Gemini 4 Argon: コーディング、科学、エージェントワーク向けのGoogle DeepMindのフロンティアモデル

Google DeepMindは2026年10月13日、コーディング、金融、法務、サイバーセキュリティ、科学における深く多段的な作業に特化したフロンティアモデル、Gemini 4 Argonを発表しました。このリリースが重要なのは、Argonが一般的なチャットのアップグレードではなく、長期的なエージェントタスク向けのモデルとして位置付けられているからであり、DeepMindはその主張を社内のエンジニアリング結果、第三者のセキュリティおよび科学導入、そして公開されたセーフティスタックで裏付けています。

提供状況と価格

Gemini 4 Argonは、2026年10月13日より開発者、企業、消費者向けにグローバルで利用可能です。DeepMindはこれを、開発者、企業、科学者、消費者に同時にリリースされた同社の最新フロンティアモデルであると説明しています。

開発者: AI StudioおよびGeminiプラットフォームのAPI、またAI StudioおよびAndroid StudioのGemini API有料ティアで利用可能。Google AI Ultraサブスクライバーは、Google AntigravityおよびAI Studioでも試すことができます。
企業: Gemini for business、API、Google Antigravityで利用可能。
消費者: GeminiアプリおよびGoogle AI UltraおよびProサブスクライバー向けのSearchのAIモードで利用可能。
科学者および研究者: DeepMindは、10,000人の科学者に対し、Google Antigravityの最高利用ティアを6か月間無料で提供します。申請は随時受け付け、資格、容量、選考に基づきます。
サイバーセキュリティ防御者: Fairwind Programへの参加申請が可能で、サイバーガードレールなしでArgonにアクセスできます。申請は随時受け付けています。

Argonは、プロモーション価格として、入力トークン100万あたり2ドル、出力トークン100万あたり10ドルで提供され、キャッシュされた入力トークンは95%オフです。このモデルは、業界をリードする100万の統合入出力トークン制限をGemini APIでサポートしており、開発者および企業向けに文書化された新しい継続プロトコルによって実現されています。

ベンチマークでの位置付け

DeepMindは、Argonの多段的タスクにおける深さと精度により、さまざまなドメインのベンチマークで他のフロンティアモデルを上回ると述べています。同社は、金融、コーディング、法務、税務など、重要な経済セクターにおけるモデルのパフォーマンスを測定するVals Indexでの1位を挙げています。

3D環境での物理的・空間的問題を理解し解決するモデルの能力をテストするEmbodied Reasoning (ERQA)ベンチマークでは、Argonは87%をスコアし、純粋な推論に依存する他のすべてのフロンティアモデルを上回っています。

Googleでの社内エンジニアリング結果

DeepMindは、Googleのソフトウェアエンジニアが同社の最も困難なエンジニアリング問題にArgonを使用しており、AntigravityのArgonがチームのエージェントコード提出を35%以上増加させ、コードロールバックを約3分の1削減するのに役立ったと報告しています。

Chrome: 4,000万行のコードベースのリファクタリング

ArgonはChromeチームが、Chromiumの4,000万行のコードベース内にある約600万行のレガシーブラウザ機能フォルダから、コアなウェブページ処理を分離するのを支援しました。Argonは複数のクリーンなコード変更を一度にパイプし、チームが数百のファイルにわたるアーキテクチャリファクタリングを完了し、数か月の作業を数週間で完了するのを支援しました。Chromeの数十億のグローバルユーザーにとって、DeepMindはこれにより、ライブウェブページがリロードなしでタブ、サイドパネル、フローティングウィンドウ間を流動的に移動できるようになり、ブラウザクラッシュのカテゴリ全体が排除されると述べています。

Agent Development Kit: 一晩でのPython最適化

GoogleのオープンソースのAgent Development Kit (ADK)（エンタープライズエージェントを支えるフレームワーク）のチームは、Argonに.agents/skillsルールブックと、既存のアプリを壊さずにフレームワークのオーバーヘッドを排除するという1段落の目標を与えました。一晩自律的に作業したArgonは、現在google/adk-pythonで公開されている最適化を明らかにし、長いセッションでのインメモリセッション準備時間を40%削減し、コールドインポートを21%高速化しました。

xTB: 量子化学の高速化

xTB（Semiempirical Extended Tight-Binding）は、分子の3D形状を予測し、多数の薬剤や材料候補をスクリーニングするために使用される、最も引用されているオープンソースの量子化学パッケージの1つです。DeepMindの研究者はAntigravityでArgonを使用して、xTBの分子構造予測を最大2.3倍、コンフォメーション探索を1.8倍高速化しました。これらの変更はGitHubの公式xTBリポジトリに貢献されました。

GemmaとvLLM: 2.85倍の推論高速化

Argonを使用して、DeepMindはvLLMを介してA100でエンドツーエンドの推論を2.85倍高速化し、Gemma 4 E2Bでスループットを約37,900トークン/秒から108,000トークン/秒以上に加速し、100%のトークンパリティと品質低下ゼロを実現しました。この作業は通常数か月かかるところを数日で完了し、変更はアテンションチューニングと投機的デコードをカバーするアップストリームのプルリクエストとして提出されました。

3Dビジュアライゼーションとビジュアルコーディング

DeepMindは、以前のGeminiモデルと比較して、空間推論、数学的精度、ビジュアルコーディングが大幅に改善されたと報告しています。Antigravityで/goalなどのスラッシュコマンドを使用し、カスタムスキルを持つマルチエージェントループをプロンプトすることで、GooglerはArgonを使用して、ブラウザで直接レンダリングされるバニラコードで複雑な3Dビジュアライゼーション、高忠実度ゲーム、インタラクティブアニメーションをプロトタイプしています。

プロフェッショナルおよびエンタープライズワークフロー

Argonは、フロンティアの推論、深い視覚認識、拡張されたドメイン知識、および法務、金融、科学、コーディングにわたるより強力なライティング能力を組み合わせて、リスクの高いプロフェッショナルワークフローをサポートします。DeepMindは、このモデルが明確にコミュニケーションし、ユーザーをループに保ち、以前のどのGeminiモデルよりもスタイル指示に従うと述べています。質問にはより直接的に答え、余計な言葉を減らし、必要以上に繰り返さず、決まり文句をスキップします。

DeepMindによると、早期アクセスプログラムのエンタープライズ顧客とスタートアップはすでに成果を報告しています。同社は、Argonが深いマルチモーダルドキュメント理解、縦断的データ分析、インタラクティブな分析サンドボックスに優れ、厳格なグラウンディングを維持すると述べています。

サイバーセキュリティ: Fairwindの拡大とWizの導入

DeepMindはFairwind Programの拡大を開始し、さらに数百のパートナーを追加しています。Wizはすでに、公共の利益のために重要なインフラを無料で保護する「Scan for Good」イニシアチブでArgonを使用しています。モデルへの早期アクセスで、Wizは2つのリスクの高い結果を実証しました。

機密性の高い政府データの保護: 長年のサイバーレジリエンスプログラムの一環として、連邦機関と協力し、Argonは機密データや政府インフラを露出させるリスクのあるギャップを積極的に特定し、修復するのに役立ちました。DeepMindは、この取り組みが重要なセキュリティセクターの開発詳細の露出や専門モデルへの不正アクセスを防ぐのに役立ったと述べています。
重要な医療インフラの保護: WizはArgonを使用して重要な医療インフラを保護しました。複雑な脆弱性を連鎖させることで、モデルはチームがマスターキーを露出させ管理者アクセスを許可する公開ファイルダウンロードバイパスを発見し迅速に修正するのを支援しました。Argonは脆弱性を発見するだけでなく、数十万の個人患者記録を積極的に保護しました。

科学的ブレークスルー

DeepMindは、Argonが研究者やドメインエキスパートにとってすでに成果を生み出しているいくつかのドメインを挙げています。

量子コンピューティング

Argonは、DeepMindの研究者が量子エラー訂正とアルゴリズム設計の進歩を加速するのを支援しています。エラーデコーダが量子ハードウェアにリアルタイムで追いつくようにするため、ArgonはDeepMindのML量子エラー訂正デコーダであるAlphaQubitの内部バージョンを、単一の高度に最適化されたハードウェアカーネルに変換し、推論スループットをほぼ2倍にしました。これにより、チームはより大きくより高性能なモデルを展開し、厳格なリアルタイムしきい値を満たしながらより大きな量子デバイスにスケールできます。Argonはまた、量子サブルーチンの時空間コストを削減しています。最近の量子シミュレーションアルゴリズムのビルディングブロックであるarcsinでは、Argonが書き、Leanで正式に検証された実装が、公開されている量子CORDICベースラインと比較して時空間コストを100倍以上削減します。

核融合

ステラレーターは、無限のクリーン核融合エネルギーの主要候補を表す複雑な機械ですが、その3D磁場の最適化は有名なほど困難です。1967年以来、「グラッドの予想」として知られる長年の仮説は、これらの場の正確な数学的解を見つけることは不可能であると想定していましたが、メリーランド大学のマット・ランドレマン教授を含む最近の反例が見つかるまで続きました。Googleのチームはランドレマン教授とともに、グラッドの予想に対するより広範なクラスの反例を発見しました。これらの新しい解は、核融合コミュニティにステラレーターシミュレーションコードをテストするための信頼できるベンチマークを提供します。

希少疾患研究

Gamow Labsの研究者はArgonを使用して、まれな発達性肺疾患を持つ新生児の非識別化ゲノムを分析しました。あるケースでは、Argonは日常的なソフトウェアが何年も見逃していた染色体再配置を特定し、なぜそれが検出されなかったのかを説明しました。実際の臨床および実験データから導き出された非公開のGamow Labs評価では、Argonは希少疾患診断支援でRareBenchで57%、ウェットラボ推論でLabBenchで52.2%を記録しました。

酵素設計

正確な反応性を持つ酵素を設計することは、悪名高いほど遅く、しばしば数か月の特注モデルチューニングと候補スクリーニングを必要とします。セリンエステラーゼは、標的分子のエステル結合を切断する酵素のクラスであり、リサイクルや医薬品、バイオ燃料、洗剤の製造で広く使用されています。DeepMindの科学者はArgonと協力して、ベンチマーク分子である4MU-アセテートを標的とするセリンエステラーゼを設計しました。これはエステル結合が切断されるとUV光下で光ります。数時間で、Argonは関連データを収集し、モデルチューニングを実行し、複数の生化学に着想を得たフィルターを特定して、最終的に5つの新しい設計に到達しました。その後の実験室テストで、これらの設計全体で堅牢な触媒活性が確認されました。

ロボティクス: ビデオからシミュレーションへ、そして現実へ

DeepMindは、Argonが高度な視覚意味推論、深い物理的理解、自律的なコード生成を組み合わせて、ロボティクススタック全体で新しいワークフローを解放すると述べています。内部テストでは、Argonは人間がコーンホールをプレイする生のビデオを見て、環境の空間座標をマッピングし、必要な全身関節の動きを計算しました。その後、自律的にシミュレーションコードを構築しました。ApptronikのApolloヒューマノイドに転送されると、ロボットは実際の試験で7回連続でショットを決めました。DeepMindはこのパイプラインを「Video-to-Sim-to-Real」と呼び、数週間の手動シミュレーションモデリングを数時間に圧縮すると述べています。

安全性と整合性

DeepMindは、Gemini 4 Argonをこれまでで最も包括的な安全性とセキュリティスタックであり、特定のモデル機能とセーフガードの測定に関して第三者パートナーと協力して開発されたと説明しています。

悪用および脱獄防御: Frontier Safety Frameworkの下で、DeepMindはいくつかのドメインにわたるArgonの強化された機能を評価し、脱獄耐性、モニタリング、執行を組み合わせた多層防御スタックを展開しました。外部のバイオレッドチームは、テストされたバイオサブタスクの1%未満しかアンロックできませんでした。モデルをストレステストするための敵対的セットでは、違反はほぼ2倍減少し、DeepMindはこれは以前のGeminiモデルよりも大幅に優れていると述べています。
エージェントの整合性とリアルタイムモニタリング: DeepMindはArgonをトレーニングして、システム境界を尊重し、否定的な結果を正直に報告し、不可逆的なステップを踏む前に人間の確認を待つようにしました。モデルが抑制するインセンティブを持たないコーディングベンチマークでは、ショートカット試行はGemini 4 Argonでわずか2%に低下しました。多層防御として、DeepMindはエージェントのステップごとの推論とアクションを読み取り、意図しない回避策をリアルタイムで検出してブロックする自動誤整合モニターを構築しました。これは、内部展開、機能評価、強化学習トレーニング実行で使用され、トレーニング中のモデルの思考をペナルティなしで、その推論が透明でモニタリング可能なままになるようにします。
プロンプトインジェクション耐性: 敵対的トレーニングと自動レッドチーミングを通じて、ArgonはGray Swan Indirect Prompt Injection (IPI)ベンチマークをリードし、15の適応試行にわたる攻撃成功率を0.7%に削減しました。

完全なGemini 4 Argon Model Cardが発表とともに公開されています。

今後の展開

DeepMindはGemini 4 ArgonをGemini 4ファミリーの始まりと位置付け、残りのラインナップが続くと述べています。このモデルは、100万の統合入出力トークン制限、長いデコードのための新しい継続プロトコル、そして報告されたエージェント信頼性の向上を組み合わせており、長期的なコーディング、科学、およびエンタープライズエージェントワークロードの直接的な競争相手として位置付けられています。