Gemini 4 Argon が一般公開：Google が初日に報告した利用例と、12月1日に2倍になる価格

Gemini 4 Argon は10月13日に呼び出せるようになりました。変更履歴には gemini-4-argon が一般提供として載り、Google の発表には、このモデルがすでにこなした仕事の長いリストが付いていました。2週間前に、防御側向けビルドはあなたが呼び出すものとは別物だと書きました。今は呼び出せるビルドがあり、その価格には終了日があります。

この記事は Google が報告している利用例の一覧で、それぞれに出どころを付けています。以下の報告は、Google の記事がそう起きたと述べていて、それをそのまま伝えているという意味です。このモデルを自分で呼び出してはいませんし、Google が公開した情報だけでは、どの実行も正確には再現できません。一覧の前に条件を整理します。発表にはなく、ドキュメントにだけ書かれている条件がいくつかあるからです。

Gemini 4 Argon は誰が、どのプランで呼び出せるのか？

Gemini API の有料枠にいる人は誰でも呼び出せます。無料枠では呼び出せません。API アクセスを扱う料金ページには、Argon は「無料枠でも Google AI Pro プランでも利用できない」とあります。プランは利用する場所ごとに分かれています。

つまり Pro の契約では Argon とチャットはできますが、開発者向けのアクセスは含まれません。Argon の上で何かを作るには、API の有料枠か Ultra が必要です。最後の行は10月1日の記事で書いた切り分けで、今も残っています。発表は防御者に向けて、「サイバー関連のガードレールなしの Argon へのアクセスを随時」申請するよう呼びかけています。

Gemini 4 Argon の料金は12月1日の前後でいくらか？

2026年11月30日までは100万トークンあたり入力 $2、出力 $10 で、12月1日からは $4 と $20 です。10月1日の時点では、導入価格に終了日がありませんでした。今は終了日があり、7週間先です。

表からは読み取れない点が2つあります。思考トークンは出力として課金されます。そしてキャッシュは暗黙的なものだけです。移行ページには、明示的キャッシュは「Gemini 4 Argon では対応していない」とあり、暗黙的な割引は 4,096 トークン以上のプロンプトに適用されるとあります。95% の割引は、こちらからは要求できないキャッシュヒットに左右されます。

12月の料金は Opus 5.5 の定価と同じです。価格を理由に Argon へ移したものは、7週間後にもう一度判断することになります。

long decode が入力を送り直すと、Gemini 4 Argon の長い出力はいくらになるのか？

出力単価に出力量を掛けた額より高くなります。続きの生成が毎回、それまでの全内容を入力とする新しいリクエストとして課金されるからです。見出しになっている上限は「1M unified」で、入力、思考、出力が 1,048,576 トークンの1つのウィンドウを共有します。それでも Interactions API の同期リクエストは出力 65,536 トークンで止まります。long decode のページによると、バックグラウンド実行をオフにしたままそれ以上を要求すると 400 が返ります。それを超えるには long decode を使います。バックグラウンドで実行し、65,536 トークンのホップに分けて生成する仕組みです。同じページは、GenerateContent API でクライアント側から続きを生成する方法を別の経路として挙げていますが、ここでは扱いません。

Each hop sends your prompt plus everything generated so far back to the model as input, so the same tokens are counted again in every later hop.

Google の計算例は、1,000 トークンのプロンプトから思考と出力を合わせて 200,000 トークンを生成するものです。ホップは4回で、入力はそれぞれ 1,000、66,536、132,072、197,608 トークンです。usage のフィールドにはその合計が出ます。

total_input_tokens is the sum of every hop's input, not the size of your context.

合計は 397,216 トークンです。同じページはこのときのコンテキストを約 201,000 としています。ドキュメントによると、繰り返し送られる入力は暗黙的キャッシュで 95% 割引になり、料金はすべてのホップにかかります。「思考しか含まないホップも含めて」です。キャンセルされた実行や失敗した実行も、完了した分は課金されます。

この例についての計算は私のもので、実際の請求を測ったものではありません。生成された 200,000 トークンは導入価格で $2.00 です。入力の 397,216 トークンは、最初のホップが満額で、以降のホップの入力にキャッシュ料金が適用されるなら約 $0.04 です。Google が文書化しているのはこの挙動です。キャッシュが一度もヒットしなければ約 $0.79 になります。この2つ目の数字は上限として載せています。つまりプロンプトが小さい場合、送り直される入力の費用は、端数程度から出力料金の 40% 増しまでのどこかに収まります。

プロンプトが大きいと話が変わります。同じ出力の前に 300,000 トークンのプロンプトを置き、ホップは同じ4回だとすると、入力の合計は約 159 万トークンです。文書どおりの挙動なら約 $0.73 で、そのうち $0.60 はプロンプトがキャッシュなしで通る最初の1回分です。上限では $3.19 になります。出力のほうは同じ $2.00 です。12月1日には、このすべてが2倍になります。

Google はホップで繰り返される入力の割引を自動だと説明していて、キャッシュが外れる割合は示していません。私は long decode を実行していないので、その数字を足すことはできません。自分で最初に実行するときに記録すべき数字は、total_input_tokens とキャッシュ済みトークン数の2つです。

Gemini 4 Argon へのリクエストは、以前の Gemini モデルと何が変わるのか？

確認する点は5つで、すべて移行ページにあります。最初の2つは、エラーを出さずに挙動だけが変わります。

• temperature、top_p、top_k は送っても無視されます。
• max_output_tokens は思考と出力を合わせた総量です。Google は、32K 未満の上限は 32,768 以上に引き上げるよう勧めています。Argon は以前のモデルより多くを思考に使うことがあるからです。long decode のページによると、思考の途中で上限に達した実行は、空のテキストで返ることがあります。
• 思考には low、medium、high の3段階があり、既定は medium です。ページは、評価を3段階すべてで走らせ、合格するいちばん低い段階を選ぶよう勧めています。
• クライアントのタイムアウトは15分以上にするか、リクエストをバックグラウンドで実行します。
• 上で書いたとおり、明示的キャッシュの呼び出しには対応していません。

評価のためにもう1つ。モデルカードによると、知識のカットオフは2026年3月です。

Gemini 4 Argon は Google の Agent Development Kit での夜間実行で何を出荷したのか？

提案された6件の最適化のうち2件です。報告された利用例のなかで、自らのレビュー記録を公開しているのはこれだけなので、最初に取り上げます。Google Cloud の著者3人が Google Developers Blog で報告しています。

対象は google/adk-python、つまり Agent Development Kit (ADK) です。約 205,000 行、800 近いソースファイル、17,000 近いユニットテストがあります。最初のラウンドは約2時間で、リポジトリの指示なしに走り、メンテナーの慣習を外しました。公開されている JSON スキーマへの変更もその1つです。2回目のラウンドは11時間、人が付かずに走り、コードに触れる前にガイドラインのファイルを12個読み、32ファイルにわたる6件の最適化を提案しました。

コードレビューは4件を却下しました。1件は弱参照を使ったキャッシュで、セッションをまたいで古いデータを返すおそれがありました。得られる改善は 17% でしたが、それが出たのは合成ベンチマークの上だけです。1件は OpenTelemetry の非公開属性を読んでいて、マイナーアップグレードで壊れかねないものでした。残る2件は、エンドツーエンドの数字を動かさないまま複雑さを増やしていました。出荷された2件は、メモリ上のセッション履歴をコピーする前に絞り込むことと、重いパッケージの遅延読み込みです。記事によると、長いセッションでのセッション準備のオーバーヘッドが約 40% 減り、import google.adk が 21% 速くなりました。

この実行はオープンソースのテスト 16,892 件をすべて通しましたが、それでも変更の1つが Google 社内のテストターゲット25件を壊しました。削除された属性にパッチを当てていたテストです。著者たちは制約も自分で挙げています。40% はインメモリのセッションサービスだけの数字です。ベンチマークは即座に応答するモデルとツールを使ったので、測っているのはフレームワークのオーバーヘッドです。新しいプロセスの起動から最初のモデルリクエストまでの時間は変わりませんでした。記事にはトークン数も費用も書かれていません。

著者たちのまとめはこうです。

That division of labor is why the workflow worked: the agent explores, the maintainer subtracts.

Gemini 4 Argon について、Google はほかにどんな利用例を報告しているのか？

説明できるだけの詳細があるものが、あと6つあります。6つとも Google のチームが自分たちについて報告したもので、ADK の記事のようにレビューの記録を公開しているものはありません。

1. Chrome のレガシーフォルダの分割。 発表によると、Argon は 4,000 万行のコードベースにある約 600 万行のレガシーフォルダから、ウェブページ処理の中核を切り出す作業を助けました。「数か月分の作業を数週間で」とのことです。変更の件数も、リバートされた件数も示されていません。
2. YouTube のコメント用フロントエンドの CPU 使用を半減。 Antigravity の記事によると、重複した絵文字レンダリングがサーバーのオーバーヘッドの 45% 近くを占めていました。そこから12件の最適化が続き、サーバー側のコメント読み込みのレイテンシが 30 ms 下がったそうです。
3. バグのバックログの整理。 未解決の報告134件のうち、Argon は97件を古いものか重複として3時間足らずでクローズしました。「コミットによる証拠を文書化して」とのことです。残りの37件は担当者ごとに仕分けました。同じ記事からです。
4. Fortran から Rust へ。 レガシーな Fortran のコードベースを Rust で書き直し、性能が 1.8 倍になったと報告されています。記事はコードベースの名前も規模も挙げていません。
5. アクセス制御の監査。 アクセス制御の変更から、重大なセキュリティバグを4件見つけました。記事によると、以前の2つのフロンティアモデルが「セキュリティホールはゼロだと結論づけた」コードです。そのモデルの名前は出ておらず、監査を実行したのがどのビルドかも書かれていません。
6. 財務のワークフロー。 7営業日にわたる80のワークフローで、人による指示 15.5 時間から、検証済みの成果が約335「人間換算時間」分生まれたとされています。この単位は Google のものです。

同じ記事は利用状況の数字も報告していますが、これは事例には数えません。Alphabet 社内の Antigravity で Argon の月間ユーザーが10万人を超え、4週間でエージェントによるコードが 35% 増え、サブミット後のロールバックが 30% 減ったという数字です。

Gemini 4 Argon の報告された利用例に共通するものは何か？

7つとも Google の中で起きたことです。レビューの工程に少しでも触れているものでは、人が後から結果を削っています。その工程を記録として残しているのは ADK の記事だけです。ほかの記事は実装、トリアージ、監査、財務の作業を扱っていて、出力を誰が確認したかはほとんど書いていません。発表には社外の名前もいくつか出てきます。Wiz、Isomorphic Labs、Gamow Labs などです。ただ、それもローンチの記事の中で Google が伝えているものです。

どの事例にも欠けているものが2つあります。いくらかかったかと、どの思考レベルで走らせたかです。出力のうちどれだけ捨てたかを書いているのは ADK の記事だけで、同じ記事はプロンプト、ベンチマークの方法、マージされたコミットも公開しています。11時間の実行の費用を見積もりたい読者の手元には、上のトークン単価があるだけで、それに掛けるトークン数がありません。

ADK の比率は、ローンチ資料のなかでいちばん役に立つ数字です。見栄えのしない数字だからです。17,000 件のテストと文書化されたガイドラインがあるコードベースでの夜間実行から、Google 自身のメンテナーが受け入れたのが6件中2件だとすれば、最初に見積もるべきものはレビューに割ける人手で、トークンはその後です。1回の実行から割合は出せません。それでも、却下の件数まで数えて Google が公開した実行はこれだけです。失敗した社内ターゲット25件は、同じことを反対側から示しています。公開テストスイートがすべて通っていても、その変更が壊したものはカバーされていませんでした。

公開された Gemini 4 Argon はベンチマーク表のビルドと同じか？

Google は明言していません。そしてモデルカードには、公開側に安全策がかかっていることが書かれるようになりました。フロンティア安全性のセクションは、Argon が Google の Frontier Safety Framework のサイバーセキュリティのしきい値に達している可能性を「排除できない」とし、リスクをそれより下に抑えるために「安全策を適用している」と述べています。Google の外では、ガードレールなしのビルドは Fairwind のパートナーにとどまります。カードは、不当な拒否が Gemini 3.1 Pro に比べて 9.6 ポイント減ったとも報告しています。これは前のモデルとの比較です。防御側向けビルドならこなすセキュリティ寄りの作業を、公開ビルドがどのくらいの頻度で断るのかは、ここからはわかりません。

サイバー関連の行について10月1日に書いた点は、そのまま変わりません。CWE-bench の 68% はあるモデルを表していて、問いは今も、それがどのビルドなのかです。今できるのは、自分のタスクで拒否の回数を数えることです。

どのビルドで測ったにせよ、表には Google が前面に出さなかった行もあります。Terminal-bench 4.0 では Argon が 57.4%、Opus 5.5 が 66.4% です。FrontierSWE v2 では Argon が 55.0%、GPT-6 Astra が 65.5% です。一方で Argon は DeepSWE v1.1 で 77.9% の首位、GraphWalks の 256K から 1M の行も 84.2% で、GPT-6 Astra の 71.8% を上回っています。

価格が変わる前に Gemini 4 Argon を試すべきか？

評価の仕組みがすでにあるなら、試すべきです。試すだけなら、12月より今のほうが安く済みます。私はまだ走らせていないので、以下はドキュメントを読んだうえでの見方です。

10月1日には、初日がモデル ID の差し替えで済むよう、アクセスの前に評価を作っておこうと書きました。その初日が来ました。ただ、差し替えるものは ID だけではありません。黙って無視されるサンプリングパラメータがあり、Argon が思考に多く使うかもしれない出力予算があり、引き上げるべきタイムアウトがあります。Google が勧めるとおり評価を3つの思考レベルすべてで走らせ、リクエストごとの入力トークンを記録してください。長い出力では、その数字がコンテキストの大きさと一致しなくなるからです。

導入価格は、試すことに対する割引として扱ってください。ワークロードを移すかどうかは $4 と $20 で見積もるべきです。運用期間の大半はその価格になるからです。私はモデルのバージョンを固定し、指標をあらかじめ決めて、変化の原因をたどれるようにしています。終了日のある価格は、今日のうちにカレンダーへ書き込める変化です。

どの役割で試すかについて、手元にあるのは8月の議論だけです。私の環境では、よりエージェント的なモデルは、ワーカーよりレビュアーの席に合っていました。Google がいちばん詳しく記録している事例はその逆の形で、長時間走るワーカーの後ろに人間のレビュアーがいます。私は Argon をどちらの席でも走らせていません。自分で走らせるなら、何を測るべきかは ADK の記事から読み取れます。一晩で提案されたもののうち、レビュアーが残す割合です。