Googleは、新しいフロンティアモデル(frontier model)であるGemini 4 Argonを発表しました。Gemini 4 Argonは、Fairwind Programを通じて、信頼されたサイバー防御担当者(cyber defenders)の一部に向けて展開されています。

Gemini 4 Argonは、複雑な長期的なワークフロー(long-horizon workflows)で深い推論を持続できるように作られています。Googleは、Argonが社内での働き方・開発の仕方を根本的に変えつつあるとしています。このモデルは、実世界のソフトウェアエンジニアリング、法務や金融などの企業向け知識労働、およびサイバーセキュリティ防御における複雑なワークフローで、フロンティア水準の性能を発揮すると、Googleは説明しています。

Googleは、Argonが提供するこのレベルのフロンティア能力を安全に公開するには段階的なアプローチが必要だと述べています。アクセスを徐々に広げながら、リリース前のモデルアクセスに関する米国政府の任意のプロセスにも積極的に関与しています。

Googleは、Gemini 4 Argonを開発者・企業・一般消費者向けにできるだけ早く提供する方針です。それに先立ち、初期テスターからのフィードバックを集め続けながら、ガードレールの改善を重ねます。

導入価格とキャッシュ割引

Argonは導入価格(introductory price)で提供開始される予定で、入力トークンは100万トークンあたり$2、出力トークンは100万トークンあたり$10です。キャッシュされた入力トークンは、入力トークン価格から95%割り引かれます。

Google社内での活用事例

Gemini 4 ArgonはすでにGoogleの社内ワークフローを支えています。数千人のGoogle社員が、専門的なコーディングタスク、より深い調査、文章の質の面でモデルの強みを挙げています。また、Googleのエンジニアは、日常のデバッグから大規模なコードベースの移行、アルゴリズム設計まで、日々の業務でGemini 4 Argonを使用しています。Gemini 4 Argonは、チームがより速く開発し、エンジニアリング生産性の限界を押し広げ、ブレークスルーを加速するのを助けていると、Googleは述べています。

量子アルゴリズム最適化では、重要なアプリケーションのボトルネックとなっているサブルーチンの時空間リソース(qubits × gates)を、量子コンピューティング研究者が最適化するのをGemini 4 Argonが支援しています。ある例では、公開されているベースラインを数分で40%上回りました。

メモリ効率の面では、Argonエージェントのチームがフリート全体のプロファイリングテレメトリ(telemetry)を分析し、Googleのデータセンター全体でメモリ最適化を自律的に特定・適用しました。この展開後に300 TiB超のメモリが空き、合計の削減量は500 TiBから1 PiBと見積もられています。

大規模なコードベースの移行と最適化として、ArgonエージェントはGoogle全体でC/C++のコードベースをRustへ移行する作業を進めています。その規模は、re2やlibgav1といったコアライブラリの数万行から、Fuchsia Zirconカーネルの80万行超にまで及びます。重要性の高いシステムが多いため、これらの大規模な書き換えは本番に展開する前に、厳格な自動監査と手動監査、エミュレーションテスト、レビューを受けています。

Googleの動画デコード用オープンソースソフトウェアであるlibgav1では、Argonエージェントが既存のRust移植版を取り、3.2万行のSIMDコードを置き換えました。プロファイルに基づく実験を何度も繰り返し、コンパイラの出力を調べ、コンパイラが自動でベクトル化できるsafe Rustを生成した結果、メモリ安全な動画デコーダーはRust移植版より2.7倍高速に動作し、出力される動画は同一で、最適化されたC++版に近づきました。

出力上限の拡大とベンチマーク結果

Gemini 4 Argonは、長く複雑なユースケースに対応するため、モデルの出力トークン上限を従来の64K(64000)トークンから、業界最高水準とする1M(1000000)トークンへ大幅に拡大しました。モデルが深く考え、1回の試行(trajectory)で数十万トークンを生成できる余裕があると、推論に新たな深みが加わり、難しい問題を一度で解けるようになる、というのがGoogleの考えです。

Gemini 4 Argonは、コーディング、推論、マルチモーダルの能力と、長い複数ステップのタスクを持続できる能力により、さまざまなエンタープライズのワークフローで優れた性能を発揮すると、Googleは位置づけています。

Gemini 4 Argonは、実世界の長期的な(long-horizon)ソフトウェアエンジニアリングタスクでのモデルの性能を測るDeepSWE v1.1で77.9%を記録し、新たなstate of the artを打ち立てました。また、金融・コーディング・法務・税務の業務における経済的インパクトを米国GDPへの寄与度で各分野を重み付けして測るVals Indexでもトップのモデルであり、Vals Finance Agent v2やHarvey’s Legal Agent Benchmarkなど他の分野別評価でも同様にトップの性能を示しています。Vals Finance Agent v2は複数ステップの金融リサーチを、Harvey’s Legal Agent Benchmarkは法務リサーチと文書作成を評価するものです。

Zapierが公開する、中核的な業務機能にわたるエンドツーエンドの実行を測るベンチマークAutomationBenchで、Gemini 4 Argonは51.3%のスコアで1位となりました。

Gemini 4 Argonは、知識労働に視覚的な理解が必要な場面で他にない強さを持つと、Googleは述べています。専門的なチャート分析、長い動画からの詳細の特定、一連の文書に基づく行動ができます。長い動画の理解を測るLVBenchでは、91.7%のスコアでstate of the artです。

サイバーセキュリティ防御の能力

Googleは、サイバー防御担当者が新しい時代のサイバー攻撃に備えられるよう、Gemini 4 Argonをサイバーセキュリティ防御で高い能力を持つように訓練しました。Argonは、重大なソフトウェアの脆弱性を自律的に発見・検証・パッチ適用できます。信頼されたサイバー防御担当者(trusted defenders)とGoogle社内チーム向けには、フロンティアレベルのサイバーセキュリティ防御能力をフルに活用できるようにするため、Gemini 4 Argonをサイバー向けのガードレールなしで提供する予定です。

Wizは、リスクの高い脆弱性(セキュリティ上の弱点)を見つけて修復するプログラムであるScan for Goodを通じて、すでにGemini 4 Argonをサイバーセキュリティ防御に使っています。Gemini 4 Argonの初期の事例として、このモデルは世界中の病院で使われる医療ソフトウェアに、機微な個人情報を露出させる重大な脆弱性を発見しました。これは、従来のフロンティアモデルが見逃していた深刻なリスクだったと、Googleは述べています。Scan for Goodは、リスクの高い脆弱性を見つけて修復することで、重要な公共インフラを無償で守るためのプログラムです。

Googleの社内の包括的な脆弱性ベンチマークにおいて、Gemini 4 Argonは20のプログラミング言語にわたる複雑なコードベースから幅広い脆弱性を発見しており、これは脆弱性の発見で3.8 Flash Cyberを大きく上回る進歩を示す例として挙げられています。また、セキュリティ脆弱性の修復能力を評価するCWE-bench v1では、68%のトップスコアで1位タイとなりました。これは、CWE-bench v0における3.8 Flash Cyberのフロンティア級の性能を発展させたものです。

安全対策と今後の提供予定

Gemini 4 Argonを広く提供する前に、Googleは、悪用への防御、プロンプトインジェクション攻撃への防御、ミスアラインメントの監視、システムの堅牢化という4つの主要分野において、フロンティアの安全対策を強化し続けています。悪用への防御として、Gemini 4 Argonは、悪意ある者がサイバー攻撃や化学・生物・放射性物質・核(CBRN)攻撃に使うのを防ぐため、有害なリクエストを拒否しつつ、正当なデュアルユース(dual-use)の科学研究は維持するよう設計されており、これはFrontier Safety Frameworkに沿ったものです。リリースに向けては、悪用を見つけるためにモデルの内部活性化(internal activations)を監視する技術の改善を含め、安全対策の堅牢性を強化しています。悪用への安全対策は、社内外のレッドチームによって、手動と自動の攻撃手法を組み合わせた堅牢性テストを受けています。

Gemini 4 Argonは、間接プロンプトインジェクション(悪意ある指示やコンテキストを使ってモデルの挙動を乗っ取る攻撃)に対して、Googleのモデルの中でこれまでで最も耐性が高いモデルです。間接プロンプトインジェクション(indirect prompt injection)は複雑な攻撃であるため、常に警戒し続けることと多層防御が必要です。自動レッドチーム(red team)によるテストと敵対的トレーニング(adversarial training)を通じて、Gemini 4 ArgonはGray SwanのIndirect Prompt Injection(IPI)ベンチマークでプロンプトインジェクション(prompt injection)耐性のトップにあります。

Gemini 4 Argonでは、タスクを達成する際にユーザーの意図を超えて境界を踏み越えることを防ぐため、Argonのchain-of-thoughtと行動を監視し、必要に応じて実行を停止するミスアラインメント(misalignment)緩和策を導入しています。Googleは同様の監視システムを使ってGemini 4 Argonのトレーニング実行を監視し、専任のインシデント対応チームにアラートを送りました。また、Googleはその結果をトレーニングにフィードバックしないよう慎重に配慮しており、Argonの推論が監視を回避するように形作られるリスクを避けています。

Googleは、能力が高まる重要な局面でアラインメント(alignment)のリスクに対処する間、業界の他社にも推論の透明性を保つよう強く促しています。モデルの思考がミスアラインメントの特定と診断に引き続き役立つためです。フロンティアモデルの能力が高まるにつれ、それらを安全にテストするには、システム自体に追随できるセキュアな環境が必要になります。システムの堅牢化として、エージェント制御ロードマップ(agent control roadmap)に沿い、Googleはリスクの高いトレーニングや評価を始める前にサンドボックス環境を隔離・封鎖して堅牢化しています。こうしたエージェントセキュリティのベストプラクティスは、パートナーと共有し、エコシステム全体のセキュリティ向上に努める方針です。

Gemini 4 Argonは、コーディング、知識労働、サイバーセキュリティ防御、およびクリエイティブライティングにおいてフロンティア水準の能力を持つよう作られており、最も難しい問題に取り組む開発者、専門家、企業のパートナーとなることを目指しています。

Gemini 4 Argonは、まず有料API顧客とGoogle AI Ultra契約者から提供される予定です。それに先立ち、サイバー防御担当者と信頼できるテスター(trusted testers)の初期コホートによる実環境での評価とフィードバックが、システム強化に役立てられます。