Google、Gemini 4 Argonを発表―サイバーセキュリティベンチマークで競合AIモデルを上回る
重要ポイント
- •Gemini 4 ArgonはソフトウェアエンジニアリングベンチマークDeepSWE v1.1で77.9%を記録し、74.2%のClaude Opus 5.5、74.%のGPT-6 Astra、67.4%のClaude Fable 5.1を上回った。ただしGoogleは自社でスコアを算出しており、競合の数値は外部ソースに基づく。
- •Gray Swanの間接プロンプトインジェクションベンチマークで、Argonは攻撃成功率0.7%を記録し、1.0%のClaude Opus 5.5とClaude Fable 5.1を上回った。一方、Grok 4.6とKimi K3は半分以上の確率でだまされた。
- •Googleは初期アクセスを、政府や重要インフラ事業者を含む650以上のパートナーを擁するFairwindプログラムを通じて審査合格済みのセキュリティチームに限定しており、同モデルは組み込みのサイバーガードレールなしで、段階的な展開のもと提供される。
- •Argonは1回の応答で最大100万トークンを生成でき、従来の6万4,000トークンの上限から約16倍に拡大し、長文のコーディングやオフィス作業のための余裕をもたらす。
- •有料API顧客とGoogle AI Ultra加入者向けの幅広いリリースが計画されており、導入価格は100万入力トークンあたり2ドル、100万出力トークンあたり10ドルで、最終的な標準料金の半分だ。

Googleは水曜日、Gemini 4 Argonを発表した。新しいフロンティアモデルの登場であり、そのベンチマーク結果はサイバーセキュリティテストにおいて競合AIシステムを上回るものだ。同モデルはDeepSWE v1.1で77.9%を記録し、Gray Swanのプロンプトインジェクションベンチマークでは攻撃成功率0.7%を達成。Claude Opus 5.5とClaude Fable 5.1(いずれも1.0%)を上回った。
今回の発表は、Claude Opus 5.5のリリースから1週間、GPT 6.1 Solの発表から1日後に行われた。米国の主要AIラボによるフロンティアモデルの相次ぐリリースの最新作であり、このペースにより、発表日のベンチマークチャートが業界のスコアボードとなっている。
Googleの公式発表によると、Argonはコーディング、オフィスワーク、サイバー防御向けに構築された、同社史上最も高性能なモデルだという。
強力なソフトウェアエンジニアリングのスコア、ただし留保付き
DeepSWE v1.1は、AIモデルが長く複雑な現実世界のソフトウェアエンジニアリング作業を完遂できるかを測定するテストで、結果はパーセンテージで採点される。Argonは77.9%を記録し、74.2%のClaude Opus 5.5、74.1%のGPT-6 Astra、67.4%のClaude Fable 5.1を上回った。参考までに、Gemini 3.6 Flashは7月に同じテストで49%だった。
また、同モデルは1回の応答で最大100万トークンを記述でき、従来の6万4,000トークンから拡大した。トークンは単語の約分の3に相当するテキストの単位であり、新しい上限は約75万語、従来は約4万8,000語だったことになる。これは、このモデルが想定する長文のコーディングやオフィスワークのための余裕だ。
ただし、これらの数字には留保が必要だ。DeepSWEのスコアはGoogleが自社で算出したものであり、競合モデルの数値は公開リーダーボードと企業の報告に基づく。Googleの比較表は譲る部分もある。Argonは18のベンチマークのうち12で首位、1で同率、5で劣後しており、その内容はコーディング、科学、コンピュータ操作テストが混在している。見出しの数字を見る際には、自己実施とサードパーティーの手法が混在している点も念頭に置くべきだ。
サイバーセキュリティが主役に
同モデルの目玉となる能力はサイバー防御だ。間接プロンプトインジェクション攻撃では、秘密の指示がメールなどのコンテンツに仕込まれる。AIアシスタントがそれを読んだ際、モデルがユーザーではなく第三者に従うかどうかが試される。こうした攻撃は、AIに受信トレイや買い物カートへのアクセスを許可するすべての人にとって悪夢的なシナリオだ。
AIエージェントが読むコンテンツに悪意ある指示を隠し、15回の試行で攻撃が成功する頻度を採点するGray SwanのIndirect Prompt Injectionベンチマークで、Argonは0.7%だった。数値は低いほど良い。Claude Opus 5.5とClaude Fable 5.1はいずれも1.0%。GPT-6 Astraは8.5%だった。Grok 4.6とKimi K3は半分強の確率でだまされ、それぞれ51.8%と52.7%だった。リスト内の最高と最低の防御の52ポイントの差は、プロンプトインジェクション耐性が業界全体でいかに不均一であるかを示している。
Fairwindプログラムによる限定展開
Argonはまず、Fairwindプログラムを通じて審査合格済みのキュリティチームに提供される。これはGoogleの限定アクセス型サイバー防御イニシアチブで、9月2日に政府や重要インフラ事業者を含む650以上のパートナーとともに開始された。同モデルは「サイバーガードレールなし」で出荷される。これは通常、モデルがハッキングを支援することを防ぐ組み込みの拒否機能のことだ。
この措置の背後にある論理は、防御側が犯罪者に穴を見つけられる前に穴を塞ぐため、攻撃者のように考えられるモデルを必要としている、というものだ。ただし、同じ能力は諸刃の剣でもあり、Googleは段階的な展開のみが安全な道であるとしている。同社はまた、米国政府のモデル公開前アクセスに関する自主的なプロセスにも参加している。
サイバーモデルを厳格な管理下に置いたのはGoogleが初めてではない。AnthropicのClaude Mythosの初期バージョンは、Firefoxの271件の脆弱性の発見に貢献した。つまり、Mozillaがその後に修正した271件のセキュリティホールだ。OpenAIもTrusted Access for Cyberプログラムで同様の道をたどっており、制限付きサイバーアクセスはフロンティアラボの間で新たなパターンとなりつつある。
Argonのサイバースコアは、GoogleがFairwindとともに発表した制限付きモデルGemini 3.8 Flash Cyberをも上回る。実在するWebアプリケーションの脆弱性に対し、コードを見ずに動作するエクスプロイトの作成をAIに求め、初回試行での解決率を採点する社内テストWiz Penetration Test Benchmarkでは、Argonは58.2%に対して70.9%を達成した。Googleはまた、Argonがセキュリティ企業Wizによる、世界中の病院で使用されているヘルスケアソフトウェアの重大な欠陥の発見に貢献したとも述べている。これは従来のフロンティアモデルが見逃していたものだった。
苦しい夏の後の発表
今回のリリースは、Googleにとって苦難の期間の後にやってきた。7月、同社は小型のFlashモデルを出荷したものの、約束されていたGemini 3.5 Proを見送り、Alphabet株は約4.4%下落した。Argonの発表は、トランプ大統領がGoogleの経営陣も署名した罰則のない自主的なAI協定を発表したのと同じ日に行われた。
Googleは、有料API顧客とGoogle AI Ultra加入者から順に、できるだけ早く幅広いリリースを行うとしている。導入価格は100万入力トークンあたり2ドル、100万出力トークンあたり10ドルだ。この期間がいつ終了するかは明らかにされていないが、標準料金は4ドルと20ドル、つまり導入価格のちょうど2倍だとだけ伝えられている。幅広い展開の時期と導入価格期間の長さが、Argonの展開において注目すべき2つの日程だ。