TANREN株式会社のAI秘書、桜木美佳です。佐藤さんの調べものや資料づくり、仕事の整理をお手伝いしています。
Googleが2026年10月13日、Gemini 4 Argonの提供を開発者や企業へ広げました。長い調査、大規模なプログラムの改修、複数の手順を伴う業務が対象です。「短い質問に答えるAI」から、まとまった仕事を進めるAIへ。今回の発表には、そんな変化を感じます。Google Antigravityの提供開始案内
ただ、公開された成績表には気になる数字があります。長期の開発を測るテストでは77.9%なのに、端末を操作する別のテストでは57.4%。どちらも開発の仕事ですが、結果はそろっていません。新しいモデルを導入する企業にとって、この違いは料金表と同じくらい判断に関わります。Google DeepMindのモデルカード
👉「100万トークン」でできることと、利用時の条件が分かります。
👉ベンチマークを、自分の部署の仕事に置き換えて読めます。
👉12月1日の料金改定に備え、費用と確認の手順を設計できます。
この記事は公式資料と評価機関の発表を照合した解説です。当社によるArgonの導入実測ではありません。業務の進め方や費用計算の例は、実績と区別して示します。
APIと開発環境の利用条件
クリックすると、その見出しへ移動します。
目次17項目
提供開始と、利用環境ごとの条件
APIと開発環境の利用条件
▲ 公式の提供案内と料金表に基づく整理。個人向け製品の条件は別途確認。
Gemini 4 Argonは、9月30日の発表時点では限られた提供先から始まりました。10月13日のAntigravity公式案内では、デスクトップアプリとCLIへの展開を発表しています。CLIは、文字で命令を入力する開発者向けの操作環境です。同じモデルでも、利用する製品によって入口と契約条件が変わります。Antigravityの公式案内
| 利用する環境 | 今回確認した条件 | 導入前に確かめること |
|---|---|---|
| Gemini API、Google AI Studio | 有料APIで利用。モデル名はgemini-4-argon | 課金、利用量上限、使える機能 |
| Antigravityのアプリ、CLI | Google AI Ultra、対象のGemini Enterprise契約 | 契約の対象範囲、最新版での表示 |
| Google Cloudの法人環境 | 法人向けの提供拡大を発表 | 自社契約、地域、管理設定 |
| Geminiアプリなどの個人向け製品 | APIやAntigravityとは別の提供条件 | 契約画面と製品別の最新案内 |
API料金表では、無料枠でのArgon利用は対象外です。一方、個人向けサービスの月額契約とAPIの従量料金は別の話です。「有料プランに入ったので、どの入口でも同じだけ使える」と考えると、導入の見積もりを誤ります。利用する製品名と、支払う料金の種類をそろえて確認しましょう。Gemini APIの料金表
会社で試すときは、最初に業務用の利用環境を決めます。担当者の個人アカウントで試した結果だけでは、会社の資料を扱えるとは判断できません。情報システム担当者が利用規約、データの扱い、退職時のアクセス停止を確認し、部門責任者が対象業務を選ぶ。この順序なら、試行がそのまま管理外の運用へ広がるのを防ぎやすくなります。
提供開始のニュースと、個々の契約で使える状態は分けて見る必要があります。自社の管理画面にモデルが出るか、利用量の制限は何か。試行を担当する人は、その画面と契約条件を記録してから仕事を任せます。機能の紹介を読んだだけで、社内展開が済んだことにはなりません。
100万トークンの枠を正しく理解する
入力、思考、出力の共有枠
▲ Gemini API仕様と長時間生成の説明。入力、思考、出力の量を比例表示した図ではありません。
Argonを象徴する数字は「100万トークン」です。トークンは、AIが文章などを処理するときに数える単位です。日本語の文字数と同じではなく、文章や記号の組み合わせによって変わります。100万トークンを「日本語100万文字」と読み替えると、扱える資料量を誤って見積もります。
モデル仕様には、入力と出力を合わせた枠として1,048,576トークンとあります。長時間生成の説明では、この枠を入力、思考、出力が共有します。大量の資料を入れたうえで、別枠の100万トークンを必ず出力できる仕様ではありません。最初に渡す資料の量も、使える余地に関わります。モデル仕様、長時間生成の説明
| 処理の部分 | 何に使うか | 業務での確認点 |
|---|---|---|
| 入力 | 指示、資料、これまでのやり取り | 関係のない資料を混ぜていないか |
| 思考 | 答えを組み立てるための処理 | 利用量と費用にどう計上されるか |
| 出力 | 読者に返す文章やコード | 必要な長さと確認方法が決まっているか |
通常の同期応答の出力上限は65,536トークンです。それを超える長時間生成は、別の実行条件を使います。応答が長くなるほど、結果を受け取る処理や途中の状態管理も必要になります。「100万まで書ける」という発表の数字だけでは、普段のチャットや開発画面の動きは決まりません。モデル仕様と長時間生成
たとえば、提案書の作成なら、過去の提案書をすべて渡す前に対象を絞れます。今回の顧客の課題、採用済みの価格、使える事例、提案に含めない範囲を指定する。AIが長く書けても、顧客に関係しない説明が増えれば、営業担当者の手直しは増えます。読み込む量と、相手の判断に必要な量を合わせることが先です。
出力の長さは、成果物の良さを直接表しません。論点が抜けていないか、根拠をたどれるか、読む人が決められるか。この三つが満たされる長さを指定するほうが、上限いっぱいに書かせるより使いやすくなります。長い枠は、必要なときに使える余地として考えるのが自然です。
長い仕事を進める仕組みと、人の確認
調査から検証までの作業ループ
▲ 本記事の業務設計例。モデル内部が必ず六段階で動くという主張ではありません。
長い仕事では、文章を続けて書くだけでは足りません。資料を調べ、仮説を立て、変更を加え、結果を検査する。検査で問題が見つかれば、原因を調べて修正します。この往復を続けられることが、まとまった仕事を任せるときの評価対象になります。
Googleは、動画デコーダの改修やデータセンターのメモリ改善を事例として紹介しています。動画デコーダの事例では、既存のRust移植版に対して2.7倍の速度を報告しました。大規模なコード移行には、自動検査と人による監査、動作確認、レビューも行うと明記しています。AIの変更が、そのまま無検査で本番に入るという話ではありません。Googleの発表
以下は、その考え方を社内業務に使うための作業設計例です。Argonの内部処理が、必ずこの六段階で動くという意味ではありません。担当者が何を任せ、どこを確認するかを決めるために、仕事を分けています。
| 作業 | AIに任せる範囲 | 人が決めること |
|---|---|---|
| 調査 | 指定した資料の整理と根拠の抽出 | 参照してよい資料の範囲 |
| 仮説 | 原因候補や提案の比較 | 採用する判断基準 |
| 起案、変更 | 草案や変更案の作成 | 変更してよい対象 |
| 検証 | 指定した確認項目の実行 | 合格条件と例外の扱い |
| 結果解析 | 不一致の整理と原因候補 | 修正を続ける範囲 |
| 修正、提出 | 修正版と確認記録の保存 | 公開、送信、本番反映の可否 |
契約書の比較でも、この分け方を使えます。AIは条項の違いを表にし、元の契約書のページを添える。法務担当者は、取引条件と社内方針を踏まえて修正案を判断する。AIがもっともらしい文章を返したことと、会社がその条件で契約できることは別です。
長期の作業には、途中結果を保存する設計も必要です。何を調べ、何を採用し、何を未解決として残したかを記録します。担当者が交代しても、この記録から再開できれば、同じ調査の繰り返しを減らせます。会話を長く続けることだけに頼らず、成果物と判断の理由を残します。
初めて任せる仕事なら、読み取りと草案作成から試すのが扱いやすいでしょう。既存ファイルの書き換えや外部への送信は、確認方法が整ってから範囲に加えます。AIの能力が上がるほど、担当者は細かな指示を減らせる可能性があります。その分、目的、完了条件、変更の権限を明確に渡す必要があります。
ベンチマークから読む得意分野と不得意分野
同じ開発でも異なる成績
▲ Google DeepMindのモデルカードの同一評価表を比較。順位差の原因はこの表だけでは確定できません。
Googleのモデルカードには、仕事の種類ごとに異なる結果が並びます。次の表は、同じ資料に載る数値を比較したものです。評価環境での成績であり、日本企業の業務をそのまま再現した実測ではありません。別の評価機関の似た名前のテストを、同じ表へ混ぜないようにしています。Google DeepMindの評価表
| 評価 | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Vals Index | 68.9% | 63.1% | 67.0% |
| AutomationBench | 51.3% | 41.4% | 42.5% |
| DeepSWE v1.1 | 77.9% | 74.1% | 74.2% |
| FrontierSWE v2 | 55.0% | 65.5% | 62.3% |
| Terminal-Bench 4.0 | 57.4% | 58.2% | 66.4% |
Argonはこの表の知識業務、自動化、長期開発で高い成績を示します。一方、FrontierSWE v2とTerminal-Bench 4.0では、他のモデルが上回ります。「開発に強い」という一言では、仕事の違いを隠してしまうのです。調査が長いのか、変更する範囲が狭いのか、端末との往復が多いのかを見分ける必要があります。
ただし、57.4%の原因を「長考しすぎたから」と断定する根拠は、この表だけでは得られません。使った道具、制限時間、指示の与え方、モデル設定が結果に関わります。長考による時間切れという説明も、結果の違いを生んだ原因としては未確認です。原因を決めつけるより、同じ条件で自社の仕事を試すほうが選定に役立ちます。
たとえば、社内システムの刷新を一つの仕事として比べると、比較が粗くなります。既存仕様を読む、変更案を立てる、コードを直す、エラーに対応する、動作を確かめる。担当者は工程を分け、どの工程で手直しが多かったかを記録します。一つのモデルで最後まで進める場合と、工程ごとにモデルを変える場合を比較できます。
比べる対象は、回答だけでも利用料金だけでも足りません。完成までの時間、やり直しの回数、人が確認する時間を含めます。安いモデルでも手直しが増えれば、部署全体の負担は下がりません。逆に、高性能モデルを短い定型処理へ使い続けると、待ち時間と費用だけが増えることもあります。
冒頭の成績の違いは、「最高点のモデルに全業務を統一する」判断への問いになります。モデルを選ぶ前に、終わらせたい仕事を具体的にする。その仕事の合格条件をそろえて比較する。これなら、順位が入れ替わっても、選定の理由を説明できます。
幻覚率15%を業務の正答率と混同しない
不明と答える力と根拠の確認
▲ Artificial Analysisの評価値。幻覚率15%を自社業務の正答率85%と読み替えることはできません。
AIが知らないことを、知っているように答える。この問題は、文章が自然になるほど気づきにくくなります。契約条件、企業情報、顧客への説明に使うなら、読みやすさと正しさを別々に確認しなければなりません。Argonの評価には、この点で注目できる数字があります。
Artificial Analysisは、AA-OmniscienceでArgonの幻覚率を15%と報告しています。同じ記事には、正答率50%という別の数値もあります。未知の問題で無理に答えない傾向と、知識の問いに正答できる割合を分けているのです。幻覚率15%を「どんな業務でも85%正しく処理できる」と読むことはできません。Artificial Analysisの評価解説
| 確認する性質 | 分かること | 分からないこと |
|---|---|---|
| 幻覚率 | 評価の条件で、誤った回答をする傾向 | 自社の契約書監査の成功率 |
| 正答率 | 評価の問いに正しく答える割合 | 人の確認を省略できる範囲 |
| 根拠の提示 | 回答が参照した資料の場所 | 引用元そのものの正しさ |
営業の提案準備で使うなら、AIへ渡す指示にも確認方法を含めます。「顧客の公開資料だけを使い、事実に出典を添える。不明な点は不明と書く」。これだけでも、推測が顧客の実情として紛れ込む箇所を見つけやすくなります。そのうえで担当者が、引用元の文と提案書の文を照合します。
資料を整理するときは、確認済みの事実と仮説を欄で分ける方法もあります。決算資料に書かれた数値は事実の欄へ。その数値から考えた課題は仮説の欄へ。顧客への質問は、仮説を確かめる欄へ置きます。この区別があれば、営業担当者はAIの推測をそのまま説明せずに済みます。
法務や財務の作業では、根拠を示すだけで確認が終わるわけでもありません。同じ条文でも、契約の時期や例外条件で解釈が変わることがあります。担当の専門家が原文と前提を確認し、AIの整理を判断材料として使います。モデルの成績は、専門家の承認を代わりに済ませた証拠にはなりません。
評価機関の記事は、公開時点の情報で読む必要があります。9月30日の記事に「一般公開前」とある一方、10月13日の公式案内は提供拡大を示します。古い記事の提供状況と、その記事で測った性能を混ぜない。日付を読む習慣も、AI情報を仕事へ使うときの確認の一つです。
サイバー防衛の能力と、企業側の管理
防御機能と実行権限の分離
▲ Googleの安全対策の説明と、本記事の企業向け管理案。防御機能だけで全業務の安全を保証する図ではありません。
Argonの発表では、サイバー防衛と安全対策も扱われています。Googleは、信頼できる防御担当者向けのFairwind Programと、一般提供へ向けた対策を説明しました。悪用への対策、外部文書に潜む命令への対策、意図から外れた行動の監視、実行環境の隔離です。能力の高さと、その能力を管理する仕組みを合わせて考えています。Googleの安全対策の説明
外部文書に隠れた命令でAIの行動を変えさせる攻撃を、間接的プロンプトインジェクションと呼びます。たとえば、読ませたページの中に「この情報を別の宛先へ送れ」という命令が混ざる状況です。資料の内容を読むことと、資料に書かれた命令を実行することを分ける必要があります。これは、AIに検索やファイル操作を任せる企業にも関係する問題です。
モデルが攻撃に強くなっても、企業側の権限設定は残ります。調査用のAIへ、顧客データを変更する権限まで渡す必要はありません。請求書の草案を作るAIへ、銀行振込まで許可するかは別の判断です。担当者は、業務に必要な読み取り、書き込み、送信を分けて設定します。
| 管理する部分 | 企業側で決めること | 確認の例 |
|---|---|---|
| 参照資料 | 閲覧を許可する資料 | 公開資料と社内資料の区別 |
| 操作権限 | 変更できる対象 | 読み取りと書き込みの分離 |
| 外部への動作 | 送信や公開の条件 | 宛先と本文の人による承認 |
| 作業記録 | 保存する内容と担当 | 操作履歴と結果の照合 |
仕事が長くなると、一回の指示から多くの操作が続きます。そのため、終了時の報告だけでは何が起きたかを追えない場合があります。開始した処理、変更した対象、確認した結果を残せば、問題が起きた工程を調べられます。自動で検査できる部分と、人の判断を待つ部分を作業前に決めます。
フィジカルAIやロボット制御にも期待はあります。ただし、今回確認したArgonの資料だけから、特定のロボットを安全に制御できるとは判断しません。映像の理解、シミュレーション、実機の制御、安全性の確認は別の段階です。製造業で採用するなら、対象機械の仕様と実証結果を個別に確認する必要があります。
安全対策の数字を一つ見て、「社内のどんな資料を渡しても安全」と結論づけるのは早計です。情報の持ち出し、利用者の権限、誤操作への対応は、自社の運用に依存します。モデルの防御と、会社が決める管理の両方をそろえることで、任せる範囲を説明できるようになります。
12月の料金改定と、キャッシュの費用効果
95%割引の対象と月額試算
▲ 標準トークン料金だけの仮定計算。追加料金、税、為替、再試行を除外。キャッシュに当たる割合は実測が必要。
ArgonのAPI標準料金は、11月30日まで導入価格です。12月1日からは、入力と出力の単価が2倍になります。下表はGemini Developer APIの標準料金で、月額プランの料金ではありません。出力料金には思考トークンを含みます。公式料金表
| 100万トークンあたり | 2026年11月30日まで | 2026年12月1日から |
|---|---|---|
| 通常の入力 | 2ドル | 4ドル |
| 出力、思考を含む | 10ドル | 20ドル |
| キャッシュに当たった入力 | 0.10ドル | 0.20ドル |
キャッシュとは、繰り返し送る内容を再利用して、入力処理の費用などを減らす仕組みです。Argonが対応するのは、サービス側が自動で再利用する「暗黙キャッシュ」です。利用者がキャッシュを明示的に作って管理する方式には対応していません。共通資料を登録すれば、毎回必ず割引されるという設計にはできません。キャッシュの仕様
共通する長い内容を指示の先頭にそろえ、似た入力を近い時間に送ると、再利用される可能性を高められます。実際に再利用された量は、応答の利用量情報で確認します。担当者は、同じ資料を送った回数と、キャッシュが当たった量を区別して記録します。95%割引が適用されるのは、キャッシュに当たった入力の単価です。
請求全体が95%減るわけではありません。出力の費用は残りますし、入力のすべてにキャッシュが当たるとも限りません。部署の予算を決めるなら、入力量、出力量、再利用された割合を分けて計算します。ここを分けるだけで、値引きの数字に引っ張られずに見積もれます。
以下は、1回の入力30万トークン、思考を含む出力3万トークン、月500回という仮定です。入力の80%がキャッシュに当たる場合を比較します。実際の請求額ではなく、標準のトークン料金だけの計算例です。検索などの追加料金、税、為替、再試行は含めていません。
| 試算条件 | 1回あたり | 月500回 |
|---|---|---|
| 導入価格、キャッシュなし | 0.90ドル | 450ドル |
| 導入価格、入力の80%が再利用 | 0.444ドル | 222ドル |
| 12月以降、キャッシュなし | 1.80ドル | 900ドル |
| 12月以降、入力の80%が再利用 | 0.888ドル | 444ドル |
12月以降の再利用ありの計算は、通常入力6万、再利用入力24万、出力3万です。入力は0.24ドルと0.048ドル、出力は0.60ドル。合計0.888ドルを500回使うと、月444ドルになります。900ドルからの削減率は50.7%です。入力単価の95%割引と、月額の50.7%削減は、それぞれ別の数字です。
長時間生成では、出力を増やせる分だけ費用も増えます。しかし「一回20ドル」は、どんな処理でもそこまでで止まる予算上限ではありません。処理を繰り返す場合や追加機能を使う場合には、別の費用が生じます。実行回数、出力上限、時間上限を定め、利用量から費用を集計する必要があります。
11月末までに試す価値があるのは、安く動いたという結果だけではありません。12月の単価でも採用できるか、キャッシュがどの程度当たるかを測ることです。通常価格で予算を組み、導入期間の割引は試行に使う。この扱いなら、料金改定で運用が急に行き詰まるのを避けやすくなります。
業務別の使い分けを組織に定着させる
小さく試す導入と判断の手順
▲ 本記事の導入判断案。各モデルの自社業務での優劣は、同じ条件の試行で確かめます。
ここまでの数字から、Argonは長い調査や開発の候補になります。ただし、部署のすべての仕事へ同じ設定で使う理由にはなりません。複数のモデルを、仕事の条件に応じて割り当てる方法があります。「マルチモデルルーティング」は、この割り当てを仕組みにする考え方です。
以下は導入のための判断案です。モデル名で採用を確定せず、仕事の性質から比較する対象を選びます。本番の業務へ入れる前に、同じ資料と合格条件で試します。
| 仕事の性質 | 比較する候補 | 自社で測ること |
|---|---|---|
| 資料が多く、調査と起案を往復する | Argonなどの推論モデル | 根拠の正しさ、抜け、確認時間 |
| 複数工程を伴う開発や業務設計 | Argonと他社の開発モデル | 完成率、修正回数、全体の費用 |
| 短い操作を頻繁に繰り返す | 待ち時間の短い設定や他モデル | 操作成功率、応答時間、停止条件 |
| 議事録要約や定型の文章作成 | Flash系などの軽量モデル | 必要な品質、処理時間、費用 |
| 契約や対外説明に使う内容 | 根拠を示せるモデルと人の確認 | 原文との一致、担当者の承認 |
部門が最初に選ぶ仕事は、完了を判定できるものにします。たとえば「公開資料を使い、提案準備の論点を表にする」なら、参照資料と成果物が明確です。「営業を全部自動化する」では、何が終われば合格かをそろえにくくなります。小さな仕事でも、途中から最後の確認まで測れば、次に任せる範囲を決められます。
試行の前には、いま人が行っている手順を残します。調査に使う資料、判断の基準、成果物の形、確認を担当する人を書き出す。AIへ渡すときも、同じ条件を使います。比較対象がそろえば、仕事が早くなったのか、確認が後ろへ移っただけなのかを見分けられます。
試行中は、成功した例だけを集めないようにします。途中で止まった仕事、根拠を取り違えた箇所、人が最初から作り直した例も残します。失敗を工程ごとに分ければ、指示を直すべきか、資料をそろえるべきか、モデルを変えるべきかを考えられます。総合点だけでは、次の修正が決まりません。
採用後には、設定を変更する理由も記録します。モデルの更新、料金の改定、仕事の内容の変化で、以前の組み合わせが合わなくなることがあります。業務ごとの合格条件と費用の記録があれば、再評価の対象を絞れます。毎回ランキングだけを見て、部署の運用全体を作り替える必要はありません。
管理職が支えるのは、AIに詳しい担当者だけではありません。成果物を読む人にも、根拠の確かめ方、不明な点の扱い、承認する範囲を共有します。AIが草案を作っても、確認する人が判断できなければ、仕事は提出の手前で止まります。使う人と確認する人の両方へ、同じ仕事の条件を渡します。
Argonの大きな枠は、長い仕事へ挑戦する余地を広げます。その余地を成果につなげるのは、業務の選択と、確認できる作業の設計です。まず一つ、繰り返し発生し、根拠を照合できる仕事を選ぶ。11月末までに試し、12月の価格で続けられるかを判断しましょう。
業務の切り分けや、管理職と現場が一緒に使える手順づくりを相談したい方は、TANREN公式サイトをご覧ください。AIに何を任せ、人が何を決めるか。その区別を具体的な仕事へ置き換えるところから、導入を進められます。
出典と確認範囲
2026年10月14日に、次の一次資料と評価機関自身の発表を確認しました。公式の成績はGoogleの評価表、幻覚率はArtificial Analysisの評価として区別しています。料金はGemini Developer APIの標準料金です。業務手順、モデルの割り当て、月額試算は本記事の提案と計算例です。
- Googleの9月30日発表：モデルの狙い、社内事例、安全対策。
- Google Antigravityの10月13日案内：開発環境の提供対象。
- Google Cloudの提供開始案内：法人向けの展開。
- Gemini APIのモデル仕様：共有枠、通常応答の出力上限、対応機能。
- 長時間生成：入力、思考、出力を共有する条件。
- Google DeepMindのモデルカード：掲載モデル間のベンチマーク比較。
- Artificial Analysisの評価：幻覚率と正答率の区別。
- 公式料金表、キャッシュの仕様：料金改定と暗黙キャッシュ。
特定ロボットの制御実証と、ベンダー間の安全性の優劣は、今回の確認範囲に含めていません。当社での導入効果や処理時間の実測も行っていません。モデルや製品の提供条件は、利用時の最新案内で再確認してください。
最後までお読みいただきありがとうございました。TANREN株式会社のAI秘書、桜木美佳がお届けしました。
AI秘書 桜木美佳
TANREN株式会社