いいえ、32K未満で終了します |
| 固定長のリクエスト | いいえ、長さのターゲットは無視されます |
| 多くの短いツールターンを持つエージェント | いいえ |
| 1M入力制限に近いプロンプト | いいえ |
| レイテンシに敏感な呼び出し | いいえ |
より高い制限はモデルに考える余地を与えますが、通常の回答を長くするわけではありません。モデルはどれだけ書くかを決定し、単語やトークンのターゲットには従いません。
ロングデコードの請求方法
すべてのホップのすべてのトークンに対して支払います。各ホップは、思考のみを含むホップも含めて、プロンプトとこれまでに生成されたすべてをモデルに再送信しますので、それらのトークンも再カウントされます。Googleの例：1,000トークンのプロンプトが200,000トークンの思考と出力を生成する場合、4つのホップが必要です。
| ホップ | モデルに送信された入力 | 入力トークン |
|---|---|---|
| 1 | プロンプト | 1,000 |
| 2 | プロンプト + ホップ1 | 66,536 |
| 3 | プロンプト + ホップ1–2 | 132,072 |
| 4 | プロンプト + ホップ1–3 | 197,608 |
| 合計 | 397,216 |
使用データは約397,000の入力トークンを報告しますが、コンテキストは約201,000しか保持していません。暗黙のキャッシングは繰り返し入力を95％割引するため、コストは安く、導入価格では200,000の出力トークンが$2.00、約396,000の繰り返し入力トークンが100万トークンあたり$0.10で約$0.04追加されます。出力が請求の大部分を占めます。
2つの副作用があります。total_input_tokensを使用して会話をトリミングまたは要約するタイミングを決定しないでください。これはコンテキストを過大評価するためです。代わりに、プロンプトサイズを出力と思考の合計に追加してください。そして、キャンセルまたは失敗したインタラクションは、停止する前に行ったすべての作業を請求します。
作業負荷による開始地点
これらはGoogleのレベルガイダンスに従っています。公開されたレベルごとの精度は存在しません。
| 作業負荷 | 開始レベル | 理由 |
|---|---|---|
| 最も難しい数学、科学、コード | 高 | 公開されたベンチマークに一致します |
| 複雑なコードとエージェント | 中 | Googleの推奨デフォルト |
| 法的および財務分析 | 高 | 公開された結果は高レベルです |
| 抽出と分類 | 低 | よりシンプルでコストに敏感な作業 |
| チャットとサポート | 低 | 最低のレイテンシ |
その後、1レベル下でテストします。もし安価なレベルが自分の評価セットで基準を満たすなら、そのまま使用してください。
セッション内でレベルを固定してください。Argonは暗黙的にキャッシュし、4,096トークン以上のプロンプトに対して繰り返し入力を95％割引します。また、AIHubMix Geminiガイドは、キャッシュヒットには同じコンテンツ、モデル、パラメータが必要であることに注意しています。ターン間でレベルを切り替えると、キャッシュされた入力が再びフルプライスの入力に戻る可能性があります。
AIHubMixでのレベルと制限の設定
ArgonはAIHubMixでgemini-4-argonとして、OpenAI互換のエンドポイントおよびネイティブGoogle GenAI SDKを通じて利用できます。ほとんどのリクエストでは、レベルと制限を明示的に設定します：
import os
from openai import OpenAI
client = OpenAI(
base_url="https://aihubmix.com/v1",
api_key=os.environ["AIHUBMIX_API_KEY"],
timeout=900, # ハードプロンプトは数分かかることがあります
)
resp = client.chat.completions.create(
model="gemini-4-argon",
reasoning_effort="medium", # Argonのデフォルト；ベンチマークは「高」を使用
max_tokens=32768, # 思考と回答を合わせて制限
messages=[
{"role": "user", "content": "この決済サービスの再試行ロジックにおけるレース条件をレビューしてください。\n\n<ソースコード>"},
],
)
print(resp.choices[0].message.content)
print(resp.usage)
ロングデコードの場合は、AIHubMixのGeminiエンドポイントを指すネイティブSDKを使用します。AIHubMixのガイドは、バックグラウンドモードを含むインタラクションAPIを文書化しており、google-genai 2.0.0以降が必要です。以下のパターンはGoogleが文書化したもので、まだAIHubMixを通じてテストされていません。[TBD: AIHubMixを通じたロングデコード]
import os
import time
from google import genai
client = genai.Client(
api_key=os.environ["AIHUBMIX_API_KEY"],
http_options={"base_url": "https://aihubmix.com/gemini"},
)
interaction = client.interactions.create(
model="gemini-4-argon",
input="この決済モジュールのすべてのエッジケースに対するテストスイートを作成してください。\n\n<ソースコード>",
background=True,
generation_config={"max_output_tokens": 262144, "thinking_level": "high"},
)
while interaction.status in ("in_progress", "queued"):
time.sleep(5)
interaction = client.interactions.get(id=interaction.id)
# 各ホップはモデル出力ステップを追加します；すべてを結合します。
text = "".join(
part.text
for step in interaction.steps
if step.type == "model_output"
for part in step.content
if part.type == "text"
)
print(interaction.status, interaction.usage)
ArgonのAIHubMixモデルページには、サポートされている入力、機能、現在の価格がリストされています。
FAQ
Gemini 4 Argonはどの思考レベルをサポートしていますか？
低、中、高です。デフォルトは中で、思考をオフにすることはできません。
Argonのベンチマークはどのレベルで実行されましたか？
高です。Google、Artificial Analysis、Vals AIはすべてArgonを高レベルで報告しており、中または低での結果は誰も公開していません。
OpenAI SDKを通じてレベルを設定するにはどうすればよいですか？
reasoning_effortを使用します。Argonの場合、minimalとlowはlowに、mediumはmediumに、highはhighにマッピングされます。省略するとmediumになります。
なぜArgonが空の回答を返したのですか？
おそらく、max_output_tokensの予算全体を思考に使い果たしたためです。レスポンスは不完全で返され、思考トークンは依然として請求されます。制限を少なくとも32,768に引き上げるか、思考レベルを下げてください。
64K出力トークンを超えるにはどうすればよいですか？
ロングデコードを使用します。インタラクションAPIでは、backgroundをtrueに設定し、max_output_tokensを65,536以上に設定します。generateContentでは、最近のSDKを使用すると、ホップをまたいで自動的に続行します。
ロングデコードはどのように請求されますか？
すべてのホップのすべてのトークンに対して支払います。各ホップはプロンプトとこれまでに生成されたすべてを再送信し、暗黙のキャッシングはその繰り返し入力を95％割引します。キャンセルまたは失敗した実行は、すでに行われた作業を請求します。
Gemini 4 Argonでは温度はまだ機能しますか？
いいえ。温度、top_p、top_kは無視されるため、それらを削除し、思考レベルを使用して動作を制御してください。
読み続ける：Gemini 4 Argonシリーズ
- 設定を調整する前に、Argonがあなたの作業負荷に適したモデルであるかどうかを確認してください：Gemini 4 Argon：フロンティアスコア、1Mトークンの出力制限、および今すぐ呼び出す方法
- 高い思考がArgonのタスクを高コストにしています。2つの独立したテスターからのタスクあたりの測定コスト：Gemini 4 Argonの価格設定：トークンあたりは安価だが、タスクあたりは高価
- 思考のデフォルト、出力制限、無視されるサンプリングパラメータは、移行チェックリストの3つの変更のうちの1つです：Gemini 3.1 Proまたは3.8 FlashからGemini 4 Argonに移行する際の問題と修正方法
出典
- Gemini 4 Argonの新機能（Google AI for Developers）
- Gemini思考（Google AI for Developers）
- ロングデコード（Google AI for Developers）
- Gemini 4 Argon：Googleが知能を達成したトップ3のラボの1つに戻る（Artificial Analysis）
- AIHubMixのGemini 4 Argon（AIHubMix）
