Googleは「季節性気候モデル企業」だ
henry 凹非寺(オフィス)より
量子位 | 公式アカウント QbitAI
言わせてもらえば、Googleはまさに「季節性気候モデル企業」だ――涼しくなると、新たなフラッグシップが実を結んで世に出てくる。
先ほど、Gemini 4 Argon が世界中の開発者、企業、および有料サブスクリプションユーザー向けに順次正式リリースされた。
Google公式のポジショニングによれば、今世代は主にプログラミング、ナレッジワーク、そして複雑なタスクの持続的実行能力を強化し、従来から強みとしていた視覚的理解、空間推論、ツール呼び出し能力もさらに最前線へと押し上げている。
公式が公開したデモを見ると、今回のGemini 4 Argonが最も自信を持っているのは依然としてマルチモーダル機能であることがよくわかる。
凧をシミュレーションするテキストプロンプトを入力すると、生成されたエフェクトは文字通り「その場で離陸」するほどの仕上がりだ。
そして、誰もがより注目している「LLMの『御三家』に返り咲き、ユーザーにもう一つの最高峰の選択肢を提供できるのか」という点においても、Gemini 4 Argonは各種ベンチマークで十分に期待に応える結果を残している。
Google公式のベンチマークテストにおいて、Gemini 4 Argonは日常業務、エージェントプログラミング、機械学習、科学的推論など多岐にわたる領域をカバーしており、総合的なパフォーマンスはすでにGPT-6 AstraやOpus 5.5に匹敵し、いくつかの項目では逆転してリードを奪うまでに至っている。

第三者評価機関であるArtificial Analysisのインテリジェンス指数でも、Argon Highは53点を記録し、GPT-6 Astra MaxやClaude Fable 5.1 Maxと並んでトップ集団に位置付けている。
さらに重要なのは、同等性能を保ちながらも、Argon Highのタスクあたりの平均API呼び出しコストがわずか1.99ドルと、Astraより約39%も低い点だ。

このコスト面の強みは、ローンチ時の価格設定戦略に色濃く反映されている。APIの入力トークンは100万トークンあたりわずか2ドル、出力トークンは10ドルだ。大まかな試算では、Argonの呼び出しコストはOpus 5.5の約半分、Astraの5分の1程度に抑えられている。
なお、このプロモーション価格は11月30日までとなっており、12月1日以降は入力が4ドル、出力が20ドルへと通常価格に戻る予定だ。要するに、Googleはまず半額に設定することで、世界中の開発者にいち早く試してもらおうと広く門戸を開いているわけだ。
もちろん、モデルが十分に賢くなく、タスク実行時に無駄にトークンを消費し続けるようであれば、単価の安さによる恩恵も膨大な消費量によって相殺されてしまう可能性がある。
Gemini 4 Argonを事前に試用したペンシルベニア大学ウォートン校のEthan Mollick教授は、比較的客観的な評価を下している。
従来のGeminiと比較して、新世代は著しい飛躍を遂げており、創造性、文章表現、そして全体的なインタラクション体験において明確な進歩が見られる。しかし、複雑なマルチエージェントタスクに直面した際には依然として課題が残っており、時には過度な自信を見せたり、手を抜いてタスクを処理したりする挙動が見られるという。

では、なぜこの新世代フラッグシップはここまで業界を待たせることになったのだろうか。今回のGoogleのリリース告知ページを開くと、217ページにも及ぶ膨大なセキュリティ技術レポートが目に飛び込んでくる。

(言わざるを得ないが、Googleはセキュリティやコンプライアンスに関して依然として極めて慎重だ)
最も自信を覗かせるのは、やはりマルチモーダル
Proバージョンの度重なる延期から、今年9月30日の第1期限定テスト発表、そして数々の「来週公開」を乗り越えて――
Gemini 4 Argon がついに正式なお披露目を果たした。
公式テックブログの中で、GoogleはArgonの核心となるアップグレードをひと言で要約している。それが「長時間のプロセスを要するタスクにおける、より強力な実行能力」だ。
端的に言えば、モデルはもはや単に質問に対して受け身で答えるだけの存在ではない。ゴールを理解した上で、自律的に資料を検索し、ツールを呼び出し、コードを修正して結果を検証するという、複数の複雑なステップをまたいで作業を推し進め、煩雑なエンジニアリングタスクを最後まで完結(クローズドループ化)させることができるのだ。
とはいえ、エンタープライズやエンジニアリング領域でのユースケースに比べ、Googleが今回のプロモーションで最も力を入れてアピールしているのは、やはり同社の代名詞とも言えるマルチモーダル機能だ。
例えば、Google CEOのSundar PichaiはSNS上で、「自社モデルによる自社製スマートフォンの生成」デモをシェアした。

Argonは、Pixelスマートフォンと極めて高精度に調和した3Dレンダリングシーンを直接生成してみせた。
また別の事例では、Argonはコードのみを頼りに、BGMを含む一連の3Dモーショングラフィックス演出をまるごと生成した。
生成プロセス全体において、事前に録音・録画された素材はいっさい呼び出されておらず、外部の動画編集ソフトウェアの手も借りていない。
DeepMindを率いるDemis Hassabisも、魔法使いのチェス(ウィザード・チェス)のデモをリポストする際、モデルが持つ物理法則や3Dモデリングへの深い理解を高く評価した。

そのデモ映像は、彼にかつてAmigaのコンピュータで名作ゲーム『バトルチェス(Battle Chess)』を遊んでいた頃を思い出させたという。
時を同じくして、コミュニティのユーザーたちも早速ArgonとGPT、Claude、Kimiなどの主要モデルとの比較検証を開始した。
総合的に見ると、Googleは今回、視覚的なレンダリングの質感において確かに明確なアドバンテージを持っている。クジラの遊泳といった一部の物理ダイナミクスの細部には、依然としてわずかな不自然さが見受けられるものの、その完成度は高い。
もちろん、総合的なパフォーマンスにおいては依然としてOpus 5.5がベンチマークとしての確固たる地位を維持していると評価するテスターも一部に存在する。
見栄えのするデモにとどまらず、この空間理解能力は実際のエンボディドAI(身体性AI)やロボティクス領域へもさらに応用が広がっている。
公式のデモでは、Argonが人間によるビーンバッグトス(お手玉投げゲーム)の実写映像を視聴した。
続いて、モデルは環境内の空間的な相対関係を自律的に解析し、全身の関節運動の軌跡を推論し、シミュレーション制御コードを記述して、その制御プログラムをApptronikの人型ロボット「Apollo」へ完全に移植して稼働させた。
最近ロボティクス分野で攻勢を強めているGPTやClaudeに対し、Googleもまた明確な対抗姿勢を打ち出してきた格好だ。
Googleによると、この「動画→シミュレーション→実世界」というワークフローにより、従来は人手による数週間の作業を要していたロボットのシミュレーションモデリング期間を、わずか数時間以内にまで大幅短縮できるという。
この取り組みが持つ深遠な意義は、人間が行う日常の動作の手本を、ロボットが直接学習・演習・検証できる標準化されたタスクへと変換することが極めて容易になった点にある。
従来、映像からの動作理解、シミュレーション環境の構築、そして低レイヤーの制御コードの記述は互いに切り離された3つのプロセスだった。しかし今、マルチモーダルLLMによってこの一連の技術パイプラインが完全に統合されようとしている。
コーディング能力が向上、Googleはまず自社のコードベースで実践
プログラミング能力において、Gemini 4 Argonの今回の核となる進化は、「大規模な実運用ソフトウェアにおける長期的なメンテナンスとシステム的な最適化能力」に表れている。
単一のコードスニペット生成にとどまっていた従来のアプローチとは異なり、新世代のモデルは大規模コードベースのアーキテクチャ設計を大局的に把握し、システムのパフォーマンスボトルネックを正確に特定し、複数ファイルにまたがる修正と統合テストを実行して、複雑なエンジニアリングタスクを一貫して推進することを得意としている。
この能力を検証するため、Googleはまず自社のオープンソースエージェントフレームワーク「ADK」を用いて実地検証を行った。

このPython製オープンソースプロジェクトの規模は約20.5万行のコードからなる。エンジニアリングチームがArgonに与えたタスクは、「インターフェースの互換性と既存ロジックを維持したままフレームワークの実行オーバーヘッドを削減し、単体テストを通じて最適化の有効性を検証すること」だった。
結果として、Argonは人間の介入なしに11時間連続で稼働し、32個のソースコードファイルにまたがる6つのシステム最適化案をコミットし、全16,892件のテストケースを完全にパスさせた。
エンジニアによる厳格なコードレビューを経て、そのうち2つの主要な最適化(長いセッション履歴におけるメモリコピーオーバーヘッドの削減、および大規模モジュールのオンデマンド読み込み)が正式にメインブランチへとマージされた。

これらの変更により、ADKは長いセッション環境におけるメモリ初期化オーバーヘッドを約40%削減し、システムのパッケージインポート時間を21%短縮することに成功した。
同様のエンジニアリング最適化能力は、Google社内のさらに大規模なプロジェクトへも適用されている。
Chromiumブラウザのオープンソースプロジェクトでは、Argonが数百ものファイルにまたがるアーキテクチャのリファクタリング作業を共同で推し進め、完了まで数カ月を要すると見込まれていたプロジェクト期間を数週間へと大幅に圧縮した。
さらに、Gemma 4E 2Bの推論プログラムに対する低レイヤーの最適化では、特定の環境構成において推論スループットを毎秒約3.79万トークンから10.8万トークン以上へと飛躍させ、エンドツーエンドの性能を当初の2.85倍にまで引き上げた。
Googleの技術チームによれば、こうした低レイヤーの徹底的な最適化は、従来であればシニアエンジニアが数カ月かけて取り組むような仕事だったが、現在ではわずか数日で完了できるという。
Google社内の全体的な協業データを見ると、ここ数週間においてAntigravityプラットフォーム上で稼働するArgonは、開発チームによるAIエージェント関連のコードコミット量を35%以上向上させ、コードのロールバック率を約3分の1減少させることに貢献した。
ただし、コミュニティの一部開発者からは「個人の実業務シーンでは期待通りの体験が得られなかった」という声も上がっており、モデルの実世界におけるエンジニアリング適用の真価は、今後の大規模な実運用を通じて見極める必要がありそうだ。

このフィードバックは、公開されているベンチマークテストの結果とも一致している。ArgonはDeepSWEやVibe Code Benchのランキングでは目覚ましい結果を残しているものの、FrontierSWEやTerminal-benchといった高難易度のベンチマークでは、主要な競合モデルに対して依然として一定の差が見られる。

社内の実際のエンジニアリングプロジェクトにおける効率化の成果は実証されたものの、この恩恵をより多くの開発者の日常業務で安定して再現できるかどうかは、引き続き注視していく必要がある。
ナレッジワーク(専門業務)の遂行能力がさらに進化
専門的なナレッジワークの現場において、Gemini 4 Argonの主なブレークスルーは、「多様で異なる形式の資料に対する深い理解、クロスモーダルな情報統合、そしてそれらを直接納品可能な成果物へと変換する能力」にある。
公式は、典型的なエンタープライズ協業のユースケースをデモとして披露した。
ユーザーが複雑なプロジェクト背景資料の入ったフォルダをGeminiに投入し、クライアント向けの完全なビジネス提案書を出力するよう指示する。
するとGeminiは、カスタムワークフローに基づいてレイアウトの整ったプレゼンテーション資料を自動生成し、送信用のビジネスメールを起草した上で、その後のフォローアップ要望に応じた自動化ワークフローまで自律的に構成して見せた。
同時に、Geminiのアプリケーション側にも独立した「タスク専用エントリ」が全面的に統合された。ユーザーはリアルタイムチャットモードから長大なプロセスタスクモードへワンクリックで切り替えることができ、席を外してPCを閉じても、モデルがクラウドのバックグラウンドで後続のタスクを自律的に完結させてくれる。
さらに、AntigravityプログラミングワークベンチもGeminiのmacOSネイティブクライアントに正式に統合された。
科学研究のユースケースにおいても、このエンドツーエンドの一貫した実行能力は実験検証フェーズにまでさらに拡張されている。
Googleの研究チームは、新型セリンエステラーゼ(serine esterase)の設計にArgonを参加させた。モデルはわずか数時間で学術文献の整理、構造予測モデルのファインチューニング、候補分子のスクリーニングを完了し、最終的に5組のまったく新しい分子構造設計を提示した。
その後、研究チームはこれらの設計案をウェットラボに持ち込み、実際の生化学的活性を検証した。
実験には特異的蛍光検出基質が用いられた。標的のエステル結合が加水分解により切断されると、生成物が紫外線照射下で顕著な蛍光を発する仕組みだ。Googleが公表した実験データによると、提示された5組の設計すべてが強力な触媒活性を示したという。
これは、モデルが出力した研究開発成果が、物理的な実験のクローズドループを直接導くエンジニアリング上の実用価値を備えていることを意味する。
あわせてGoogleは、選考基準を満たす1万人の科学者に対し、Antigravityの最高スペック利用枠を6カ月間無料で段階的に提供することを発表した。
One more thing
先ほどGoogleの慎重さや懸念の多さを冗談交じりに触れたが、今回のモデルにおけるセキュリティ防御性能の構築は確かに目を見張るものがある。
脆弱性の検出および自動修復能力を測定する「CWE-bench v1」ベンチマークにおいて、Argonは68%の高スコアを獲得し、GPT-6 Astraと並んで業界トップタイとなった。

元Anthropicの研究員で、現在はDeepMindでメカニズム解釈可能性(Mechanistic Interpretability)の研究リーダーを務める人物は、Argonに添付されたセキュリティ調査レポートについて、「Googleがこれまでに発表した文書の中で最も詳細なものだ」と公に語っている。

217ページに及ぶそのボリュームからも、技術的な充実ぶりがうかがえる。
Gray Swanによる間接的プロンプトインジェクション(Prompt Injection)攻撃の防御テストでは、15ラウンドにおよぶ適応型敵対的攻撃を経てもなお、Argonの突破成功率はわずか0.7%にとどまった。

この膨大なボリュームのセキュリティレポートには、極めて堅実な研究成果が凝縮されていると言ってよいだろう。
これがフラッグシップモデルのリリースを幾度も延期させた根本的な原因であるかどうかについては、外部からでは判断がつかない。
しかし確かなのは、今回新フラッグシップがついに答案を提出し、Googleはそれに加えて重厚な「技術白書」のセットまで添えて見せたということだ。
参考リンク:
[1] https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/