Gemini 4 ArgonはGoogle DeepMindの新しい主力モデルで、どこで勝ちどこで負けるかを見るのが最も分かりやすい理解の仕方です。Two Minute Papersの動画が解説したモデルカードによると、これは大規模な疎のMixture-of-Expertsモデルで、旧来のGeminiを微調整したものではなく一から作られ、テキスト、画像、音声、動画を読み込んでテキストを出力し、入出力合わせて最大1Mトークンの文脈を扱います。Googleはソフトウェア開発、法務や金融の知的業務、サイバー防御を想定しています。
際立つのは法務の結果です。HarveyのLegal Agent Benchmarkで、Argonは19.6%を記録し、GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5の3.8〜6.7%を大きく上回りました。絶対値が低いのは試験の難しさを示しており、どのモデルも大半の課題に失敗しています。長い文書も強みで、GraphWalksのような長文脈の試験では上位に近い成績です。弱点はエージェントによるコーディングで、コマンドラインで働くエージェントを試すTerminal-Bench 4.0では、Opus 5.5の66.4%に対しArgonは57.4%です。
私たちのArgonのレビューは、発表資料にない文脈を補います。Artificial Analysisによる独立した評価では、総合でGPT-6 Astraと並び、Opus 5.5には及ばないものの、幻覚の割合は低く、最初のトークンまで約45.6秒と立ち上がりが遅いことが測定されています。APIの料金は導入価格として2026年11月30日まで入力100万トークンあたり2ドル、出力100万トークンあたり10ドルで、その後は4ドルと20ドルになります。最先端モデルから選ぶ人にとっては、長い契約書、規制関連の書類、調査報告にはArgon、ターミナルで動くコーディングエージェントにはClaudeかGPT、という見取り図が浮かびます。
ベンチマーク表より注目すべきなのは安全性の部分です。GoogleはFrontier Safety Frameworkのもとで、Argonが生物学的情報のリスクとサイバー攻撃について重大な能力水準に達した可能性を否定できないとし、残るリスクがその水準を下回ると論じるセーフティケースを作成したと述べています。監視を逃れるモデルの能力に関わる、隠密性と状況認識のしきい値についても同じことを述べています。いずれもGoogleが自社のモデルについて下した評価です。
いつもの注意点が当てはまります。発表時の数字の多くはArgonの最も高い思考設定で測られたもので、標準のモデルはより低い設定から始まります。比較に使った試験もGoogleが選んだものです。動画のコメント欄では、文脈ウィンドウをすぐに使い切り、思うように動かしにくいモデルだという声もありますが、これは証拠ではなく体験談です。法務での差は意味をもつほど大きく、それが独立した法務評価でも保たれるかが注目点です。