GoogleのGemini 4 Argon、半分のコストでトップAIモデルに匹敵

Google DeepMindは、新しいプロプライエタリモデルであるGemini 4 Argonのリリースにより、人工知能開発の最前線に復帰しました。このモデルは主要競合他社のパフォーマンスに匹敵します。2026年9月下旬に公開されたこのモデルは、OpenAIのGPT-6 Astraと主要な知能指標において同等の性能を達成しており、現在、プロモーション価格によりタスクあたりのコストが大幅に低くなっています。

何が起きたか

Gemini 4 Argonは、7か月以上ぶりにFlashクラスを超えるGoogleのプロプライエタリモデルです。Artificial Analysis Intelligence Indexにおいて、このモデルは53点を記録しており、これはGPT-6 Astraが達成した最高スコアと同一であり、GPT-6.1 Solより1点高くなっています。これはGoogleにとって大きな進歩であり、生粋の知能能力という点で、同社をAIラボの上位3社の中に確固たる地位へと押し上げました。Googleの以前の非FlashモデルであるGemini 3.1 Pro Previewは同じ指数でわずか30点しか獲得しておらず、今回のパフォーマンス向上がいかに劇的であるかが示されています。

このリリースの経済的な側面もまた注目に値します。現在、Googleは価格の50%割引を提供しており、これによりIntelligence Indexタスクあたりのコストは1.99ドルまで下がります。これは、タスクあたり3.26ドルかかるGPT-6 Astraで同等のタスクを実行するために必要なコストの約60%に相当します。しかし、この効率性はトークン使用量の削減ではなく、トークン単価の低さに起因しています。実際、Gemini 4 Argonはタスクあたり平均62,000個の出力トークンを消費しており、これはGPT-6 Astraが使用する27,000個のトークンの2倍以上です。プロモーション割引が終了すると、タスクあたりのコストは3.98ドルに上昇し、GPT-6 Astraよりもわずかに高くなりますが、他のハイエンドモデルに対しては依然として競争力があります。

仕組み

Gemini 4 Argonの技術アーキテクチャは、100万トークンのコンテキストウィンドウをサポートし、テキスト、画像、動画、音声を含むマルチモーダル入力を受け付けますが、出力はテキストのみです。その展開における重要な革新は、Long Decode Continuation（長いデコードの継続）の導入です。このAPI機能により、長い応答をフォローアップ呼び出し間で一時停止および再開することが可能になり、リクエストタイムアウトを引き起こすことなく、推論プロセスを最大100万個の出力トークンまで延長できます。これは、広範なステップバイステップのロジックを必要とする複雑なエージェントワークフローに特に有用です。

パフォーマンスの向上は、モデルのエージェント能力と信頼性にも明らかです。歴史的に、Geminiモデルは自律エージェントタスクにおいて遅れを取っていましたが、ArgonはAutomationBench-AAで78%のスコアを記録し、Claude Sonnet 5.5を上回って第1位を獲得しています。また、Terminal Bench 4でも劇的な改善を示し、前身モデルから53ポイントジャンプしています。さらに、このモデルは知能指数で45以上を記録する主要モデルの中で最も低いハルシネーション率を示しています。15%のハルシネーション率を持つため、誤った推測をするよりも無知であることを認める可能性がはるかに高くなりますが、50%という生の精度スコアはGPT-6 Astraのものより低くなっています。

主要な詳細

• 知能スコア: Artificial Analysis Intelligence Indexで53点を記録し、GPT-6 Astra（最大値）と同等であり、GPT-6.1 Sol（最大値）を上回っています。
• 価格設定: 現在、入出力トークン百万個あたりそれぞれ2ドル/10ドルへ50%割引されており、タスクあたり1.99ドルのコストになります。標準価格は4ドル/20ドルになる予定です。
• キャッシュ: キャッシュされた入力トークンは95%の割引を受け、百万トークンあたり0.10ドルとなります。これは以前のバージョンの90%割引から増加したものです。
• エージェントパフォーマンス: AutomationBench-AAで78%のスコアで第1位を獲得し、Terminal Bench 4で57%のスコアを達成しています。
• 信頼性: トップティアのモデルの中で最も低い15%のハルシネーション率を特徴としますが、全体的な精度は50%です。
• 利用可能性: 現在、選択されたユーザーに向けてロールアウト中であり、一般公開されていません。50%割引の終了日は未確認です。

なぜ重要なのか

ソフトウェアエンジニアや技術系創業者にとって、Googleがトップティアの競合相手として復帰することは、価格とパフォーマンス基準に対する健全な圧力を生み出します。プロモーション期間中に高い知能スコアに匹敵しつつ、参入コストを下げることで、チームは即座の予算負担なく高度な推論モデルを試すことができます。エージェント能力の著しい向上は、堅牢なツール使用と多段階の計画を必要とする自律エージェントの構築において、Gemini 4 Argonが強力な候補となり得ることを示唆しています。これは、過去のGeminiイテレーションが苦戦していた分野です。

しかし、開発者はコストとトークン効率性のトレードオフを慎重に評価する必要があります。プロモーション中はタスクあたりのコストが低いものの、高いトークン使用量のため、レイテンシーに敏感なアプリケーションや厳格なトークン予算を持つアプリケーションには最適化が必要となる可能性があります。低いハルシネーション率は、不正確な情報を提供することよりも不確実性を認めることが好まれる法律や医療アシスタントなど、高い信頼性を要求されるアプリケーションにとって重要な利点です。モデルが一般利用可能に向かうにつれて、これらの運用特性を理解することは、効果的な統合のために不可欠となるでしょう。

あなたができること

• 選択されたユーザーであれば、新しいLong Decode Continuation機能を使用してエージェントワークフローをテストするために早期アクセスを申請してください。
• プロモーション期間中の潜在的な節約額を特定するために、現在のAIタスクをGemini 4 Argonのタスクあたり1.99ドルのコストと比較してベンチマークしてください。
• Argonは競合モデルよりもタスクあたり大幅に多くのトークンを消費するため、アプリケーションの高いトークン出力に対する許容度を検討してください。
• 静的または頻繁に繰り返される入力データに対して95%のキャッシュ割引を活用し、コスト効率を最大化してください。
• 将来の予算配分を計画するために、50%価格割引の終了日に関する公式発表を監視してください。
• 高い事実的正確性を必要とするシナリオでモデルの拒否動作をテストし、低いハルシネーション率の利点を活用してください。