
Gemini 4 Argonとは?ベンチマーク18項目をGPT-6 Astra・Fable 5.1・Opus 5.5と1項目ずつ比べてみた
Gemini 4 Argonとは
Gemini 4 Argonは、Googleが2026年9月30日に発表したGemini 4世代のAIモデルです。Googleは、実務のソフトウェア開発・法務や金融などの知的作業・サイバー防御に強いモデルと説明しています。1回に出力できる量は100万トークンで、前の世代のGemini 3.1 Proの約15倍です。
発表と同時に、GoogleはGPT-6 Astra・Claude Fable 5.1・Claude Opus 5.5と18項目で比べたベンチマークの結果を公表しました。「12項目で1位」という数字が目立ちますが、表をモデルごとに読むと、負けている項目にもはっきりした傾向があります。
今回は、このベンチマークの結果を1項目ずつ並べて読み比べました。Gemini 4 Argonはまだ一般に公開されていないため、実際に使った結果ではなく、Googleが公表した数字の読み解きです。
Gemini 4 Argonのベンチマークの結論
ベンチマークの結果を読み比べてわかったことは、以下のとおりです。
18項目のうち12項目で単独1位、1項目でGPT-6 Astraと同率1位
法務の評価は19.6%で、2位のClaude Fable 5.1(6.7%)の約3倍
25万6,000〜100万トークンの長い入力を扱う評価で、2位に12.4ポイントの差
非常に長いコーディング課題と、ターミナルでの作業の評価では4モデル中で最下位
料金は導入価格で入力2ドル・出力10ドル(100万トークンあたり)で、GPT-6.1 Solと同じ
強いのは「長い資料を読んで判断する仕事」で、弱いのは「長時間の開発をターミナルで進める仕事」という分かれ方です。

法務と業務の自動化はGemini 4 Argonが大きく上回る
差がいちばん大きいのは、知的作業の評価です。4つの評価すべてで、Gemini 4 Argonが1位でした。
Vals Index(金融・法務・税務などの総合): 68.9%(2位はClaude Opus 5.5の67.0%)
AutomationBench(業務の流れを最後までこなす): 51.3%(2位はClaude Opus 5.5の42.5%)
Vals Finance Agent v2(金融の調査): 65.4%(2位はClaude Fable 5.1の58.9%)
Harvey's Legal Agent Benchmark(法律の調査と文書作成): 19.6%(2位はClaude Fable 5.1の6.7%)

法務の評価は、4モデルとも点数が低い難しい評価です。その中で、Gemini 4 Argonだけが2割近くまで届いています。
長い入力を扱う力は、長さが増えるほど差が開く
GraphWalksは、とても長い入力の中から情報をたどれるかを測る評価です。12万8,000トークン以下では、4モデルとも90%を超え、差はほとんどありません。
入力を25万6,000〜100万トークンに延ばすと、Gemini 4 Argonは84.2%、GPT-6 Astraは71.8%、Claude Opus 5.5は66.8%、Claude Fable 5.1は65.0%になりました。長くなるほど、Gemini 4 Argonと他のモデルの差が開いています。
長い動画を理解する評価(LVBench)でも、Gemini 4 Argonは91.7%で1位でした。2位のGPT-6 Astraは87.5%です。
Gemini 4 Argonが負けた5項目は「長時間の開発」と「ターミナル」
Gemini 4 Argonが1位を逃した5項目は、以下のとおりです。
FrontierSWE v2(数時間から数十時間かかるコーディング課題): 1位はGPT-6 Astraの65.5%、Gemini 4 Argonは55.0%で4モデル中4位
Terminal-bench 4.0(ターミナルでの作業): 1位はClaude Opus 5.5の66.4%、Gemini 4 Argonは57.4%で4モデル中4位
Terminal-Bench Science 0.1(ターミナルでの科学計算): 1位はGPT-6 Astraの68.1%、Gemini 4 Argonは57.6%で3位
PostTrainBench(AIモデルの追加学習): 1位はClaude Opus 5.5の49.3%、Gemini 4 Argonは45.3%で2位
OSWorld-2.0(画面を見ながらのパソコン操作): 1位はGPT-6 Astraの72.6%、Gemini 4 Argonは69.2%

コーディングの評価は4つあり、Gemini 4 Argonの成績は2勝2敗です。短い仕様からWebアプリを作る評価(Vibe Code Bench)やDeepSWE v1.1では1位ですが、非常に長い課題とターミナルでの作業では最下位でした。
Claude Codeのように、ターミナルで長時間の開発を任せる使い方では、Claude Opus 5.5やGPT-6 Astraの点数が上です。ベンチマークの数字だけで見ると、開発のモデルを乗り換える理由はまだありません。
Gemini 4 ArgonとGPT-6.1 Sol・Gemini 3.1 Proとの比較
Googleのベンチマークの比較表に載っているのは、GPT-6 Astra・Claude Fable 5.1・Claude Opus 5.5の3モデルだけです。9月29日に出たGPT-6.1 Solと、Google自身のGemini 3.1 Proは入っていません。
そこで、各社が公表している料金と仕様を並べました。料金は100万トークンあたりの米ドルです。
Gemini 4 Argon: 入力2ドル・出力10ドル(導入価格。導入期間の後は4ドル・20ドル)、最大出力100万トークン
GPT-6 Astra: 入力10ドル・出力50ドル、最大出力12万8,000トークン
GPT-6.1 Sol: 入力2ドル・出力10ドル、最大出力12万8,000トークン
Claude Fable 5.1: 入力10ドル・出力50ドル、最大出力12万8,000トークン
Claude Opus 5.5: 入力4ドル・出力20ドル、最大出力12万8,000トークン
Gemini 3.1 Pro: 入力2ドル・出力12ドル(20万トークン以下)、最大出力65,536トークン
導入価格のGemini 4 Argonは、GPT-6.1 Solと同じ料金で、GPT-6 AstraとClaude Fable 5.1の5分の1です。導入期間の後は、Claude Opus 5.5と同じ料金になります。導入期間がいつまでかは、公表されていません。
1回に出力できる量は、GPT-6 Astra・GPT-6.1 Sol・Claudeの2モデルの約8倍です。前の世代のGemini 3.1 Proと比べると、約15倍に増えました。

Gemini 4 Argonのベンチマークを読むときの注意
このベンチマークの比較表は、条件がすべてそろった比較ではありません。
他社モデルの点数は、各社の公表値や公式ランキングの値が中心
Gemini 4 Argonの点数には、Googleが自分で測った値が多い
原則として、各モデルの最も高い推論レベルの値で比べている
Claude Fable 5.1は2項目が空欄
ベンチマークの点数は、実際の仕事での成功率をそのまま表す数字ではありません。公開されたら、自社の仕事で同じ依頼を他のモデルと比べて確かめる必要があります。
Gemini 4 Argonはいつから使える?
2026年10月1日時点で、Gemini 4 Argonを使えるのは、Fairwindプログラムに参加している審査済みのサイバー防御組織とGoogle社内だけです。次は有料APIの利用者とGoogle AI Ultraの契約者に広げる予定ですが、日付は公表されていません。
日本での提供や、無料版のGeminiアプリで使えるかどうかも、公表されていません。公開までは、今使えるモデルで仕事を進めることになります。
Gemini 4 Argonの特徴・料金・5つのモデルとの詳しい比較・使い分けは、Touch AIのブログで解説しています。
Gemini 4 Argonとは?性能・料金・いつ使えるかと他の5モデルとの違い
https://touchai.jp/blog/gemini-4-argon