Gemini 4 Carbonがリーダーボードの首位に。ただし、まだ使えません

今月リリースするプロジェクトがあり、そのためのモデルを選ぶ必要があるとします。今週リーダーボードの首位にいるモデルは、ほぼ確実にあなたが使えないものです。Googleが10月28日に発表したGemini 4 Carbonは、審査を通った少数のセキュリティチームにしか公開されておらず、それ以外の人への提供日は示されていません。今日しなければならない選択に対して、これが何を変え、何を変えないのかをまとめます。

Googleが公開したもの、そして公開した相手

Carbonは、Gemini 4 Argonが有料契約者に提供されてから2週間後に登場した、Google DeepMindの新しい最上位モデルです。Googleは、そのセキュリティ能力を理由に一般公開を見送りました。ソフトウェアの穴を見つけてふさぐのが得意なモデルは、侵入するのも得意だからです。

そのため現時点では、Googleの招待制プログラムFairwindに参加するサイバー防御担当者の一部と、Google社内のチームにだけ提供されています。NeuralTrustによると、申し込みはGoogle Cloudのアカウントチームを通じて行い、身元調査があります。それ以外の人には「できるだけ早く」提供すると約束されています。

公開されたモデルIDもモデルカードもなく、Googleは制限も公表していません。11月1日時点で、Gemini APIのモデルと料金のページに載っているGemini 4ファミリーのモデルはArgonだけです。

首位、ただし1ポイント差

多くのテストから算出する独立したスコアであるArtificial Analysis Intelligence Indexで、Carbonは59点です。Claude Opus 5.5は最大の推論設定で58点、GPT-6 Astraは57点、Argonは50点です。Anthropicで最も高価なモデルであるClaude Fable 5.1は最高50点、Claude Sonnet 5.5は54点です。

1ポイントはわずかな差です。もう一つの独立した評価機関Valsは、自社の指数でCarbonを70.36%で2位としています。首位は70.85%のSonnet 5.5で、70.18%のOpus 5.5をわずかに上回っていますが、すべて約1ポイントの誤差の範囲内です。CarbonはValsの2つの専門分野のランキング、金融（66.35%）と法務調査（55.77%）では明確に首位です。

公平にまとめれば、上位は三つどもえで、Carbonは一つのランキングで鼻差リードしているにすぎません。

コーディングとエージェント：首位ではない

Googleの発表時の表は自己申告で誤差も示されていませんが、17項目のうち15項目で最高点をうたっています。譲った2項目は、開発者が最も気にするものです。実際のソフトウェア開発をテストするFrontierSWE 2で、Carbonは61.2%で、Astraの65.5%、Opusの62.3%を下回ります。モデルが自分でコンピューターを操作するOSWorldでは81.5%で、Opusの87.2%を下回ります。

競合各社の自己申告の数字も同じ方向を示しています。Anthropicは、コマンドラインで作業するエージェントのテストであるTerminal-Bench 4.0で、Opus 5.5を66.4%とし、Astraは57.9%、Fable 5.1は55.8%としています。Googleは同じテストでArgonを57.4%としていました。

Googleの表でCarbonが最もはっきりリードしているのは、非常に長い入力の読解です。GraphWalksで96.2%を記録し、Astraの71.8%、Opusの66.8%を上回ります。コードベース全体やデータルーム全体に一度に質問するような仕事なら、注目すべきはこの数字です。

作り話は少ないが、Argonよりは多い

ハルシネーション、つまりモデルが誤ったことを自信を持って述べることについては、Carbonのリードが最も大きい分野です。VentureBeatによると、Artificial AnalysisのOmniscienceテストでCarbonが作り話をする割合は11%で、Opus 5.5とAstraはどちらも50%でした。

これはGoogle自身の説明の一部と矛盾します。GoogleはCarbonの根拠のない主張はArgonの約半分だとしていますが、同じテストでArgonの割合は4%でした。Carbonは正しく答える質問が多い（48%に対して58%）ものの、分からないときに推測で答えることも多いのです。

価格と、タスクあたりの費用

GoogleはCarbonをArgonと同じ料金で発表しています。導入価格は入力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ドルです。Argonの導入価格は11月30日に終わりますが、Carbonの導入価格がいつ終わるかは明らかにされていません。

4ドル/20ドルなら、どちらのGeminiモデルもトークンあたりの価格はOpus 5.5と同じです。Fable 5.1とAstraは10ドルと50ドルで、2.5倍です。

トークンあたりの価格は誤解を招きます。モデルによって書く量が違うからです。CarbonはArtificial Analysisの指数を実行するのに2億（200M）出力トークンを使い、中央値は7,000万でした。後の料金で計算すると、指数のタスク1件あたり7.76ドルで、Argonは7.68ドル、Opus 5.5は10.04ドル、Astraは6.25ドルです。タスクあたりではCarbonはOpusより安いものの、トークン数だけから想像するほどの差はありません。

速度：2分の待ち時間

Artificial Analysisの測定では、Carbonの最初の単語が表示されるまで118.58秒かかり、中央値は3.71秒です。Argonは49.13秒です。

競合も最上位の設定では遅く、見出しのスコアはその設定で出したものです。同じリーダーボードで、最大設定のOpus 5.5は729.62秒、最大設定のAstraは270.03秒待たされます。中程度の設定では16.41秒と5.07秒に縮まりますが、スコアは下がります。どのモデルも最大の力で使うなら、チャット画面ではなく、任せて後で戻ってくる仕事に向いています。

注意点：上記のCarbonの数値はすべて、早期アクセスを得た評価者とGoogle自身の表によるものです。Fairwindの外の人は誰も自分の仕事で確かめられず、Googleは最終的な公開モデルがテストされたものと同じになるかを明らかにしておらず、データの保持と学習の条件も公表されていません。呼び出せないモデルのリーダーボードでの勝利は予測であって、製品ではありません。

どの仕事にどれを使うか

• 長いコーディングとエージェントの仕事：Claude Opus 5.5。Terminal-Bench 4.0とOSWorldで首位、指数ではCarbonに1ポイント差で、今日5つのプラットフォームで購入できます。
• 予算内での大半の本番作業：Claude Sonnet 5.5かGPT-6.1 Sol。どちらも2ドル/10ドルです。SonnetはValsの指数で首位、SolはArtificial Analysisで最大設定時に55点です。
• 動画、音声、大量のPDF：Gemini 4 Argon。1Mトークンのウィンドウでこれらすべてをネイティブに読み込めます。12月1日に価格が2倍になることを予算に入れてください。
• 研究レベルの数学と科学：GPT-6 Astra。OpenAIによるとTerminal-Bench Scienceで64.6%で、Fable 5.1の52.6%を上回ります。
• Opusで足りなかった後の、最も難しい推論：Claude Fable 5.1。Anthropic自身のドキュメントも、今はOpusから始めるよう勧めています。
• 審査を通ったセキュリティチーム：Fairwind経由のGemini 4 Carbonか、OpenAIのDaybreak Redプログラム経由のGPT-5.6-Cyber。
• より安い価格：2ドル/10ドルのKimi K3.1 Pro。オープンウェイトが11月4日までに公開されると約束されています。

結論：Carbonが最も意味を持つのは、Gemini APIでArgonの後継がどこへ向かっているかを示すシグナルとして、そしてGeminiを使うチームが予算を据え置ける理由としてです。それ以外の人にとって、判断は先週と同じです。Opus 5.5は実際に買える最先端モデルで、首位との差は1ポイントです。後で乗り換える費用は、Googleが決めていない日付を待つ費用より小さく済みます。