Skip to content
モデル・研究

Google、「Gemini 4 Argon」を開発者・企業・一般消費者向けに提供開始

Googleは「Gemini 4 Argon」をAPI、Antigravity、Geminiアプリ、検索のAIモードを通じて全世界で提供開始したと発表した。導入価格は100万トークンあたり入力2ドル、出力10ドルとなる。

DigitalNeuron Desk約1分

ひとことで言うと

Googleは「Gemini 4 Argon」について何を発表したのか

Googleは、AI Studioおよび Geminiプラットフォームを通じたAPI、AI Ultra加入者向けのGoogle Antigravity、そしてAI UltraおよびPro加入者向けのGeminiアプリと検索のAIモードを通じて、「Gemini 4 Argon」を全世界で提供開始したと発表した。Googleは導入価格として100万入力トークンあたり2ドル、100万出力トークンあたり10ドルを設定し、同モデルがVals Indexで首位を獲得したと述べた。

要点

  • Googleは、AI Studioおよび Geminiプラットフォーム経由のAPI、AI Ultra加入者向けのGoogle Antigravity、そしてAI UltraおよびPro加入者向けのGeminiアプリと検索のAIモードを通じて、「Gemini 4 Argon」を全世界で提供開始したとしている。
  • Googleは導入価格として、100万入力トークンあたり2ドル、100万出力トークンあたり10ドルを設定し、キャッシュされた入力トークンには95%の割引を適用する。
  • GoogleはArgonがVals Indexで首位にランクされたとしており、同指標は金融、コーディング、法務、税務などの分野にわたるモデル性能を測るものだと説明している。
  • Googleによると、社内チームはAntigravity上でArgonを使い、Chromeのコードベースやオープンソースのadk-pythonの再構築を行うとともに、量子化学パッケージ「xTB」やGemmaモデルの高速化にも活用した。
  • Googleは、Google DeepMindの上級副社長兼チーフAIアーキテクトを務めるコレイ・カヴクチュオール氏の発言を引用し、同社が開発者、企業、科学者、一般消費者に最新のフロンティアモデルへのアクセスを提供すると述べている。

Googleは、同社の「Gemini 4 Argon」モデルが全世界で利用可能になったと発表した。Google DeepMindの上級副社長(SVP)兼GoogleのチーフAIアーキテクトを務めるコレイ・カヴクチュオール氏は、「私たちは開発者、企業、科学者、そして一般消費者に、当社最新のフロンティアモデルへのアクセスを提供する」と述べた。

提供範囲と価格

Googleによると、開発者や企業はAI StudioおよびGeminiプラットフォームを通じたAPIでArgonを利用できる。Google AI Ultra加入者はGoogle Antigravity上でこのモデルを使用でき、Google AI UltraおよびPro加入者はGeminiアプリおよび検索のAIモードでアクセスできる。

Googleは導入価格として、100万入力トークンあたり2ドル、100万出力トークンあたり10ドルを設定し、キャッシュされた入力トークンについては95%の割引を適用するとした。

性能に関する主張

Googleは、Argonがコーディング、金融、法務、サイバーセキュリティ、科学などの分野にわたる持続的かつ複数段階の作業向けに設計されていると説明した。同社は、これらの分野のベンチマークにおいてArgonが他のフロンティアモデルを上回り、Vals Indexで首位にランクされたと述べた。Googleはこの指標について、金融、コーディング、法務、税務といった経済セクターにわたるモデル性能を測るものだと説明している。

社内・社外での活用事例

Googleによると、同社内の各チームに加え、企業や研究者もすでにArgonを様々なプロジェクトで活用しているという。

Chromeに関しては、Googleはエンジニアがコアとなるウェブページ処理コードを、Chromiumの4000万行規模のコードベース内にある約600万行の既存フォルダから分離する作業にArgonが役立ったと述べた。数百のファイルにわたるこのアーキテクチャの再構築は、通常であれば数カ月を要する作業だが、数週間で完了したという。Googleは、この変更により表示中のウェブページを再読み込みせずにタブ、サイドパネル、フローティングウィンドウ間で移動できるようになり、ブラウザクラッシュの一種のカテゴリーをまるごと解消できたとしている。

Googleは、自社のエンジニアリングチーム全体でAntigravity内でArgonを使用した結果、エージェント型コード提出件数が35%以上増加し、コードのロールバックはほぼ3分の1減少したと述べた。

オープンソースのAgent Development Kit(ADK)に関しては、GoogleはエンジニアがArgonにルールブックと1段落の目標を与え、既存のアプリケーションを壊さずにフレームワークのオーバーヘッドを削減するよう指示したと説明した。Googleによれば、このモデルは一晩で変更を生成し、現在google/adk-pythonリポジトリで公開されているその変更により、長時間セッションにおけるメモリ内セッション準備時間が40%短縮され、コールドインポートの速度が21%向上したという。

Googleは、オープンソースの量子化学パッケージ「xTB」の高速化にもArgonを活用し、分子構造の予測を最大2.3倍、コンフォーマー探索を最大1.8倍高速化したと述べた。これらの変更は同プロジェクトの公式GitHubリポジトリに反映されているという。

また同社は、vLLMを用いたA100 GPU上でのオープンモデル「Gemma」の推論について、エンドツーエンドで2.85倍の高速化を実現したとも述べた。Gemma 4 E2Bのスループットは、毎秒約37,900トークンから10万8,000トークン超へと向上した。Googleはこの作業を、トークンの完全な整合性を保ち品質を損なうことなく、わずか数日で完了させたとしており、通常であれば数カ月を要する工程だとしている。

さらにGoogleは、Argonが従来のGeminiモデルと比較して、空間推論、数学的精度、ビジュアルコーディングの面で改善が見られると述べた。Google社員はAntigravity内でこのモデルを使い、3Dビジュアライゼーションやゲーム、インタラクティブなアニメーションの試作にも活用しているという。

出典:Google「Gemini 4 Argon: Built to solve your hardest problems」、2026年10月13日公開。

よくある質問

「Gemini 4 Argon」はどこで利用できるのか
Googleによると、AI Studioおよび Geminiプラットフォーム経由のAPI、Google AI Ultra加入者向けのGoogle Antigravity、そしてGoogle AI UltraおよびPro加入者向けのGeminiアプリと検索のAIモードで利用できる。
「Gemini 4 Argon」の料金はいくらか
Googleは導入価格として、100万入力トークンあたり2ドル、100万出力トークンあたり10ドルを設定し、キャッシュされた入力トークンの料金は95%低く設定されている。
GoogleはArgonについてどのようなベンチマーク結果を挙げているのか
GoogleはArgonがVals Indexで首位にランクされたとしており、同指標は金融、コーディング、法務、税務といった分野にわたるモデル性能を測るものだと説明している。
GoogleはArgonの社内活用についてどのような事例を挙げているのか
Googleは、Chromeのブラウザ機能コードの再構築、オープンソースのAgent Development Kitの最適化、量子化学パッケージ「xTB」の高速化、そしてGemmaモデルの推論速度の向上にArgonを活用したと述べている。

出典

  1. Gemini 4 Argon is now available for everyone — Google
タグgeminigoogle-deepmindargonllm-pricingantigravitybenchmarks

あわせて読みたい

Google DeepMind、AIで夫婦の「記録されていない記憶」を再現 『Love, Rendered』

Google DeepMindは、70年以上連れ添った夫婦バート・シャッツとエセル・シャッツのために、一度も撮影されたことのない記憶を再現するドキュメンタリー『Love, Rendered』を映画製作者たちと共同制作したと発表した。同作では生成AIによる画像修復とパフォーマンスキャプチャモデルが用いられたという。Googleはまた、Geminiアプリを使えばユーザーが自分の家族写真を修復・カラー化できるとも述べている。

約3分

Mistral AI、時系列予測モデル群「Timestral」を発表

Mistral AIは、500万から2億900万パラメータまで4種類のサイズを揃えた、同社初の時系列基盤モデル群「Timestral」を発表した。同社によると、最大規模のモデルは3つの公開予測ベンチマークで首位に立ち、各モデルはGPUを必要とせずCPU上で動作するという。

約3分

分析:公開ベンチマークはもはや実運用品質を予測しない――本当に機能する評価セットの作り方

公開ベンチマークが測定するのは、狭く固定的で、広く公開されたタスクにすぎず、しかも学習データによる汚染や、そこを狙い撃ちした最適化が年々進んでいる。実運用の品質を左右するのは、自社のプロンプトであり、扱う文書であり、ツールのスキーマであり、許容できる失敗の範囲であって、そのいずれもリーダーボードは測っていない。現実的な答えは、実際のケースを50から300件集め、期待される挙動を記録した独自の評価セットを用意することだ。これをモデルやプロンプトを変更するたびに実行し、可能な限り厳密な照合で採点し、それが難しい場合は評価基準を明確化したモデル審査によって採点する。

約8分