Google DeepMind、コーディング・科学・企業向けの複雑なタスクに対応するGemini 4 Argonを発表

Google DeepMindは、コーディング、金融、法務、サイバーセキュリティ、科学分野における複雑なマルチステップの作業向けに設計されたフロンティアモデル「Gemini 4 Argon」の全世界での提供を開始したと発表しました。

同モデルは2026年10月13日より、開発者および企業向けにAI StudioとGeminiプラットフォームのAPIを通じて提供されます。Google AI UltraサブスクライバーはGoogle Antigravityで、Google AI UltraおよびProサブスクライバーはGeminiアプリとSearchのAI Modeで利用できます。

Google DeepMindのSVP兼GoogleチーフAIアーキテクトであるKoray Kavukcuoglu氏は、このリリースにより開発者、企業、科学者、一般ユーザーがGoogleの最新フロンティアモデルにアクセスできるようになると述べました。

Googleによると、Argonは実世界の領域にわたる「深い作業」のために設計されています。同社は、このモデルが複数の分野のベンチマークで他のフロンティアモデルを上回り、金融、コーディング、法務、税務といった重要な経済セクターにおけるモデル性能を測定するVals Indexで第1位にランクしていると述べています。

導入価格は入力トークン100万個あたり2ドル、出力トークン100万個あたり10ドルで、キャッシュされた入力トークンは95%割引されます。導入期間が2026年11月30日に終了した後は、入力トークン100万個あたり4ドル、出力トークン100万個あたり20ドルの価格が適用されます。この価格は公開アクセス向けのArgonモデルに適用されます。

Googleは、すでにArgonが大規模コードベースのリファクタリングと最適化、法務・金融・科学分野のワークフロー改善、サイバーセキュリティ脆弱性の特定と修正、量子コンピューティング・核融合・ライフサイエンスの研究支援に活用されていると述べています。

エンジニアリングとソフトウェア開発

Googleは、Argonが社内の難易度の高いエンジニアリングプロジェクトで使用されてきたと述べています。Antigravityにおいて、このモデルはチームのエージェントによるコード提出を35%以上増加させ、コードのロールバックを約3分の1削減する助けとなりました。

Chromeでは、Argonがコアのウェブページ処理を、Chromiumの,000万行のコードベース内にある約600万行のブラウザ機能レガシーフォルダから分離する作業を支援しました。複数のクリーンなコード変更を一度に生成することで、このモデルは数百ファイルに及ぶアーキテクチャのリファクタリングを数ヶ月ではなく数週間で完了させました。

Googleは、この作業により、Chromeの数十億人のユーザーにとって、ライブのウェブページをタブ、サイドパネル、フローティングウィンドウ間でリロードなしにスムーズに移動できるようになり、あるカテゴリのブラウザクラッシュが解消されると述べています。

Argonはまた、エンタープライズエージェント向けフレームワークであるGoogleのオープンソースAgent Development Kit(ADK)のチームにも使用されました。エンジニアはモデルに.agents/skillsのルールブックと、「既存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。

Argonは一晩で自律的に作業し、現在google/adk-pythonリポジトリに反映されている最適化を特定しました。Googleによると、これらの変更により長時間セッションでのメモリ内セッション準備時間が40%削減され、コールドインポート速度が21%向上しました。同社はこの作業を説明するエンジニアリング詳細解説を公開しています。

研究者らはAntigravityでArgonを使用し、分子の3D構造予測や医薬品・材料候補のスクリーニングに使われるオープンソースの量子化学パッケージ「xTB(Semiempirical Extended Tight-Binding)」の最適化も行いました。Googleによると、xTBは分子構造の予測が最大2.3倍、コンフォメーション探索が1.8倍高速になりました。これらの変更は公式xTB GitHubリポジトリにコントリビュートされています。

Googleはまた、vLLMを使用してA100上でオープンなGemmaモデルのエンドツーエンド推論を2.85倍高速化したと報告しています。Gemma 4 E2Bのスループットは約37,900トークン/秒から108,000トークン/秒超に向上し、100%のトークン一致と品質低下なしを達成しました。Googleは、アテンションチューニングやspeculative decodingを含むこの作業が、通常必要とされる数ヶ月ではなく数日で完了したと述べています。関連する上流のvLLMプルリクエストに変更内容が含まれています。

3D可視化とインタラクティブアプリケーション

Googleによると、Argon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向上しています。Antigravityで/goalなどのスラッシュコマンド、マルチエージェントループ、カスタムスキルを使用して、Googleの従業員はバニラコードブラウザ上に直接レンダリングできる3D可視化、高忠実度ゲーム、インタラクティブアニメーションのプロトタイプを作成しました。

あるデモでは、Argonがマルチエージェントのビジュアルクリティークループを通じてBlenderで精細なパゴダを作成しました。モデルは、フォトリアルな建築、植生、ライティングを備えた複数棟の寺院複合施設を自律的に造形しました。

別の例では、Argonが実際の机の写真を遊べるミニチュアレーシングゲームに変換しました。Blender MCPで机、部屋、レーストラックのモデリングと衝突判定を行い、Nano Bananaがテクスチャを供給し、Three.jsが物理演算、カスタムシェーダー、Gemini Omni Flashによる車のエンジン音を処理しました。GoogleはこのアプリケーションをGoogle AI Studioで公開しています。

Argonはまた、複雑な3Dゲームを手続き的に造形、リギング、アニメーション化、物理ベースレンダリングするPythonスクリプトを作成しました。その後、GLSLシェーダー、破壊物理演算、シングルプレイヤーAIとともにThree.jsでウェブに接続しました。結果のアプリケーションはGoogle AI Studioで利用できます。

外部ライブラリを一切使わず100%純粋なPythonで、Argonはカスタム動画ツールとオーディオミキサーを備えた独自の3Dレイトレーシングエンジンを作成しました。このシステムは陽光の差し込む図書館をゼロから構築・記録し、Gemini 3.8 TTSのナレーションとLyria 3.5による音楽で動画を制作・編集しました。Googleはソースコードを公開しています。

別のAntigravityデモでは、Argonは1枚のNano Banana画像から開始し、自律ループでBlender MCPを駆動してカメラグリッドの整合、ゴシック建築の造形、オーディオ反応型ライティングの配置を行い、完成した3Dシーンを作成しました。

ビジネスおよびプロフェッショナルのワークフロー

Googleによると、Argonは高度な推論、視覚認識、より広範なドメイン知識、より強力な文章作成能力を組み合わせ、リスクの高いプロフェッショナルなワークフローを支援します。同社は、このモデルが明瞭にコミュニケーションを取り、以前のGeminiモデルよりも一貫してスタイル指示に従い、より直接的で曖昧さの少ない回答を行い、不必要な繰り返しを避け、決まり文句を使わないと述べています。

Googleのアーリーアクセスプログラムに参加するエンタープライズ顧客やスタートアップは、厳格なグラウンディングを維持しながら、マルチモーダルなドキュメント理解、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Argonを活用しています。

あるデモでは、約50GBの航空機レーザー測量(LiDAR)データ、GISルームベクトル、米国議会図書館のCAD図面、国立公園局のアーカイブが使用されました。Argonはこれらの素材を統合してチャコキャニオンの3Dモデルを再構築し、断片化した考古学記録を探索可能なデジタル遺産サイトに変換しました。このプロジェクトはGoogle AI Studioで利用できます。

Geminiアプリでは、Argonはプロジェクトコンテキストを含む非構造化フォルダを、カスタムスキルを使用してクライアント向けの提案デッキに整形できます。その後、Geminiがデッキのドラフトとメール送信を行い、将来のクライアントからの依頼に対するスケジュールされたワークフローを作成できます。

Googleはまた、Argonが3つのオープンソースリポジトリのデータを統合して医療学習ツールを作成する様子もデモしました。このツールでは、解剖学のレイヤーを剥がしたり、臨床メタデータを確認したり、人体の3D探索でバイオメカニクスを発動させたりできます。

Gemini macOSアプリでは、ArgonはAntigravityとNano Bananaを使用してソファの新しい脚のデザイン案を生成し、3Dプリント用ファイルを作成しました。寸法のスケッチとソファの写真から、モデルは正しいサイズに合う部品を構築しました。

Isomorphic Labsでは、創薬および設計研究の加速のためにArgonが使用されています。Googleによると、このモデルは複雑なPDFや特許を素早く統合して関連情報を抽出でき、通常数週間かかるプロセスを数時間に短縮します。

サイバーセキュリティと科学研究

Googleによると、研究者、エンジニア、セキュリティ専門家は、サイバー防御、科学、数学、ロボティクスの分野でArgonを使用しています。応用例には、仮説の検証、重要なコードベースと形式証明の監査、ゼロデイ脆弱性や論理的欠陥の特定が含まれます。

FairwindプログラムとWiz

Googleは、信頼される防御者にサイバー能力を提供するFairwindプログラムのパートナーを、さらに数百社へ拡大し始めたと述べています。

Wizは、公共の利益のために重要インフラを無償で保護する「Scan for Good」イニシアチブでArgonを使用しています。Googleによると、WizはArgonへの早期アクセスを複数のリスクの高い分野で活用しました。

連邦機関との長期にわたるサイバーレジリエンスプログラムの一環として、Argonは機密性の高い政府データやインフラを露出させる恐れのある脆弱性を特定・修復する助けとなりました。Googleは、この取り組みにより重要なセキュリティセクターの開発詳細の露出と専門モデルへの不正アクセスが防止されたと述べています。

Wizはまた、医療インフラの保護にもArgonを使用しました。複雑な脆弱性を連鎖させることで、このモデルはマスターキーを露出させ管理者アクセスを可能にする公開ファイルダウンロードバイパスの特定と迅速な修正を支援しました。Googleは、Argonが脆弱性の特定にとどまらず、数十万件の私的患者記録の積極的な保護に貢献したと述べています。

量子コンピューティング

Googleの研究者は、量子誤り訂正とアルゴリズム設計の作業を支援するためにArgonを使用しました。誤りデコーダーが量子ハードウェアのリアルタイム処理に追いつけるよう、ArgonはGoogleの機械学習量子誤り訂正デコーダー「AlphaQubit」の内部バージョンを、単一の最適化されたハードウェアカーネルに変換しました。

Googleは、このカーネルにより推論スループットが約2倍になり、より大きなモデルの展開より大規模な量子デバイスへのスケーリングが厳格なリアルタイム閾値を維持しながら可能になったと述べています。

Argonは、量子サブルーチンの時空間コスト削減にも使用されました。最近の量子シミュレーションアルゴリズムの構成要素であるarcsinについて、Argonが作成しLeanで形式検証された実装は、公表されている量子CORDICベースラインと比較して時空間コストを100倍以上削減しました。Googleはこの作業を、最適化された量子回路の標準ライブラリに向けた一歩と位置付けています。関連研究はarXiv論文で入手できます。

核融合

ステラレータは複雑な機械であり、無限のクリーンな核融合エネルギーの有力候補ですが、その3D磁場の最適化は難しいことで知られています。1967年以来、「グラードの予想(Grad's conjecture)」として知られる仮説は、これらの磁場に対する厳密な数学的解を見つけることは不可能であるとされてきましたが、メリーランド大学のMatt Landreman教授によるものを含む最近の反例がその仮定に疑問を投げかけました。

Googleは、Landreman教授と協働するチームが、グラードの予想に対するより広範なクラスの反例を特定したと発表しました。これらの新しい解は、核融合コミュニティがステラレータのシミュレーションコードを検証するための信頼性の高いベンチマークを提供し、今後の設計に役立ちます。

希少疾患研究

Gamow Labsの研究者は、希少な発達性肺疾患を持つ新生児の非識別化ゲノムの解析にArgonを使用しました。ある症例では、モデルが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列を特定し、なぜ検出されなかったのかを説明しました。

実際の臨床・実験室データに基づくGamow Labsの非公開評価において、Argonは希少疾患診断支援のRareBenchで57%、湿式実験室推論のLabBenchで52.2%を獲得しました。Googleは、これらの結果が希少疾患に直面する家族のより迅速な診断につながる可能性があると述べています。詳細はGamow Labsとそのベンチマークページから入手できます。

酵素設計

高い反応性を持つ酵素の設計は、多くの場合数ヶ月に及ぶ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。標的分子のエステル結合を切断するセリンエステラーゼは、リサイクルや医薬品、バイオ燃料、洗剤の製造に広く使用されています。

Googleの科学者はArgonとともに、エステル結合が切断されると紫外線下で発光するベンチマーク分子「4MU-acetate」を標的とするセリンエステラーゼの設計を行いました。Argonは数時間のうちに関連データを統合し、モデルチューニングを実行し、複数の生化学に基づくフィルターを特定して、最終的に5つの新規設計を導き出しました。

その後の実験室での検証により、これらの設計すべてにおいて堅牢な触媒活性が確認されました。Googleは、この作業がバイオマニュファクチャリング、グリーンミストリー、創薬分野における酵素工学の高速化の可能性を実証していると述べています。

Googleは、10,000人の科学者にGoogle Antigravityの最高利用ティアを6か月間無償で提供します。研究者は、適格性、容量、選考の対象となり、順次オンボーディングされます。応募受付中です。

ロボティクス

Googleは、Argonが視覚意味推論、物理的理解、自律的なコード生成を組み合わせ、ロボティクススタック全体の新しいワークフローを支援すると述べています。3D環境における物理的・空間的問題の理解と解決能力を試すEmbodied Reasoning(ERQA)ベンチマークで、Argonは87%のスコアを達成しました。Googleは、これは純粋な推論に依存する他のフロンティアモデルより高いスコアであると述べています。ERQAベンチマークは公開されています。

社内テストでは、Argonはコーンホールで遊ぶ人の生の動画を見るだけで、分布外の身体的スキルを習得しました。モデルは環境の空間座標をマッピングし、必要な全身の関節動作を計算し、シミュレーションコードを自律的に構築しました。

このシステムをApptronikのヒューマノイド「Apollo」に転送したところ、実世界の試験でロボットは7連続ショットを成功させました。Googleはこのプロセスを「Video-to-Sim-to-Real」パイプラインと呼び、普通の動画をロボティクスのスケーラブルな訓練環境に変換することで、数週間の手動シミュレーションモデリングを数時間に短縮すると述べています。ApptronikはApolloヒューマノイドを手がける企業です。詳細はGoogleの開発者ブログで提供されています。

安全性とセキュリティ

Googleは、安全性とセキュリティが同社のモデル開発プロセスの基盤であると述べています。Argonは非常に高性能であるため、同社は第三者パートナーと協力して特定の能力と保護策を測定しました。Googleは、Gemini 4 Argonがこれまでで最も包括的な安全・セキュリティスタックを備えていると説明しています。

GoogleのFrontier Safety Frameworkに基づき、同社は複数の領域でArgonの能力を評価し、ジェイルブレイク耐性、監視、執行を組み合わせた多層防御システムを展開しました。Googleによると、外部のバイオレッドチームがテスト対象のバイオサブタスクのうちアンロックできたのは1%未満でした。

エクスプロイトコードの生成や危険な生物学的物質に関する支援を含む危険な要求について、GoogleはArgonが以前のモデルよりも有害な要求に従う可能性が大幅に低いと述べています。モデルをストレステストするように設計された敵対的テストセットでは、違反は以前のGeminiモデルと比較して約2分の1に減少しました。

Googleはまた、Argonにシステム境界を尊重し、否定的な結果を正直に報告し、不可逆的なアクションの前に人間の確認を求めるよう訓練しました。モデルに控えるインセンティブがないコーディングベンチマークでは、近道の試行は2%まで減少し、Googleはこれを以前のGeminiと比較して最良の結果と説明しています。

追加の防御層として、Google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特定・ブロックする自動化されたミスアラインメントモニターを構築しました。このモニターは社内展開、能力評価、強化学習の訓練ランで使用されました。Googleは、推論が透明で監視可能な状態を保つため、訓練中にモデルの思考をペナルティ対象としないよう厳格に配慮したと述べています。

Argonはプロンプトインジェクションに対してもテストされました。ウェブページを閲覧、メールを読む、コードを検査するエージェントは、タスクを乗っ取るために設計された隠れた悪意ある指示に遭遇する可能性があります。敵対的訓練と自動化されたレッドチーミングを通じて、ArgonはGray Swan Indirect Prompt Injectionベンチマークで首位を維持し、15回の適応的試行における攻撃成功率を0.7%まで低減しました。

詳細はGemini 4 Argonモデルカードを参照してください。

提供とアクセス

Argonは、Gemini APIを通じて業界をリードする100万トークンの統合入出力上限に対応しています。Googleは、開発者と企業に対し、新しい継続プロトコルに関するドキュメントを確認し、ニーズに応じた適切な設定を行うよう推奨しています。長文デコーディングおよびGoogleのエンタープライズエージェントプラットフォーム上のGemini 4 Argonに関するドキュメントが提供されています。

Googleの全世界での展開には以下のアクセスオプションが含まれます:

• 開発者: AI StudioおよびAndroid Studioで有料のGemini APIティアを使用して構築できます。Google AI Ultraサブスクライバーは、Google AntigravityとAI StudioでもArgonを試用できます。
• 企業: Gemini for business、API、Google AntigravityでArgonを利用できます。
• 一般ユーザー: Google AI UltraおよびProサブスクライバーは、GeminiアプリとSearchのAI ModeでArgonを利用できます。
• 科学者・研究者: 適格性、容量、選考の対象となり、Google Antigravityの最高利用ティアへの6か月間の無償アクセスに応募できます。
• サイバーセキュリティ防御者: Fairwindプログラムに応募し、サイバーガードレールなしのArgonへの順次アクセスを取得できます。

Googleは、Gemini 4 ArgonがGemini 4ファミリーの最初のリリースであり、追加のモデルが続くと述べています。

同社は、本ブログの見解は外部当事者のものであり、Googleの見解を代表するものではないと述べています。元の発表はGoogle DeepMindにより公開されました。