For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ja/articles/gemini-4-argon-launch-access-api-pricing-cf4e0dbb.md.
Google の [Gemini 4 Argon 発表](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/)は、大規模なコード変更...
Google の Gemini 4 Argon 発表は、大規模なコード変更、ビジュアル制作、科学的推論、短いやり取りを超えて継続するタスクといった、難易度が高く長時間にわたる作業を対象としたモデルを紹介しています。このリリースは開発者向け製品と消費者向け体験の両方に提供されますが、アクセス条件はそれぞれ異なります。
実務上重要なのは、こうした詳細です。導入時のAPI料金には終了日があり、100万トークンの上限は複数種類のコンテンツで共有され、見出しで示されるソフトウェア高速化はワークロードの特定部分に当てはまります。基盤となるドキュメントを読むと、この発表をはるかに評価しやすくなります。
Google は、AI Studio と Gemini プラットフォームを通じた有料APIアクセスを説明しており、開発者向けの提供は Android Studio にも拡張されています。Google AI Ultra の加入者は Antigravity と AI Studio を通じてアクセスでき、消費者向けの Gemini アプリおよび Search AI Mode の展開には、Google AI Pro と Ultra の加入者が含まれます。
これらは、権利条件がそれぞれ異なる別の製品です。消費者向け体験における Google AI Pro のアクセスが、AI Studio 内の Argon に対する開発者アクセスや無料APIクォータを同じプランに含むことを自動的に意味するわけではありません。
統合を行う場合は、一般的なリリース見出しに依存せず、現在の開発者向けアクセス要件を確認してください。AI Studio の料金ページでは、APIモデルを gemini-4-argon として示しており、無料枠は記載されていません。
10月15日に確認した時点で、Google の標準API料金ドキュメントは Gemini 4 Argon に対して二つの期間を提示しています。以下の価格はすべて100万トークン当たりの米ドルです。
| トークン区分 | 2026年11月30日まで | 2026年12月1日から |
|---|---|---|
| 入力 | $2.00 | $4.00 |
| 出力（思考を含む） | $10.00 | $20.00 |
| 暗黙的にキャッシュされた入力 | $0.10 | $0.20 |
したがって、リリース発表における導入時の入力・出力料金は恒久的な価格ではなく、期間限定です。キャッシュ入力の料金は、対応する入力料金から95%低減されていますが、対象となる暗黙的にキャッシュされた入力に適用されます。このページには、このモデルで明示的キャッシュがサポートされるとの記載はありません。
また、トークン料金がアプリケーションの総費用を必ずしも表すわけではありません。別料金のツールやワークフローで繰り返されるリクエストにより料金が追加される可能性があるため、本番環境の見積もりでは、実際のリクエストパターンと現行ドキュメントを反映する必要があります。
Google の長時間デコードのドキュメントでは、入力、思考、出力で共有される1,048,576トークンの統合上限が説明されています。これは、入力100万トークンに加えて生成出力100万トークンを利用できるという保証ではありません。
Interactions API では通常、同期またはストリーミング出力が65,536トークンに制限されます。これを超えて生成するには、ドキュメントで指定されるバックグラウンドモード、より大きい max_output_tokens 設定、ストレージの有効化が必要です。サーバーは、より長い生成を継続ホップで実行します。
こうしたタスクを計画する際には、二つの詳細が重要です。第一に、max_output_tokens には返される出力だけでなく思考も含まれます。第二に、継続ホップでは入力が再びカウントされる可能性があり、対象となる場合には文書化された暗黙的キャッシュ割引が適用されます。長時間デコードは、単一リクエストを無制限かつ無料で延長する仕組みではありません。
この機能は長い実装や広範な分析に役立つ可能性がありますが、大きな出力枠は正確性を保証しません。結果には依然としてレビューが必要であり、入力も同じ合計予算の一部を消費します。
Google は、Chrome における数百ファイルに及ぶリファクタリングで Argon を使用したと報告しています。同社は Chrome のコードベースを約4,000万行と説明しており、約600万行のレガシー領域を含みます。同社によれば、この作業は数か月規模のタスクから数週間規模のタスクへと短縮されました。これは Google が報告したプロジェクト結果であり、任意のリポジトリ変更に対する一般的な約束ではありません。
ADK のエンジニアリング記事は、より検証しやすい事例を提供しています。対象は、約800個のソースファイルからなる約205,000行の Python リポジトリであり、大規模な公開テストスイートによって支えられています。
作業は二つのラウンドで実施されました。最初の2時間の試行では不足点が明らかになり、その後の夜間実行ではプロジェクトスキルと Antigravity の目標が使用されました。モデルは32ファイルにまたがる六つの最適化を提案しましたが、メンテナーが採用したのは二つで、四つは却下されました。最終的にマージされた作業では、二つのラウンドの変更を22ファイルにわたり組み合わせ、17個のテスト関数が追加されました。
採用された最適化は、インメモリセッションサービスにおけるデータコピー前のフィルタリングと、パッケージインポートの遅延化に対応していました。公開マージコミットでは、結果として得られたコードを確認できます。
このベンチマークが有用なのは、一つの高速化を普遍的なものとして提示するのではなく、複数の時間計測を分離しているためです。
出典：Google Developers Blog、ADK最適化研究。フレームワークのオーバーヘッドを分離するため、計測にはインスタントモデルとツールを使用し、複数回の実行の中央値を採用しています。
| 計測項目 | 変更前 | 変更後 | 報告された変化 |
|---|---|---|---|
| 50ターン後の最初のモデルリクエスト | 64 ms | 36 ms | 43%高速化 |
| 150ターン後の最初のモデルリクエスト | 200 ms | 122 ms | 39%高速化 |
| コールドインポート | 1.22 s | 0.97 s | 21%高速化 |
| 新規プロセスから最初のリクエストまで | 3.07 s | 3.09 s | 実質的に横ばい |
| 158ターン全体の実行 | 65.6 s | 56.1 s | 14%高速化 |
約40%の改善は、テストされたインメモリサービスにおけるセッション準備経路に関するものです。特に、導入環境が別のストレージバックエンドを使用している場合や、モデル・ツール応答の待機に大半の時間を費やす場合には、すべての ADK アプリケーションを40%高速化すると説明すべきではありません。
コールドインポートは改善しましたが、プロセス開始から最初のリクエストまでの時間は改善しませんでした。これは、ローカルな最適化がすべてのエンドツーエンド指標を改善すると仮定するのではなく、ユーザーに見えるワークフローを測定すべきであるという実務的な注意点です。
提案された変更は16,892件の公開ユニットテストをすべて通過しましたが、削除されたインポートが引き続きパッチ可能であることを期待していたため、25件の内部テストターゲットが失敗しました。メンテナーは、公開テストが成功したことだけを安全性の十分な証明として扱うのではなく、遅延アクセサを用いて互換性に対処しました。
その他の提案変更は、古いキャッシュデータ、非公開の OpenTelemetry 属性への依存、エンドツーエンドの利点がないにもかかわらず可読性を下げること、または合成ワークロードでのみ改善が見られた最適化などの理由で却下されました。
アイデアを一文で入力するだけで、We0 AI が紹介サイト、ページ、CMS を生成し、公開後の顧客獲得と流入拡大を支援します。
無料登録で完全なプロジェクトを 1 つ生成
1 つの完全な生成フローを試し、最初のプロジェクトのドラフトをすぐに確認するのに最適です。
このことにより、この事例は無監督コーディングの成功談よりも有用なものになります。モデルは改善候補を生成し、メンテナーは証拠を評価して不適切なパッチを却下し、採用した作業をマージする前に互換性の問題を修正しました。
Google は、NVIDIA A100 上で vLLM を使用した Gemma 4 E2B 推論の最適化も報告しています。この特定の設定では、スループットは毎秒37,900トークンから108,000トークンへ増加し、トークン同等性を保ったまま2.85倍の改善が報告されました。
これは設定固有の結果です。異なるモデル、GPU、バッチパターン、デプロイスタックで同じ高速化が得られることを示すものではなく、ホスト型 Argon API リクエストの料金やレイテンシと混同すべきではありません。
このリリースのクリエイティブなデモには、Blender とビジュアル批評を用いて構築した三次元の寺院や、デスク写真から着想を得たレーシング体験があります。後者は Blender MCP、生成されたテクスチャ、Three.js、追加のメディア機能を組み合わせているため、完成した成果物は、単一のプレーンテキスト呼び出しが支援なしで全アセットを作成する証拠ではなく、ワークフローの結果です。
これらの例は、Google が開発者に試してほしいプロジェクトの種類を示しています。生成コード、物理挙動、アセットライセンス、ブラウザ上のパフォーマンスを直接テストする代わりにはなりません。
このリリースは、ソフトウェアエンジニアリングを超えて複数の研究分野に及びます。それぞれの結果は、分野名から想像されるよりも狭い問題に取り組んでいます。
ロボティクスのデモも同じパターンに従います。Google の Apollo ロボットは、人間がコーンホールをプレイする様子を観察し、シミュレーションを構築した後、報告されたデモで現実世界の投球を7回連続で成功させました。これは紹介された実行に関する証拠であり、任意のロボット、環境、物理タスク全般における信頼性の推定値ではありません。
Google は、社内コード提出が35%増加し、ロールバック率が約3分の1低下したと述べています。これらは同社が報告した社内数値であり、リリース記事は別の組織が達成する成果について管理された予測として提示していません。
ADK の事例は、より広範な主張を評価する実用的な方法を示しています。まず、ベースラインを測定できるタスクから始め、テストと互換性チェックを維持し、最終的に採用されたパッチを評価します。変更のレビューと修正に費やす時間も、結果に含める必要があります。
研究作業の場合、対応する問いは、出力が関連分野の検証に耐えられるかどうかです。たとえば証明、実験室での実験、独立した計算、または慎重に設計された評価が該当します。モデルによるもっともらしい説明は、そのプロセスの一段階にすぎません。
10月15日に確認した AI Studio の料金ページでは、gemini-4-argon の無料枠は記載されていません。消費者向けサブスクリプションのアクセスと開発者向けAPIアクセスには異なる条件があるため、Google AI Pro の消費者向け機能にAPIモデルが含まれると想定すべきではありません。
文書化された導入時の標準料金は、2026年11月30日まで、入力100万トークン当たり2ドル、思考を含む出力100万トークン当たり10ドルです。12月1日からは、それぞれ4ドルと20ドルがページに記載されています。対象となる暗黙的キャッシュ入力には別料金が適用され、ツール料金によって総額が増える場合があります。
いいえ。Google は、入力、思考、出力で共有される1,048,576トークンの予算を文書化しています。そのため、入力が長くなるほど、インタラクションの他の部分に利用できる領域は小さくなります。
長時間デコードのドキュメントでは、バックグラウンドモード、ストレージ、有効な通常上限を超える max_output_tokens 値が必要です。継続ホップは共有予算と文書化された課金動作の対象であり続けるため、アプリケーションでは現行の Interactions API 指示に従う必要があります。
いいえ。約40%という結果は、Google のベンチマークにおける特定のインメモリセッション準備経路に関するものです。158ターンの完全な実行は14%改善しましたが、新規プロセスから最初のリクエストまでの時間は実質的に変化しませんでした。
いいえ。報告された結果は、定義された研究課題とデモンストレーションに関するものです。臨床、産業、または物理世界での用途へ一般化する前に、適切な独立検証、専門領域のレビュー、導入テストが必要です。
Gemini 4 Argon は、コード、ビジュアルプロジェクト、研究にまたがる幅広い報告済み機能を提供します。直近の実務的な詳細には、有料の開発者アクセス、11月末で終了する導入料金、思考と出力を含む共有コンテキスト予算があります。
最も強いエンジニアリング上の証拠は、採用・テストされた ADK の変更と、その測定された限界にあります。人間によるレビューは依然として結果の一部です。
ひとことから始めて、数分で完全なサイトを手に入れましょう。
