Gemini 4 Argon 徹底解説 — 料金$2/$10・1M出力・ベンチマーク比較【2026年10月】

Gemini 4 Argon は、Google が2026年9月30日に発表したフロンティアモデルです。実務コーディング、金融リサーチや法務文書作成といった企業のナレッジワーク、脆弱性の自律修正を含むサイバー防御を主な用途に掲げ、料金は導入価格で入力 $2 / 出力 $10（1Mトークンあたり）、出力は最大100万トークンまで出せます。ただし現時点の提供先は信頼されたサイバー防御者向けの「Fairwind Program」に限られ、一般のAPI利用はまだ始まっていません。

ベンチマークでは Vals Index で1位（68.9%）、DeepSWE v1.1 でも77.9%と首位に立つ一方、FrontierSWE v2 と Terminal-bench 4.0 では他社モデルに後れを取ります。本コラムでは仕様・料金・ベンチマーク・提供状況を整理し、GPT-6 Astra、Claude Opus 5.5、Claude Sonnet 5.5、GPT-6.1 Sol との使い分けまでまとめます。数値は Google の発表と第三者の公表値で、独立した再現検証は未実施です。

特筆すべきは出力上限の拡大です。従来のGeminiは64Kトークンが上限でしたが、Argon は最大100万トークンの出力に対応します。大規模なコード生成、長大な報告書、リポジトリ全体にわたるリファクタリング案を1回の呼び出しで出しきれる可能性があります。一方で入力側のコンテキスト長は公式ブログでは明示されておらず、100万トークンという数字は第三者情報にとどまります。採用判断では公式ドキュメントの公開を待って確認してください。

Argon の料金は導入価格と通常価格の2段構えです。導入価格は入力 $2 / 出力 $10、導入期間終了後の標準価格は入力 $4 / 出力 $20（いずれも1Mトークンあたり）で、導入期間の長さは公表されていません。キャッシュ入力は入力単価の95%オフです。

キャッシュ入力の$0.10・$0.20は「入力単価の95%オフ」から算出した目安で、公式の単価表を確認するまでは参考値として扱ってください。また、思考（thinking）トークンが別料金になるかどうかは公表されていません。推論を多用する用途では、ここが実コストを左右します。

導入価格のArgonは、Claude Sonnet 5.5 や GPT-6.1 Sol とまったく同じ $2 / $10 です。導入期間が終わって $4 / $20 になると Claude Opus 5.5 と並び、GPT-6 Astra（$10 / $50）の5分の2の水準になります。「導入価格が永続する」前提で長期の予算を組まないことが大切です。

Vals の評価では、1テストあたりのコストが Argon $15.68、Claude Sonnet 5.5 $21.34、Claude Opus 5.5 $32.14、Fable 5.1 $28.71と、Argon が最も低い結果でした。単価だけでなく、少ないトークンで答えにたどり着くため総額が下がるという見方もできます。ただし、長い自律タスクでは逆転します。CUA-bench では1テストあたり $193.78 と高額で、エージェント的に長時間回す用途ではコストが跳ね上がる点に注意が必要です。

Google は、公表されている18ベンチマークのうち13で GPT-6 Astra を上回ったとしています。強みと弱みを整理すると次のとおりです。

- 強み（総合・長文・自動化）: Vals Index と AutomationBench で首位。GraphWalks 1M は84.2%で2位以下に10ポイント以上の差があり、長大な入力を横断して推論する力が高い。
- 強み（コード修正）: DeepSWE v1.1 は77.9%で首位。CWE-bench v1 では Astra と並ぶ68.0%で、脆弱性修正の訴求とも整合する。
- 強み（安全性）: プロンプトインジェクション耐性を測る Gray Swan IPI でトップとされる。外部データを読むエージェントには重要な指標。
- 強み（動画）: 長尺動画理解の LVBench で91.7%。
- 弱み（難しいSWE）: FrontierSWE v2 は55.0%で、Astra（65.5%）と10.5ポイント差、Opus 5.5（62.3%）にも及ばない。
- 弱み（ターミナル操作）: Terminal-bench 4.0 は57.4%で、Opus 5.5（66.4%）に9ポイントの差。

読み方のポイントは、ベンチマークごとに首位が分かれることです。DeepSWE のような比較的素直な修正課題には強い一方、より難しい SWE 課題やシェルを多用する作業では Claude Opus 5.5 や GPT-6 Astra が優位です。自社の業務に近いベンチマークを重視して判断してください。なお上記は発表時点の数値で、独立した再現検証はまだありません。

Google は Frontier Safety Framework に基づき、社内外のレッドチーミング、サンドボックスでのテスト、思考の連鎖（CoT）における不整合のモニタリングを実施したと説明しています。サイバーやCBRN（化学・生物・放射性物質・核）に関する有害な依頼は拒否する一方、正当なデュアルユース研究は妨げないよう調整したとされます。最初の提供先を信頼されたサイバー防御者に絞った Fairwind Program も、能力の高さを踏まえた段階的公開の一環といえます。

提供は段階的に進みます。現在は Fairwind Program（信頼されたサイバー防御者向けの任意の事前アクセス）のみで、次に有料APIユーザーと Google AI Ultra 加入者、その後は開発者・企業・一般ユーザーへ「できるだけ早く」広げる方針です。9月30日時点では、Vertex AI、OpenRouter、Gemini CLI、Cursor、GitHub Copilot のいずれでも利用できません。

現時点で未公表の主な事項は次のとおりです。

- 公開モデルID
- 導入価格の期間
- 思考トークンの課金方法
- 入力コンテキスト長の公式な数値
- 第2段階以降の具体的な提供日
- Vertex AI や各種ツールへの対応時期

使い分けの目安は次のとおりです。長い資料を丸ごと読ませて分析する、あるいは長大な出力を一度に得たいなら Argon が有力です。ターミナル操作が中心のエージェントなら Claude Opus 5.5、難しい大規模SWEタスクなら GPT-6 Astra が現時点では強い選択肢です。日常の開発で価格と性能のバランスを重視するなら、すでに利用可能な Claude Sonnet 5.5 や GPT-6.1 Sol が現実的です。Google 系の低価格モデルを探しているなら、Gemini 3.8 Flash も比較対象になります。

ただし Argon は一般提供前で、実際に試せるのはごく限られた組織だけです。比較表の数字は発表値にすぎないため、提供開始後に自社の課題で再評価するのが前提になります。

- 評価セットを用意する: 自社の実コードや実文書から、10〜30件の代表的な課題と合否基準を作っておく。提供開始当日に、Claude Sonnet 5.5 や GPT-6.1 Sol と同条件で比較できる。
- 100万トークン出力の使いどころを洗い出す: 長大なコード生成、仕様書やレポートの一括生成、大規模なデータ変換など、従来は分割していた処理を候補にする。出力が長いほど課金も増えるため、必要な出力量の見積もりが先。
- コストを複数シナリオで見積もる: 導入価格（$2/$10）と標準価格（$4/$20）の両方で月額を試算する。キャッシュの活用度、思考トークンの課金方法（未公表）、長時間エージェントの高コスト（CUA-benchの例）を感度分析に入れる。
- モデルを差し替えやすくする: モデルIDやプロバイダーを設定値で切り替えられる構造にしておく。公開モデルIDが決まった時に、すぐ検証環境へ組み込める。
- セキュリティ用途は体制を確認する: 脆弱性修正の自動化を狙う場合は、人間によるレビューと承認の工程を残す。

Gemini 4 Argon は、Vals Index と DeepSWE v1.1 で首位に立ち、1M出力と $2 / $10 の導入価格を掲げる注目のモデルです。一方で、FrontierSWE v2 や Terminal-bench 4.0 では他社に及ばず、導入期間・思考トークン課金・入力コンテキストなど重要な情報が未公表で、独立した再現検証もありません。現時点では一般には使えないため、評価セットとコスト試算を整えて提供開始を待つのが最も確実な対応です。続報があれば、本コラムを更新します。