メインコンテンツへスキップ
見出し画像

Gemini 4 Argon登場!最強か?3.8思考モード・3.6 Flashと対決したら

    Gemini 4 Argon(以下、Argon)は、本当に最強なのか。20の課題を同じ文面で3つのモデルに送ったら、差がついたのは半分くらいでした。残りの半分は、どのモデルでも同じ点数です。

    Geminiアプリのモデル選択にArgonが出ていたので、いま選べる「3.8 思考モード」「3.6 Flash」と並べて、バグ修正、文章、画面づくり、動画、画像まで順に比べてみました。

    先に断っておくと、Argonがモデル選択に出たのは、私がGoogle WorkspaceのAIプランを上げたあとです。無料や下のプランで同じように選べるかは、確かめていません。

    こんにちは、kimuraです。Argonは「全部いちばん」なのか、それとも「ある種類の仕事だけ強い」のか。そこを知りたくて、結果を全部記録しました。

    同じ指示を、新しいチャットで1回ずつ送りました

    やり方は単純です。新しいチャットを開き、同じ文面を3つのモデルに1回ずつ送ります。出てきたものは、目で見る、動かす、数える、のどれかで採点しました。送信から採点までは、ブラウザ操作ができるClaudeで進めました。画像は目で見て判定しています。

    課題は20個で、中身はこんな具合です。

    • GASのバグ修正、長いコード生成、Node.js(外部のプログラム)の実行

    • noteの冒頭文、曖昧な依頼への返し方、議事録からの抜き出し

    • Canvasでの画面づくり、モーション動画、LP、申し込みフォーム

    • 画像の読み取りと画像の生成

    最初の7ジャンルの結果は、この1枚です。

    画像

    差がついたのは「正解が1つではない仕事」でした

    Argonが頭ひとつ抜けたのは、正解が1つに決まらない仕事です。

    noteの冒頭を書かせた課題では、Argonだけが「振込期限を前年の日付で書いてしまった」という具体的な失敗談を出してきました。3.8 思考モードは素直ですが山場が一般論で、3.6 Flashは、最初の2段落で同じことを繰り返していました。

    Canvasで「月の稼働時間と請求額が見えるダッシュボード」を作らせた課題でも、違いが出ました。Argonは1画面にまとめ、深緑と土色で統一して、源泉徴収やインボイス、消費税まで画面に入れてきます。3.8 思考モードと3.6 Flashは縦に長いSaaS風で、ここは同じ形でした。モーション動画も、Argonは8場面で立体やトンネルの動きが入り、あとの2つは6場面で平面寄りでした。

    画像
    先に断っておくと、Argonがモデル選択に出たのは、私がGoogle WorkspaceのAIプランを上げたあとです。無料や下のプランで同じように選べるかは、確かめていません。
    画像
    画像

    同じ依頼で出てきたダッシュボード。上からArgon、3.8 思考モード、3.6 Flash

    ここまでは、どのモデルの出力か分かった状態で見ています。そこで1つだけ、モデル名を伏せて採点し直しました。noteの冒頭文の課題を取り直し、順番をシャッフルしてA・B・Cにして、別々のClaude(AI)2つに採点してもらいます。結果は、2人とも同じ順位です。取り直した課題でも、決め手は「誤送信」という具体的な失敗談を入れたかどうかでした。

    画像

    差が出なかった課題も、同じくらいありました

    正解が決まっている課題は、ほとんど同じ点数になりました。

    • GASのバグ修正は3つとも正解(3.6 Flashだけ、未定義のURLにも触れていました)

    • Node.jsのコード、レシート画像の読み取り、割り勘アプリは、どれも合格

    • 議事録の抜き出しは、3つとも同点でした。改修費の承認者を、3つとも落としています

    逆に、少しだけ差がついたのは、長文の要約と長いコード生成です。9項目の要約を3回ずつ頼むと、Argonは3回とも同じ構成で、抜けがありませんでした。長いコード生成では、3.6 Flashだけが存在しない2026年2月30日を弾いていません。ただ、これも「3.6 Flashだけが少し甘い」という差で、Argonが3.8 思考モードを引き離したわけではありませんでした。

    画像

    意外だったのは、新しいモデルほど優秀とは限らない点です

    いちばん意外だったのは、調査課題の正確さです。自分で実測した結果と突き合わせたところ、間違いを書いたのは3.8 思考モードだけでした。「カスタムステップにはGoogle Cloud側の設定が要る」という記述が、実測と食い違っていました。Argonにも3.6 Flashにも間違いはありません。3.6 Flashは、浅いぶん間違えませんでした。

    処理の速さも、モデルの数字順にはなりませんでした。短いGASの修正は3.6 Flashが約10秒、Argonが約35秒、3.8 思考モードが1分超でした。長いコードの生成はArgonが30秒以内で、3.8 思考モードは4〜5分かかりました。Canvasの画面づくりは3.6 Flashが約2分で最速、Argonは約4.5分です。

    もう1つ。Argonは頼んでいない要素を足す癖がありました。申し込みフォームには架空の「残席」を足し、LPの価格を大きくしてと頼んだら「初回限定35%OFF」と取り消し線の通常価格まで付けてきました。残席は3.8 思考モードも足しています。事実でない情報なので、そのまま使うのは危ないです。

    画像の生成では、Canvasの中でNano Banana(Geminiの画像生成)を呼んでLPに画像を埋め込む作りを、Argonだけでなく3.8 思考モードと3.6 Flashも作れました。窓辺の写真、日本語の看板「月影焙煎所」も、3つとも1回で出ています。一方で「黄色いバナナを2本」という個数の指定は、1本、約3本、3本で、3つとも外しました。

    画像
    画像

    Argonが作ったLP。ヒーロー画像と豆の写真は、ページを開くとNano Bananaがその場で生成します

    画像
    同じ依頼で出てきた画像。左が窓辺の写真、右が「月影焙煎所」の看板(上からArgon、3.8 思考モード、3.6 Flash)

    使い分けと、この結果の限界

    自分の使い方に落とすと、こうなりました。

    • 文章、画面、動画のように正解が1つでない仕事は、Argon

    • バグ修正や、決まった形のコード生成は、どれでもほぼ同じ。速さで選んでいい

    • 調べものは、どのモデルの答えも自分の実測と照らし合わせる

    • Argonが足してきた数字や特典は、事実かどうか必ず見る

    ただ、この結果は読み方に注意が要ります。

    • 各課題は1回ずつしか試していません。統計ではなく観察の記録です

    • 採点はすべてClaudeです。目隠し採点も同じ系統のAI 2つなので、Claudeが好む文章が高く評価された可能性があります

    • 目隠しの3本は長さが違い(Argonがいちばん長い)、口調もだ調とです・ます調が混ざっています。長さと口調の影響は切り分けていません

    • 画像は目視での判定です

    課題ごとの出力と採点は、全部ファイルに残してあります。

    kimuraのGAS部について

    普段、自分が作った作品や試作品を、メンバーシップ「kimuraのGAS部」でリアルタイム共有しています。

    開発の裏話、AI×自動化の実験、配布物の派生や更新情報など、雑多に出しています。GASや自動化、AI開発で遊びたい人向けです。

    気になる人は、ぜひ覗いてみてください。

    あなたへのおすすめ