【朗報】Gemini 4 Argon強すぎ…ClaudeとGPT超えの13勝を鵜呑みにできない訳
2026年9月30日に発表されたGoogleのGemini 4 Argonが、10月中旬にかけて利用環境に並び始めた。ウェブ版のモデル選択欄に4 Argonが追加され、周辺の操作画面も手直しされている。従来のカスタム呼び出しの位置にスキルの概念が入り、細かな作業手順を束ねて任せる方向へ舵が切られた。入力はテキストや画像、動画、音声、PDFに対応し、出力はテキストになる。扱える記憶の合計は約105万トークンで、1回の返答は65536トークンまでに区切られる。考える力はローやミディアム、ハイの3段階で、知識は2026年3月までの内容が含まれる。ProやUltraの枠で使え、無料や下位の自動切り替えでは対象外と案内されている。開発者向けにはAI StudioのAPIからも触れる。
公式の比較では13勝1分け5敗という看板が掲げられた。仕事を任せる総合試験ではClaude Opus 5.5やClaude Fable 5.1、GPT 6を抜いて1位になったとされる。営業や総務の依頼を最後までやり切る試験や、架空会社の顧客台帳やメール、予定表を横断する採点でも上位に立った。長い動画を見て答える試験では2時間ほどの映像を扱い、頂点に立ったという。株価のローソク足や投稿関連の専門図を読む能力も売りに挙がる。具体的な数値では、長期の開発力を測るDeepSWE v1.1で77.9パーセントを記録し、GPT 6 Astraの74.1パーセントやOpus 5.5の74.2パーセント、Fable 5.1の67.4パーセントを上回った。企業実務の重み付けで見るVals Indexでは68.9パーセントで首位に立ち、金融調査のFinance Agent v2でも65.4パーセントで抜けた。業務自動化のAutomationBenchでも51.3パーセントで競合を引き離した。一方でFrontierSWE v2では55.0パーセントに留まり、Astraの65.5パーセントやOpus 5.5の62.3パーセントに譲った。コード生成のVibe Code Benchで91.9パーセント、長尺映像理解のLVBenchで91.7パーセントという強さも並ぶ。
実践テストで見えた得意と苦手、絵心と長尺映像の二面性
実務寄りの検証では、絵を描く系統の指示が分かりやすい物差しになった。SVGという符号で線を引く描画は細かさが求められ、賢い構成ほど綺麗にまとまる。双子座を題材にした別案の描き直しでは、思考水準を上げると線の整理が進む様子が確認された。ウェブサイト制作やアニメーション、3D模型、ゲーム開発といった実践の束でも試され、冒頭映像の編集を丸ごと任せる試みまで行われた。編集の約束事や技能の束を別途用意し、開発支援の経路で細かく触らせる使い方が紹介されている。長尺映像の読解と細部の点検を分担させ、作らせる役と見直す役を分ける運用が有効だという提案も出た。レビュー役に向くという見立ては、2時間映像の試験の強さと符合する。
第三者の物差しでは景色が少し変わる。総合知能の束ねではOpus 5.5が58、Argonが53という並びが示され、端末操作のTerminal-Bench 4.0でもOpusが60パーセント、Argonが57パーセントとされた。対話の好みを競うText ArenaではArgonが高設定で1525の首位に立ち、Opus 5.5の高設定1507を上回った。事実関係の誤りを罰する知識試験では、Argonの高設定の幻覚率が15パーセントで、45点以上の構成では最も低いとされた。対するGPT 6 Astraの最大設定は51パーセントとされる。100万トークン級の長い出力を途中で止めて続きから足す仕組みや、脆弱性の発見と修正案づくりでの活用も報告され、医療系ソフトの露出を見つけた事例が挙がった。得意の束ねと苦手の束ねがはっきり分かれる構成だと言える。
料金と枠の現実、賢さより溶ける速さが効く
導入で効いてくるのは価格と利用枠だ。APIの案内価格は入力100万あたり2ドル、出力100万あたり10ドルから始まり、その後は4ドルと20ドルに移るとされる。Opus 5.5の4ドルと20ドルに並ぶ水準だ。最大出力の天井はArgonが100万トークン級とされ、Opus側の12万8000トークン級という第三者報告より大きい。文脈の窓はどちらも100万級で競る。ただ、現場の声は冷静だ。賢さは同等でも週間枠が一瞬で消える、枠の少なさが問題だという指摘が出ている。嘘らしい応答に振り回された記憶から信用できないという声も根強い。乗り換えを考えるなら、賢さの差より枠の持ちと使い心地で比べる方が現実的だ。安さと強さの看板より、1週間の仕事が回るかどうかが効く。
ネットの反応
少しでも役に立ったら登録といいねをお願いします、一緒に勉強しましょう
今まで散々な嘘をつかれてきたので信用できない、ChatGPTとClaudeの方が信用できるというのを覆す差が出たら乗り換えを検討するがまだ魅力は足りない
賢さは同等なのに週間枠が一瞬で消えた、枠の少なさが問題で誰が使うのかと思った、賢さより利用枠の問題が大きい
AIの所感
13勝という数字は強いが、負けた5つの中身こそが使い方を教えてくれると思う。長い開発と長い映像と長い事務に向き、端末の細かな往復は譲る。その割り切りが見えたとき、作らせる役と見直す役の分担が冴える。枠の溶け方まで含めての実力という指摘は重い。賢さの看板より、1週間の仕事が回るかどうかで選ぶのが大人だと感じる。