Gemini 4 Argon の技術仕様
| 仕様 | Gemini 4 Argon |
|---|---|
| 提供元 | Google DeepMind |
| モデルファミリー | Gemini 4 |
| モデル ID | gemini-4-argon |
| モデルタイプ | フロンティア級のマルチモーダル推論モデル |
| 主な焦点 | 複雑なワークフロー、エージェンティック・コーディング、エンタープライズのナレッジワーク、サイバーセキュリティ |
| マルチモーダル対応 | Google はマルチモーダル理解を説明しているが、公開モデルページには完全な API のモダリティスキーマはまだ掲載されていない |
| 最大出力 | 現在のサードパーティ API リストによれば最大 1,000,000 トークン；これは入力コンテキストウィンドウと混同すべきではない |
| 入力コンテキストウィンドウ | 現在の公開モデルページでは Google により明確には公開されていない |
| 公開 API の提供状況 | 限定的/プレリリースのアクセス；Google は一般公開のリリース日を発表していない |
Gemini 4 Argon とは？
Gemini 4 Argon は、Google の Gemini 4 世代を牽引するフラッグシップモデルである。Google は、ソフトウェアエンジニアリング、エンタープライズのナレッジワーク、サイバーセキュリティ防御を含む複雑なワークロードにおけるフロンティア性能を目指して設計したと説明している。公開されている評価セットは、ナレッジワーク、エージェンティック・コーディング、科学・数学、コンピュータ操作、マルチモーダル理解、長文脈タスク、サイバーセキュリティを網羅する。
Argon の位置付けは、会話型の質疑応答に限定されず、ワークフロー志向である点が顕著である。Google は、長く多段階のタスクを継続し、複雑なソフトウェアエンジニアリングやエンタープライズのワークフロー全体で稼働できる能力を強調している。
Gemini 4 Argon の主な特長
- 複雑なワークフロー推論: 単発の短い応答ではなく、持続的な推論を要する長く多段階のタスク向けに設計。
- エージェンティック・コーディング: Google は DeepSWE v1.1、Vibe Code Bench、その他のコーディング評価で強力な結果を報告。
- エンタープライズのナレッジワーク: 公開評価には、金融およびリーガル・エージェントのタスクに加え、エンドツーエンドの業務自動化が含まれる。
- マルチモーダル理解: Google は Chartography および LVBench において強力な結果を報告し、マルチモーダルおよび長尺動画の理解を対象。
- 長文脈性能: GraphWalks の結果は、最大 128K と 256K–1M トークンの範囲について報告されている。
- サイバーセキュリティ防御: Google は Argon を防御的サイバーセキュリティ向けに位置付け、CWE-bench v1 の脆弱性修復結果を報告。
Gemini 4 Argon のベンチマーク性能
Google DeepMind は、現行の Gemini 4 Argon の評価ページで以下の結果を報告している。これらはベンダーが公開した結果であり、明示されたベンチマーク手法の範囲内でのみ比較すべきである。[1]
| ベンチマーク | カテゴリ | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Vals Index | ナレッジワーク | 68.9% | 63.1% | 65.8% | 67.0% |
| AutomationBench | ナレッジワーク | 51.3% | 41.4% | 31.4% | 42.5% |
| Vals Finance Agent v2 | ナレッジワーク | 65.4% | 53.5% | 58.9% | 58.6% |
| Harvey's Legal Agent Benchmark | ナレッジワーク | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 | エージェンティック・コーディング | 77.9% | 74.1% | 67.4% | 74.2% |
| FrontierSWE v2 | エージェンティック・コーディング | 55.0% | 65.5% | 56.3% | 62.3% |
| Vibe Code Bench | エージェンティック・コーディング | 91.9% | 89.6% | 90.3% | 90.3% |
| Terminal-bench 4.0 | エージェンティック・コーディング | 57.4% | 58.2% | 57.9% | 66.4% |
| Terminal-Bench Science 0.1 | 科学・数学 | 57.6% | 68.1% | 52.6% | 63.3% |
| LABBench | 科学・数学 | 88.8% | 85.4% | 68.6% | 73.1% |
| RiemannBench | 科学・数学 | 76.0% | 72.0% | 65.6% | 69.6% |
| GraphWalks、最大 128K | 長文脈 | 99.7% | 98.7% | 91.4% | 90.6% |
| GraphWalks、256K–1M | 長文脈 | 84.2% | 71.8% | 65.0% | 66.8% |
| Chartography | マルチモーダル理解 | 71.6% | 71.0% | 46.2% | 66.3% |
| LVBench | マルチモーダル理解 | 91.7% | 87.5% | 79.7% | 83.7% |
| CWE-bench v1 | サイバーセキュリティ | 68.0% | 68.0% | 58.0% | 67.0% |
結果はタスクによって Argon の性能が異なることを示している。いくつかのナレッジワーク、コーディング、科学、長文脈、マルチモーダル評価では比較対象を上回る一方、特定のコーディング、科学、あるいはコンピュータ操作ベンチマークでは他モデルが高得点を示す。単一の総合順位に集約すべきではない。
Gemini 4 Argon と GPT-6 Astra と Claude Fable 5.1 の比較
| 領域 | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|---|
| ナレッジワーク | Vals、AutomationBench、金融、リーガル・エージェント評価で強力な公開結果 | 同じ評価セットで強力 | 複数のナレッジワーク評価で強力 |
| エージェンティック・コーディング | DeepSWE v1.1 で 77.9%；Vibe Code Bench で 91.9% | DeepSWE v1.1 で 74.1%；Vibe Code Bench で 89.6% | DeepSWE v1.1 で 67.4%；Vibe Code Bench で 90.3% |
| 長文脈 | GraphWalks 最大 128K で 99.7%；256K–1M で 84.2% | それぞれ 98.7% と 71.8% | それぞれ 91.4% と 65.0% |
| マルチモーダル理解 | Chartography で 71.6%；LVBench で 91.7% | それぞれ 71.0%、87.5% | それぞれ 46.2%、79.7% |
| サイバーセキュリティ | CWE-bench v1 で 68.0% | 68.0% | 58.0% |
比較はベンチマークごとに特化している。例えば、GPT-6 Astra は FrontierSWE v2 と Terminal-Bench Science 0.1 で Argon を上回る一方、Argon は DeepSWE v1.1、Vibe Code Bench、GraphWalks 256K–1M、LVBench でより高いスコアを示す。
代表的なユースケース
- リポジトリ規模のソフトウェアエンジニアリング — 長期的なコーディング、リファクタリング、デバッグ、エージェンティックな開発。
- エンタープライズのナレッジワークフロー — リーガルリサーチ、財務分析、業務プロセス自動化。
- サイバーセキュリティ防御 — 制御された環境での脆弱性の発見、検証、修復。
- 科学・数学のワークフロー — LABBench、RiemannBench、科学指向の評価に反映されたタスク。
- 長尺動画とマルチモーダル解析 — 視覚および時間情報にまたがる解釈を要するワークロード。
- 長文脈エージェント — 非常に大きなタスク軌跡にわたり情報を維持する必要があるアプリケーション。