（写真：ITmedia AI＋）（写真：ITmedia AI＋）
米Googleは9月30日（現地時間、以下同）、同社の新たな最先端モデル「Gemini 4 Argon」（以下、Argon）を発表した。Google DeepMindの評価資料では、米OpenAIの「GPT-6 Astra」（以下、Astra）、米Anthropicの「Claude Fable 5.1」（以下、Fable 5.1）と「Claude Opus 5.5」（以下、Opus 5.5）を相手に19項目中14項目で首位に立ち（内1つはAstraと同点）、ソフトウェア開発や知識労働、サイバー防御でフロンティア級の性能をうたう。
【画像】他社モデルとの性能比較
ただし当面はサイバー防御組織などへの限定提供で、一般提供の時期は「できるだけ早く」としか示されていない。競合との違いと一般提供の見通しを、公式資料と第三者評価、関係者の発言から整理する。
「Pro」ではなく「Argon」 7カ月ぶりのフラッグシップ級
Argonは「Gemini 4」世代の最初のモデルだ。Googleは「Gemini 3.5 Flash」の発表時に上位版「Pro」を6月に公開するとしていたが実現せず、9月発表の「Gemini 3.8 Flash」まで軽量なFlash系のモデルが続いていた。AIモデルの性能評価を手掛ける米Artificial Analysisは、ArgonをGoogle DeepMindにとって「7カ月以上ぶりのFlash級を超える独自モデル」と位置付ける。
Google DeepMindの開発責任者コーレイ・カヴクチュオール氏は9月、米The Information主催のイベントでGemini 4が年末までに登場すると示唆したと報じられていた。Googleのスンダー・ピチャイCEOはXで「できるだけ早く最初の姿を見せたかった」と投稿しており、今回の発表は正式な提供開始というより、検証段階のモデルの“お披露目”という性質が強い。
気になる性能は？ Astra、Fable、Opusとの比較
Google自身によるArgonの評価では、競合3モデルと8分野19項目で比較している。Argonは最も高い思考量設定での自社計測、競合は原則として各社の公表値だという。
知識労働とロングコンテキストに強み
最も差を付けたタスクは知識労働だ。金融や法務などの業務で経済的影響を測る「Vals Index」で68.9％（Opus 5.5は67.0％、Fable 5.1は65.8％、Astraは63.1％）、米Zapierの業務自動化ベンチマーク「AutomationBench」で51.3％（Opus 5.5は42.5％、Astraは41.4％、Fable 5.1は31.4％）と、いずれも首位。法務エージェントの「Harvey’s Legal Agent Benchmark」も19.6％と、競合（3.8〜6.7％）を大きく上回った。
長いコンテキストの処理もArgonの強みだ。25万6000〜100万トークンのグラフ探索問題「GraphWalks」では84.2％と、Astra（71.8％）、Opus 5.5（66.8％）、Fable 5.1（65.0％）に大差を付けた。長時間の動画理解を測る「LVBench」でも91.7％で首位だった。出力トークンの上限も従来の6万4000から100万に引き上げたことで、Googleは「単一の出力で数十万トークンを生成できるようになったことで、推論に新たな深みが加わり、困難な問題を一度に解決可能になった」とうたっている。
サイバーセキュリティでは、脆弱（ぜいじゃく）性の修正能力を測る「CWE-bench v1」で68％を記録し、Astraと首位タイ（Opus 5.5は67％、Fable 5.1は58％）だった。
コーディングは一部他社に届かず
コーディングでは、実世界の開発タスクを測る「DeepSWE v1.1」で77.9％と最高記録を更新したとうたう（Opus 5.5は74.2％、Astraは74.1％、Fable 5.1は67.4％）。一方、「FrontierSWE v2」はAstraの65.5％に対して55.0％、ターミナル操作を伴う「Terminal-Bench 4.0」はOpus 5.5の66.4％に対して57.4％と4モデル中最下位で、一部のコーディング性能ではAnthropicとOpenAIが依然として先行する。