Gemini 4 Argon は、2026 年 10 月 13 日から Gemini API で一般提供されています。モデル ID は gemini-4-argon で、Gemini アプリでは Google AI Pro と AI Ultra の加入者が使えます。料金は 100 万トークンあたり入力 $2・出力 $10 ですが、この導入価格は 11 月 30 日までで、12 月 1 日から入力 $4・出力 $20 になります。
Google が Gemini 4 Argon を発表したのは 2026 年 9 月 30 日 (米国時間) です。発表の時点では、サイバー防御向けの Fairwind Program に参加する組織の一部しか使えませんでした。この記事は 10 月 3 日に「いつ使えるか」を整理した版を、2026 年 11 月 8 日に提供開始後の情報へ書き換えたものです。
9 月は GPT-6 Astra、Claude Fable 5.1、GPT-6 Sol・Luna、Claude Opus 5.5 と新しいモデルが続きました。組織の標準モデルを決めたばかりの開発責任者にとって、「GPT-6 Astra や Claude を上回る」という見出しは、選定をやり直すべきかを迷わせます。
この記事では、Argon の使い方と料金を一次情報で示し、他社の現行モデルと単価・ベンチマークを並べます。結論は「導入価格が終わる 12 月 1 日の前後で費用を試算し、自社のタスクで比べてからデフォルトモデルを変える」です。根拠は Google の英語版の公式ブログ、DeepMind のモデル紹介と評価手法の資料、Gemini API の変更履歴・料金ページ・モデルページです。提供開始後の情報は 2026 年 11 月 8 日に、発表時の情報とベンチマークは 10 月 3 日に確認しました。当社は Argon を実機で評価していないため、本記事は発表資料と公式ドキュメントの整理です。2026 年 11 月 13 日に料金と モデルページ を再確認しました。現行の説明では、Argon は Gemini 4 Carbon より応答速度とターンあたりのトークン効率を重視したモデルです。発表時の最上位という位置づけと、現在の選択肢は区別してください。
Gemini 4 Argon で確定していること
公式ブログ、DeepMind のページ、Gemini API のドキュメントで確認できる事実を先に並べます。
| 項目 | 内容 |
|---|---|
| 発表日 | 2026 年 9 月 30 日 (米国時間)。日本語版のブログは 10 月 1 日 |
| 位置づけ | 実務のソフトウェア開発、法務・財務などの知識業務、サイバー防御に向けたモデル |
| Gemini API | 2026 年 10 月 13 日に一般提供。モデル ID は gemini-4-argon。Free tier では使えない |
| Gemini アプリ | Google AI Pro と AI Ultra の加入者。2026 年 10 月 13 日に提供開始 |
| 導入価格 | 100 万トークンあたり入力 $2・出力 $10・キャッシュ入力 $0.10。2026 年 11 月 30 日まで |
| 12 月 1 日からの価格 | 100 万トークンあたり入力 $4・出力 $20・キャッシュ入力 $0.20 |
| コンテキスト | 1,048,576 トークン (入力と出力の合計)。出力はデフォルトで 65,536、long decode で最大 1,048,576 |
| 入力と出力の形式 | 入力はテキスト・画像・動画・音声・PDF、出力はテキスト |
発表時のブログは、出力の上限が従来の 64K から 100 万トークンに広がったと説明していました。モデルページでは、出力はデフォルトで 65,536 トークンで、long decode を使うと最大 1,048,576 トークンになると書かれています。コンテキストの 1,048,576 トークンは入力と出力の合計です。
Google は社内での使い方も報告しています。C/C++ のコードを Rust へ移す作業を、re2 や libgav1 のような数万行のライブラリから、80 万行を超える Fuchsia の Zircon カーネルまで進めています。動画デコーダーの libgav1 では、既存の Rust 版の SIMD コード 3.2 万行を置き換え、出力を変えずに Rust 版より 2.7 倍速くしたとしています。データセンターのメモリ最適化で 300 TiB 以上を空けた例もあります。いずれも Google 自身の報告で、大規模な書き換えは、本番環境に投入する前の自動・手動の監査、エミュレーションテスト、レビューを受けている段階です。自社のコードベースで同じ効果が出る根拠にはなりません。
発表の時点で公式に示された「Gemini 4」のモデルは Argon だけでした。Pro や Flash に当たるモデルは、この記事では扱いません。
いつから使えるか — 2026 年 10 月 13 日に API で一般提供
発表の時点では、Fairwind Program の参加組織だけが使え、公開は「有料 API の顧客と Google AI Ultra の加入者から」と書かれていました。Gemini API の変更履歴には、2026 年 10 月 13 日付で gemini-4-argon の一般提供が載っています。説明は「複雑なコーディング、エージェント、数学、科学のタスク向けの最も高性能なモデル」で、料金と移行の詳細は別のページに案内されています。
| 使う場所 | 使えるか |
|---|---|
| Gemini API | 使える。Free tier では使えない |
| Google Cloud の Gemini Enterprise Agent Platform | 使える。従量課金 (Standard・Priority)、Provisioned Throughput、バッチ推論に対応 |
| Gemini アプリ | Google AI Pro と AI Ultra の加入者が使える |
| Fairwind Program | 参加組織のみ。サイバー防御の用途に限られる |
Gemini アプリの対象は、Google の 10 月 13 日付のブログと Gemini アプリのリリースノートに書かれています。Gemini のプランページにも、Google AI Pro では Argon へのアクセス、Google AI Ultra では最上位のアクセスと載っています。Google AI Plus と無料プランについての記載はありません。
Gemini 4 Argon の使い方 — API で呼ぶ、アプリで使う
Gemini API で使う
API で使うには、使うプロジェクトを有料枠にします。Gemini API の課金ガイドによると、Google AI Studio のプロジェクトに請求先アカウントを紐づけると有料枠 (Tier 1) になります。設定の途中で最低 $5 の前払いを求められるのが基本で、後払いを選べるアカウントもあります。前払いの場合は、残高が無いとリクエストは処理されません。
モデル ID は gemini-4-argon です。モデルページによると、関数呼び出し、構造化出力、コード実行、コンピューター操作、Google 検索・Google マップによるグラウンディング、URL コンテキスト、バッチ API が使えます。思考は low・medium・high から選べます。キャッシュは暗黙のキャッシュ (implicit caching) だけで、明示的なキャッシュは使えません。Live API には対応していません。
Gemini アプリで使う
Google AI Pro か AI Ultra に加入していれば、Gemini アプリで選べます。対象のプランは Google AI Pro と AI Ultra で、Google AI Plus と無料プランについては記載がありません。Argon を目的にプランを変えるかは、費用と使い方を決めてからで遅くありません。
Fairwind Program は防御側の枠
Fairwind Program は、防御側に先に高度なモデルを渡すための Google DeepMind のプログラムです。参加組織は、サイバーセキュリティ・インシデント対応・ペネトレーションテストのチームが、許可された脅威シミュレーションやマルウェア解析のような防御・研究の目的で使います。公式 FAQ が挙げる優先対象は、政府と国のサイバー当局、重要インフラの事業者、多くの利用者を抱える中核の技術基盤の 3 つです。日々の開発に使う目的で参加する枠ではないため、一般の開発チームは API かアプリで使います。
脆弱性対策は Fairwind の対象外でも始められる
Argon は脆弱性を自律的に見つけ、検証し、修正できるとされています。この能力に期待している情報システム部門やセキュリティ担当の方もいるでしょう。Fairwind の対象外の組織について、公式 FAQ は「公開済みのモデルで CodeMender を使ってコードを守れる」と案内しています。AI が書いたコードを含めたレビューと脆弱性の検出を開発の流れに組み込む設計は、AI 駆動開発のセキュリティ設計にまとめています。
料金 — 11 月 30 日までは入力 $2・出力 $10、12 月 1 日から 2 倍
導入価格と 12 月 1 日からの価格
| 区分 | 入力 | キャッシュ入力 | 出力 |
|---|---|---|---|
| 〜 2026 年 11 月 30 日 | $2 | $0.10 | $10 |
| 2026 年 12 月 1 日〜 | $4 | $0.20 | $20 |
単位は 100 万トークンあたりの USD で、Standard tier の単価です。出力には思考のトークンを含みます。発表時のブログには導入期間の終了日が書かれていませんでしたが、Gemini API の料金ページに 2026 年 11 月 30 日までと明記されています。予算を組むときは、12 月 1 日以降の単価で試算してください。導入価格のまま見積もると、12 月に費用が 2 倍になります。
他社モデルとの単価比較
Google のベンチマーク表で比較相手になっている 3 モデルに、入出力の単価が Argon の導入価格と同じ GPT-6 Sol と GPT-6.1 Sol を加えて並べます。
| モデル | 入力 | キャッシュ入力 | 出力 |
|---|---|---|---|
| Gemini 4 Argon (11 月 30 日まで) | $2 | $0.10 | $10 |
| Gemini 4 Argon (12 月 1 日から) | $4 | $0.20 | $20 |
| GPT-6 Astra | $10 | $1.00 | $50 |
| GPT-6 Sol | $2 | $0.20 | $10 |
| GPT-6.1 Sol | $2 | $0.10 | $10 |
| Claude Opus 5.5 | $4 | $0.20 | $20 |
| Claude Fable 5.1 | $10 | $0.25 | $50 |
Argon の単価は 2026 年 11 月 8 日に Gemini API の料金ページで確認しました。他社の単価は OpenAI の料金ページ の Standard (入力 272K トークン以下) と、Anthropic の料金ページ の基本単価を、2026 年 10 月 3 日に確認したものです。OpenAI と Anthropic のキャッシュ入力は読み取りの単価で、どちらもキャッシュの書き込みは別に課金されます。GPT-6.1 Sol は OpenAI DevDay 2026 で発表されたモデルで、提供範囲は DevDay 2026 の発表まとめで扱っています。
入力と出力の単価だけを見ると、Argon の導入価格は GPT-6 Sol や GPT-6.1 Sol と同じで、GPT-6 Astra と Claude Fable 5.1 の 5 分の 1 です。12 月 1 日からは Claude Opus 5.5 と同じ単価になります。
ただし、単価が安くても 1 タスクの費用が安いとは限りません。出力単価が半分でも、同じ作業に 2 倍の出力トークンを使うモデルなら費用は同じです。Argon は長く考えて一度に解く使い方を前面に出していますが、1 タスクにどれだけ出力するかを示す公式の数値は見つかりませんでした。単価表ではなく、同じタスクを流したときの課金額で比べてください。費用の測り方は LLM アプリのコスト最適化で扱っています。
ベンチマークの読み方 — 18 項目中 13 で首位、Terminal-bench 4.0 と OSWorld-2.0 では首位を譲る
作業の種類ごとの優劣
Google が DeepMind のモデル紹介とブログに載せた表を並べます。「作業の種類」は Google の表の分類を訳したものです。GraphWalks は入力の長さで 2 区分ありますが、1 項目と数えています。
| 作業の種類 | ベンチマーク | Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 | 首位 |
|---|---|---|---|---|---|---|
| 知識業務 | Vals Index | 68.9% | 63.1% | 65.8% | 67.0% | Argon |
| 知識業務 | AutomationBench | 51.3% | 41.4% | 31.4% | 42.5% | Argon |
| 知識業務 | Vals Finance Agent v2 | 65.4% | 53.5% | 58.9% | 58.6% | Argon |
| 知識業務 | Harvey's Legal Agent Benchmark | 19.6% | 5.4% | 6.7% | 3.8% | Argon |
| コーディング | DeepSWE v1.1 | 77.9% | 74.1% | 67.4% | 74.2% | Argon |
| コーディング | FrontierSWE v2 | 55.0% | 65.5% | 56.3% | 62.3% | GPT-6 Astra |
| コーディング | Vibe Code Bench | 91.9% | 89.6% | 90.3% | 90.3% | Argon |
| コーディング | Terminal-bench 4.0 | 57.4% | 58.2% | 57.9% | 66.4% | Claude Opus 5.5 |
| ML エンジニアリング | PostTrainBench | 45.3% | 44.3% | 40.2% | 49.3% | Claude Opus 5.5 |
| 科学・数学 | Terminal-Bench Science 0.1 | 57.6% | 68.1% | 52.6% | 63.3% | GPT-6 Astra |
| 科学・数学 | LABBench 2 | 88.8% | 85.4% | 68.6% | 73.1% | Argon |
| 科学・数学 | RiemannBench | 76.0% | 72.0% | 65.6% | 69.6% | Argon |
| 長いコンテキスト | GraphWalks (128k まで) | 99.7% | 98.7% | 91.4% | 90.6% | Argon |
| 長いコンテキスト | GraphWalks (256k〜1M) | 84.2% | 71.8% | 65.0% | 66.8% | Argon |
| 画面操作 | Agent's Last Exam | 39.5% | 34.2% | — | 38.2% | Argon |
| 画面操作 | OSWorld-2.0 (offline subset) | 69.2% | 72.6% | — | — | GPT-6 Astra |
| 画像・動画の理解 | Chartography | 71.6% | 71.0% | 46.2% | 66.3% | Argon |
| 画像・動画の理解 | LVBench | 91.7% | 87.5% | 79.7% | 83.7% | Argon |
| サイバー防御 | CWE-bench v1 | 68.0% | 68.0% | 58.0% | 67.0% | Argon・GPT-6 Astra (同率) |
Argon が首位 (同率を含む) なのは 18 項目中 13 で、CWE-bench v1 の同率を除くと 12 です。2 位との差は項目によって大きく違います。Harvey's Legal Agent Benchmark では 12.9 ポイント (2 位の約 2.9 倍)、GraphWalks の 256k〜1M では 12.4 ポイント、AutomationBench では 8.8 ポイントの差があります。一方で Vals Index は 1.9 ポイント、GraphWalks の 128k まででは 1.0 ポイント、Chartography では 0.6 ポイントの差にとどまります。
首位でない 5 項目は、FrontierSWE v2・Terminal-Bench Science 0.1・OSWorld-2.0 (いずれも GPT-6 Astra が首位) と、Terminal-bench 4.0・PostTrainBench (いずれも Claude Opus 5.5 が首位) です。Claude Code や Codex をターミナル中心で使う開発チームにとって、確認すべき項目は Terminal-bench 4.0 です。Argon は 57.4% で 4 モデルの中で最も低い値でしたが、GPT-6 Astra (58.2%) と Claude Fable 5.1 (57.9%) との差は 1 ポイント未満です。首位の Claude Opus 5.5 (66.4%) とは 9.0 ポイント離れています。FrontierSWE v2 でも Argon は 55.0% で 4 モデル中最も低く、首位の GPT-6 Astra (65.5%) とは 10.5 ポイントの差があります。同じコーディングでも、DeepSWE v1.1 では首位なので、項目によって順位が入れ替わります。
数値の出典は項目ごとに異なり、測定方法も統一されていない
Google の評価手法の資料 (PDF) には、表の数値の出典が書かれています。Argon の数値は、Gemini API で最も高い thinking 設定を使い、1 回の試行で解けた割合 (pass@1) です。他社の数値は、資料の原則では各社の公表値で、最大の推論設定の値を使っています。ただし表の 18 項目すべてに個別の注記があり、出どころは Vals AI や Zapier などの公開リーダーボード、各社のシステムカードや公式ブログ、Google の独自の計測に分かれています。
項目ごとの注記には、比較方法の違いが具体的に書かれています。
- DeepSWE v1.1 と Terminal-bench 4.0 は、Argon だけを Google が独自に測定し、他社は公開リーダーボードやシステムカードの値を引用している
- Terminal-Bench Science 0.1 も Argon だけ Google が測り、検証の制限時間を 6 倍に延ばしている
- PostTrainBench・LABBench 2・GraphWalks・LVBench は、4 モデルとも Google が測っている
- OSWorld-2.0 の Argon は 3 回測定した中の最高値。Anthropic は online と offline を合算した値しか出しておらず、Claude の欄は空いている
- LVBench は、Gemini が 1 秒 1 フレーム、GPT-6 Astra が 800 フレーム、Fable 5.1 が 300 フレーム、Opus 5.5 が 600 フレームと、API の制約で入力の条件が違う
- Agent's Last Exam の Fable 5.1 は、公開リーダーボードに無いため載っていない
同じ表に並んでいても、同じ条件で測った数字ではない項目があります。差が数ポイントの項目は、測り方の違いで順位が入れ替わる可能性があります。
FIXIT13 項目で首位なら、もう Argon に決めていいんじゃないの?
Irodori数字の出どころも測り方も、項目ごとに違います。条件が揃っていない数字で順位を決めると、比較が崩れます。
FIXITじゃあ、表のどこを見ればいいの?
Irodori自社の作業に近い行です。ターミナル中心のチームなら、Terminal-bench 4.0 の差を先に見てください。
第三者の評価
第三者の評価で確認できたのは、Vals AI の Vals Index です。2026 年 10 月 2 日更新の版で、Argon は 43 モデル中の首位 (68.90%) でした。2 位は Claude Sonnet 5.5 の 67.04%、3 位は Claude Opus 5.5 の 66.97% です。Google の表にある Vals Index の値も、この Vals AI の結果を引用したものです。
Vals Index は金融・コーディング・法務・税務の作業を、米国 GDP への寄与で重み付けした指標です。開発チームの日常の作業に近いとは限りません。他の第三者評価の数値は記事によって食い違っていたため、本記事では使っていません。
今の標準モデルから乗り換えるかの判断 — 同じタスクで比べ、12 月 1 日の単価で試算する
いきなり標準モデルを変えない
Argon はもう使えるので、「提供されたら試す」という段階は終わりました。ただし、発表資料の数値だけで標準モデルを変える理由にはなりません。前述のとおり、ベンチマークの数値は項目ごとに測り方が違うためです。現行の GPT-6 Astra・GPT-6 Sol・Claude Opus 5.5 などで困っていないなら、自社のタスクで比べた結果が出るまで、そのまま使ってください。各モデルの提供範囲と移行の手順は、GPT-6 Sol・Luna の記事や Claude Opus 5.5 の記事にまとめています。
Gemini を開発ツールから使う場合の選び方は、Gemini Code Assist と Claude Code の比較を参照してください。個人向けの Gemini CLI と Gemini Code Assist の IDE 拡張は 2026 年 6 月 18 日で終わっているため、契約の形は Gemini CLI の移行の記事で確認してください。
比べる項目
評価タスクは、自社のリポジトリで実際にあった作業から選びます。コーディングのように、項目によって Argon が首位にも最下位にもなった作業の種類を、意識して含めてください。
| タスクの種類 | 例 | 近いと考えられるベンチマーク (筆者の対応づけ) |
|---|---|---|
| 日常の修正 | バグ修正、小さな機能追加、テストの追加 | DeepSWE v1.1 (Argon が首位) |
| 大きめの移行 | ライブラリの更新、モジュール単位の書き換え | FrontierSWE v2 (Argon は 4 モデル中で最も低い) |
| ターミナル操作を含む作業 | ビルドやテストの失敗の調査、環境構築の手順の再現 | Terminal-bench 4.0 (Argon は 4 モデル中で最も低い) |
種類ごとに数本ずつ、完了の条件 (どのテストが通れば完了か) を先に書いておきます。完了の条件を後から決めると、結果を見てから基準を動かすことになります。
同じタスクを現行のモデルと Argon で、同じツールで流し、各モデルの推論設定を記録します。記録する項目は次のとおりです。
タスク ID / 種類 / モデルと推論設定 / 完了したか (テストが通ったか)
/ 人が直した回数 / 所要時間 / 入力・出力トークン数 / 課金額切り替えるかどうかは、完了率が現行と同等以上で、1 タスクあたりの課金額が見合うかで決めます。費用は 12 月 1 日からの単価 (入力 $4・出力 $20) で計算してください。11 月中に試す場合も、導入価格の課金額をそのまま 12 月の見込みにすると、実際の費用の半分で見積もることになります。ターミナル操作を含む作業だけ完了率が下がるなら、その種類の作業は現行のモデルに残す使い分けも選べます。評価の実施方法は LLM の評価ハーネスの記事でも扱っています。
FIXITもう使えるなら、すぐ乗り換えていいの?
Irodori先に自社のタスクで比べます。費用は 12 月 1 日からの単価で見積もってください。
FIXIT の推奨方針 — 新しいモデルは、同じタスクで比較してからデフォルトを変える
当社は Argon を実機で評価していないため、ここまでの内容は発表資料と公式ドキュメントを読み解いたものです。新しいモデルが出たときは、発表の数値ではなく、自社の代表的なタスクを同じ条件で流した結果でデフォルトを変えるかを決める運用をおすすめします。比べるタスクと記録の形を先に決めておけば、新しいモデルが公開された日から比較を始められます。9 月のように新しいモデルが続いても、比べる作業そのものは毎回同じにできます。
複数のベンダーのモデルを並行して使い、評価と切り替えの手順を組織内で標準化したい場合は、AI 開発ツール定着支援でご相談いただけます。脆弱性対策を AI でどこまで進めるかの検討は、情報セキュリティコンサルタントでも扱っています。
まとめ
Gemini 4 Argon は、2026 年 10 月 13 日から Gemini API で一般提供されています。モデル ID は gemini-4-argon で、Gemini アプリでは Google AI Pro と AI Ultra の加入者が使えます。導入価格の入力 $2・出力 $10 は 11 月 30 日までで、12 月 1 日から入力 $4・出力 $20 と 2 倍になります。
ベンチマークは 18 項目中 13 で首位ですが、Terminal-bench 4.0 や OSWorld-2.0 を含む 5 項目では首位を譲っています。数値の出どころも項目ごとに違い、同じ条件で測った比較ではありません。
まずは、自社の作業から評価タスクを数本選び、完了の条件と記録の形を決めてください。12 月 1 日からの単価で費用を試算し、同じタスクで現行のモデルと比べれば、乗り換えの判断は短い時間でできます。モデルの評価や切り替えの手順づくりを相談したい場合は、お問い合わせからご連絡ください。
速度と効率を重視する移行先は、Gemini 4 Hydrogen の料金と移行手順にまとめています。



