測定可能な成果と認識されたリスクを伴う、より広範な公開
Googleは2026年10月13日、Gemini 4 Argonを開発者、企業、有料ユーザー向けに世界で公開した。導入価格は入力100万トークン当たり2ドル、出力100万トークン当たり10ドルで、ソフトウェアエンジニアリング、科学研究、ロボット工学に関する詳細な成果も発表した。公開範囲の拡大は、アクセスが選定されたサイバーセキュリティ防御担当者に限られていた9月30日の発表から13日後となる。
目次
今回の公開では、モデルが検査に合格したという単純な宣言よりも、慎重な安全性評価が示された。Google DeepMindは、Argonが生物学的情報とサイバーセキュリティに関する重大な能力のしきい値、あるいはステルス性や導入環境の認識に関する別のしきい値に達する可能性を否定できないとしている。Googleは、導入済みの安全対策により、残るリスクはそれらのしきい値を下回ると説明している。
GoogleのArgonの公開発表によると、AIエージェントのワークフローで作成されたコードの提出件数は35％以上増加し、コードのロールバックは約3分の1減少した。同社が挙げた事例は、Chromiumの再構成から、実験室での試験で活性が確認された酵素設計の生成まで幅広い。
Google DeepMindの上級副社長で、GoogleのチーフAIアーキテクトを務めるコライ・カブクチュオール氏は、今回の公開について次のように述べた。
開発者、企業、科学者、そして消費者に、当社の最新のフロンティアモデルを提供します。
中心にあるのは、単なる会話ではなく実用性だ。Argonは、複雑なシステムを調査し、変更を加え、長時間にわたるタスクで結果を検証することを想定している。それが確かな価値につながるかどうかは、作業内容、アクセスプラン、人による確認に左右される。Google自身のエンジニアリング事例も、その点を示している。
Argonを利用できる人と製品
Google AI ProおよびUltraの加入者は、Geminiアプリと検索のAI ModeでArgonを利用できる。AIコーディングエージェント向け環境のGoogle Antigravityで個人が利用するには、Ultraが必要だ。Googleは、AI StudioでのUltra利用に加え、Gemini APIの有料版を通じた開発者向けアクセスをAI StudioおよびAndroid Studioで提供するとしている。
企業はGemini for business、API、Antigravityを通じてモデルを利用できる。この違いは重要だ。消費者向けサブスクリプションとAPIの従量課金は別の利用経路であり、GeminiアプリでProを利用できても、自律型コーディングのワークフローに同じようにアクセスできるとは限らない。
公表されているサブスクリプション料金は、AI Proが月額20ドル、Ultraが月額99ドルから。Pro加入者はGemini Canvasを通じてArgonでコードを生成できる一方、GoogleはGemini 3.1 Proも引き続き提供する。Antigravityの下位プランや無料ユーザーへのArgon提供時期は発表されていない。
今回の公開に先立ち、限定的な試験から、より広範な提供へと短期間で移行した。
- 2026年9月30日：GoogleはArgonを初めて発表し、承認を受けたサイバーセキュリティ防御担当者にアクセスを提供。
- 2026年10月12日：Metaが、競合する別のフロンティアモデル「Muse Wonder Full」を発表。
- 2026年10月13日：Googleが、対象となる加入者、開発者、企業向けにArgonの世界展開を開始。
- 2026年12月1日：報道によると、導入期間終了後の通常API料金の適用開始日。
導入価格の対象範囲
Googleの発表で確認できる料金は、入力100万トークン当たり2ドル、出力100万トークン当たり10ドルで、キャッシュされた入力トークンは95％割引となる。トークンはモデルが処理する単位で、多くの場合、単語または単語の一部に当たる。キャッシュを使うと、以前に処理した入力をより低い料金で再利用できる。
この料金では、通常の入力トークン100万個と出力トークン100万個を使った場合、費用は12ドルとなる。導入時の入力料金から95％割引されると、対象となるキャッシュ済み入力は100万トークン当たり0.10ドルになる。これは利用量に応じた料金であり、Geminiのサブスクリプション料金とは異なる。
報道によると、導入期間は11月30日に終了し、12月1日から入力100万トークン当たり4ドル、出力100万トークン当たり20ドルへと倍増する。同じ例では費用は24ドルとなる。Googleの公開発表には期限やその後の料金が記載されていないため、公式発表で確認できるのは導入価格のみで、適用終了日は確認できない。
報道では、導入価格は一部の競合モデルの約5分の1ともされる。ただし、この比較だけではタスク完了にかかる費用は分からない。システムごとに消費するトークン数、再試行の必要性、推論にかける時間が異なる場合があるためだ。キャッシュ済み入力の割引がいつまで続くかも、公式発表では明らかにされていない。
Pythonの実験が示す、人による確認の重要性
特に示唆に富む事例の一つは、企業向けAIエージェント構築フレームワーク、GoogleのAgent Development Kit（ADK）に関するものだ。Pythonのリポジトリーは約80万行近いソースファイル約800本で構成され、ユニットテストは約1万7000件に上る。Argonには、公開インターフェースやアプリケーションがモデルに送る内容を変えずに、フレームワークのオーバーヘッドを減らすよう指示された。
約2時間の初回実行では実際のボトルネックが見つかった一方、問題も生じた。公開JSONスキーマに微妙な変更を加えたり、一部のテストケースを見落としたりした。そこでチームはリポジトリーのガイドラインを追加し、性能測定を添えた、未マージのプルリクエストを作成するようArgonに指示した。
その後の無人実行は11時間続いた。Argonはガイドラインファイル12本を読み、最適化案を6件提示し、ユニットテスト1万6892件を実行した。人間のレビュアーは案のうち2件を採用し、残る4件は、古くなったキャッシュデータ、非公開のライブラリー内部実装への依存、可読性の低下、人工的なベンチマークに限られる性能向上などのリスクを理由に退けた。
採用された変更は、コピー前に会話履歴をフィルタリングすることと、必要になるまで重いパッケージの読み込みを遅らせることだった。最終的な変更は22ファイルに及び、テスト関数17件が追加された。Googleによると、メモリー上に保持された長時間セッションの準備時間は約40％短縮され、クリーンな起動時のパッケージ読み込みは21％改善した。
別の測定では、158ターンの実行時間が65.6秒から56.1秒に短縮され、約14.5％の減少となった。この数値が小さいのは矛盾ではない。ある一部の処理が40％改善しても、ワークフロー全体が40％速くなるとは限らない。また、この実験は公開テスト一式に合格するだけでは不十分だったことも示している。読み込み方法の変更案の一つは公開テスト1万6892件すべてに合格したものの、修正前には社内テストの対象25件で失敗した。
ChromiumからGemmaの高速推論まで
Googleによると、ArgonはChromiumのコードベース4,000万行の中から、約600万行のブラウザー機能を含む旧式フォルダーを切り離し、ウェブページの中核処理を分離する作業を支援した。このフォルダーはコードベース全体の約15％を占める。Googleによれば、再構成は数百のファイルにまたがり、数カ月分の作業を数週間に圧縮した。
この作業が目指すのは、ページを再読み込みせずに、表示中のウェブページをタブ、サイドパネル、フローティングウィンドウの間で移動できるようにし、ある種のクラッシュをなくすことだ。これらはアーキテクチャー変更によって期待される効果であり、すべてのユーザーがすでにその機能を利用できることを示すものではない。
Gemma 4 E2Bについて、Googleは、言語モデルの提供に使われるソフトウェアvLLMを利用し、Nvidia A100上で推論速度が2.85倍になったと報告している。スループットは毎秒約3万7900トークンから10万8000トークン超に増加し、生成トークンは同一で、品質低下も報告されていない。これは特定のモデルとハードウェアでの結果であり、Gemmaシリーズ全体に当てはまる速度向上ではない。
そのほか、社内事例として、YouTubeコメントで絵文字を重複して描画する処理を特定したことや、Alphabetの配送事業Wingが使うドローン物理シミュレーターで2018年にさかのぼるバグを発見したことも報告されている。YouTubeの数値は報道によって異なり、一方はサーバー負荷が45％減ったとし、別の報道は必要な計算能力が半減したとしている。詳しい説明がない限り、これらを同じ指標として扱うべきではない。
別の調査では、長期間未解決だったソフトウェアバグ134件を検証し、3時間足らずで97件を古いものまたは重複と特定したという。これらの事例は、保守や調査のツールとしてのArgonの有用性を示す一方、結果は独立した再現評価ではなく、企業側の主張にとどまる。
ベンチマークでの優位性はタスクによって異なる
Google DeepMindが10月に公開したArgonモデルカードによると、Vals Indexのスコアは68.9％。GPT-6 Astraの63.1％、Claude Opus 5.5の67.0％を上回った。同指標は金融、法律、コーディング、税務など、専門的な業務を評価する。
公表されたコーディング評価では、DeepSWE v1.1で77.9％、Vibe Code Benchで91.9％を記録した。サイバーセキュリティ評価のCWE-bench v1では68.0％で、GPT-6 Astraと並び、上回ってはいない。
同じ公式表では、他の評価で競合モデルが上回る結果も示されている。FrontierSWE v2ではArgonが55.0％で、Astraの65.5％を下回った。Terminal-bench 4.0ではArgonの57.4％に対し、Opus 5.5は66.4％だった。したがって、コーディングや科学分野で幅広く優れているとの主張には留保が必要だ。
Artificial Analysis Intelligence Indexの報告値ではArgonは53で、GPT-6 Astra、Claude Fable 5.1と同点だった。一方、Claude Opus 5.5の58、Muse Wonder FullとClaude Sonnet 5.5の56を下回る。この指標はVals Indexとは異なる能力の組み合わせを測るため、同指数のパーセンテージと直接比較できない。
企業向けAIコンサルティング会社Red Dragon AIの共同創業者兼最高経営責任者、サム・ウィッテフェーン氏はArgonを高く評価しつつ、利用可能な最良のモデルだという見方には異を唱えた。同氏の評価は、ベンチマークの混在した結果とも一致する。専門業務で高い性能を示しても、あらゆる種類のタスクで優位に立つとは限らない。
科学分野では量子計算コードから酵素試験まで成果
Googleによると、Argonは量子誤りを訂正する機械学習システム「AlphaQubit」の社内版で、推論スループットをほぼ倍増させた。また、Leanを用いて形式検証した逆正弦関数サブルーチンのArgonによる実装は、公表済みの量子CORDIC方式を基準に、時空間コストを100倍以上削減したという。時空間コストは、量子計算に必要な計算資源と所要時間を組み合わせた指標だ。
核融合研究では、Googleがメリーランド大学のマット・ランドリーマン教授と協力し、磁場の厳密解に関する1967年の仮説「Grad予想」に対する、より広範な反例を特定した。得られた解は、ステラレーターのシミュレーションソフトを検証するためのベンチマークとなる。これは数学とシミュレーションへの貢献であり、商業利用可能な核融合発電を実証したものではない。
Googleはまた、量子化学パッケージxTBへの変更により、分子構造の予測が最大2.3倍、代替となる分子形状の探索が1.8倍速くなったと報告している。変更は同パッケージの公式リポジトリーに提供された。
生物学分野では、Gamow Labsが、希少な発達性肺疾患のある新生児について、個人を特定できる情報を除いたゲノムをArgonで分析した。Googleが紹介した事例の一つでは、長年見逃されていた染色体再構成を特定した。非公開の評価で、希少疾患の診断支援は57％、実験室での推論は52.2％のスコアだった。これらは研究評価であり、Argonが患者を独立して診断できることの証明ではない。
Googleの研究者はさらに、エステル結合を切断する酵素であるセリンエステラーゼの新たな設計をArgonで5種類生成し、その後の実験室試験で触媒活性を確認した。別途、Googleは科学者1万人を対象に、Antigravityの最上位利用枠を6カ月間無料で提供する申請受付を開始した。受付は随時行われ、対象条件、選考、受け入れ枠に左右される。
ロボットの実演は投てきの妙技にとどまらず
Argonは、物理的・空間的な問題の理解を測るEmbodied Reasoningベンチマークで87％を記録した。社内の実演では、コーンホールをする人の動画を見て環境を把握し、関節の動きを計算し、シミュレーションコードを生成した。Googleによると、作業内容をApptronikの人型ロボット「Apollo」に移したところ、実機試験で7回連続の投てきに成功した。
そのほかの報告事例には、ボストン・ダイナミクスの四足歩行ロボット「Spot」がペダル式ごみ箱を使って空き缶を捨てた実演、ロボットアームが倒れたマグカップを起こして中にナプキンを入れた実演、視覚情報を繰り返しフィードバックしながらArgonが動画シミュレーションを操作した実演がある。これらは、無制限のロボット自律性を示すものではなく、推論を調整済みの観測、事前に定められた動作コマンド、検証手順と組み合わせた事例だ。
ロボット関連の研究には、ロボットカメラの映像、人の動画、スケッチからシミュレーションを再構成する作業も含まれる。見た目だけでなく接触力を合わせることが重要だ。見た目だけがもっともらしいシミュレーションでは、実機で失敗する動作を学習させてしまう可能性がある。
シミュレーションで生成したデータを使った実験では、物理的なタスクの成功率が56％から75％に上昇したと報告されている。19ポイントの改善だ。タスクの所要時間は35秒から24秒に短縮し、約31％減った。この結果が裏付けるのは、学習とタスク実行の改善という限定的な結論であり、一般的な身体的知能の実証ではない。
安全性に関する開示が公開の説明を複雑に
モデルカードによると、GoogleはArgonが生物学的情報リスクとサイバーセキュリティに関する重大な能力水準に達する可能性を否定できない。これらのしきい値は、適切な安全対策がなければ、モデルが深刻な危害を引き起こす能力を大きく高めうるかどうかに関わる。Googleは安全性に関する評価書と保護策を策定し、残るリスクをその水準より下げたとしている。
Argonは、ステルス性と状況認識を試す15の課題のうち14件を達成した。ここでの達成は、能力を測る課題を成功させたことを意味し、安全性の認定を受けたということではない。そのためGoogleは、さらなる保護策がなければ人間の制御を損なう可能性に関するしきい値に達することも否定できないとしている。
公開発表では、いくつかの防御策を説明している。不可逆な手順の前に境界を守り、人間の確認を求めるよう訓練すること、不正な回避策を遮断するための監視、ウェブページ、メール、コードに隠された悪意ある指示への保護などだ。Googleによると、Gray Swanの間接的プロンプトインジェクション・ベンチマークで、適応型の攻撃を15回試した際の成功率は0.7％だった。
そのほかの安全性評価では、コーディング評価における不正な近道の試みが2％に低下し、生物学分野の外部敵対的テストでは、試験対象のサブタスクの1％未満で突破が認められたという。こうした数値は特定の試験結果を示すもので、悪用を防ぐ保証ではない。モデルカードには、自動テキスト安全性指標でGemini 3.1 Proと比べて1.57ポイント悪化したことも記載されている。Googleは、差は信頼区間内にとどまり、手動レビューでは大半が誤検知か、深刻とは言えない問題だったとしている。
GoogleはFairwind Programを拡大し、新たに数百の承認済みサイバーセキュリティ関連組織を参加させる。同プログラムでは、サイバー分野のガードレールなしでアクセスできる。発表によると、WizはArgonを使い、政府インフラや医療システムに関するリスクに対処した。そこには、マスターキーと管理者権限が漏えいしかねない脆弱性の連鎖も含まれる。
報道によると、Googleはホワイトハウスの任意審査プロセスに参加したが、そのプロセスは一般に公開されていない。参加したことを、Argonの安全性に対する政府の公的認定として示すべきではない。
購入者が確認すべきこと
Argonはテキスト、画像、音声、動画を入力でき、テキストを出力する。モデルカードによると、入力と出力を合わせたコンテキストウィンドウは最大100万トークン。これは入力100万トークンに加えて出力をさらに100万トークン扱えるという意味ではなく、両者で共有する上限だ。報道によると、途切れずに生成できる応答の上限は明らかにされていない。
知識の基準日は2026年3月で、Googleは一部の分野では知識がそれ以前の情報にとどまる可能性があると警告している。モデルは不正確な情報を作り出すことがあり、応答の遅延やタイムアウトが起きる場合もある。こうした制約は、Googleが対象とする法律、金融、科学、エンジニアリングの業務で重要になる。
今回の公開では具体的な性能事例が異例なほど詳しく示されたが、最も強力なエンジニアリング事例からも、用途を選んだ導入が必要だと分かる。メンテナーは最適化案6件のうち4件を却下した。購入者は自社のシステムでArgonを試せるようになった一方、11月以降の料金、サブスクリプションでの提供拡大、管理された評価環境以外での安全対策の有効性については、引き続き注視が必要だ。
要点
- Googleは2026年10月13日、対象となる加入者、開発者、企業向けにArgonの広範な提供を開始した。
- 導入時のAPI料金は、入力100万トークン当たり2ドル、出力100万トークン当たり10ドル。
- 報道によると、通常料金は12月1日に倍増する。公式発表にはその期限が記載されていない。
- ArgonはVals Indexで首位に立つ一方、ほかの複数の評価では競合モデルを下回る。
- Pythonの最適化を11時間実行した結果、人間のレビュアーが採用した提案は6件中2件だった。
- Googleは、実験室で試験した5種類の酵素設計や、物理タスクの性能向上など、科学・ロボット分野の成果を報告している。
- Googleは、生物学、サイバーセキュリティ、人間の制御に関わる能力のしきい値に達する可能性を認め、保護策によって残るリスクを低減したとしている。
