
Gemini 4 Argonの概要 - 性能・Blender・ロボット制御・料金
「Gemini 4 Argon」の概要をまとめました。
1. Gemini 4 Argonとは
「Gemini 4 Argon」は、Google DeepMindが開発したGemini 4シリーズのフラッグシップ推論モデルです。2026年10月1日に発表され、当初はサイバーセキュリティ関係者に限定提供されていました。10月13日からは、一般ユーザーや開発者、企業向けにも提供が始まりました。
高度な推論に加えて、Blenderによる3D制作や、ロボットのシミュレーション・制御など、外部ツールを使った複雑な作業を実行できるAIエージェント能力が特徴です。
主な特徴は次のとおりです。
・高度な推論:数学、科学、プログラミングなどの複雑な問題に対応
・AIエージェント:ツールを操作し、複数の手順を必要とする作業を実行
・コーディング:大規模なコードの解析、修正、最適化
・3D制作:Blenderを使った3Dモデルやアニメーションの制作
・ロボット開発:物理シミュレーション、動作計画、実機制御への活用
・ロングコンテキスト:最大100万トークンに対応
Today, Gemini 4 Argon is officially rolling out. pic.twitter.com/p5ke6yG79H
— Google (@Google) October 13, 2026
1-1. モデルの仕様
主な仕様は次のとおりです。
・モデルID:gemini-4-argon
・コンテキスト長:1,048,576トークン(入力・出力で共有)
・最大出力:65,536トークン(通常)
・長文出力:最大1,048,576トークン(Long Decode)
・入力:テキスト・画像・音声・動画・PDF
・出力:テキスト
・推論レベル:low / medium / high
・Function Calling:対応
・Computer Use:対応(プレビュー)
・Web検索連携:対応
最大100万トークンは、入力・推論・出力で共有する上限です。通常の同期実行では最大65,536トークンを出力できますが、Long Decodeとバックグラウンド実行を組み合わせることで、最大100万トークンの生成にも対応します。
1-2. 推論レベル
推論の深さは3段階で調整できます。
・low:簡単な質問や速度を優先する処理
・medium:一般的なコーディングやAIエージェント(デフォルト)
・high:難しい数学、科学、高度なコード解析
高い推論レベルほど複雑な問題への対応が期待できますが、処理時間やトークン消費量が増える可能性があります。
2. Gemini 4 Argonの性能
Gemini 4 Argonは、コーディング、専門業務、科学研究などのベンチマークで高い性能を示しています。
代表的な結果は次のとおりです。

Googleによると、金融、法務、税務、コーディングなどの専門業務を評価する「Vals Index」で総合1位を獲得しています。
また、ロボットの物理・空間理解を評価する「ERQA」でも87%を記録しています。
一方、FrontierSWE v2やTerminal-bench 4.0では、GPT-6 AstraやClaude Opus 5.5などが上回っています。すべての分野で最高性能というわけではありません。
3. Blender・3D制作への活用
Gemini 4 Argonは、Blender MCPなどのツールを通じて、3Dモデルやアニメーションを自動制作できます。
Googleは、コーディングエージェント「Antigravity」とBlender MCPを組み合わせた複数のデモを公開しています。
Gemini 4 Argon is now globally available.
— Google DeepMind (@GoogleDeepMind) October 13, 2026
Built to solve your hardest problems from start to finish, the model brings frontier capabilities across coding, enterprise workflows, and cyber defense. pic.twitter.com/N8tOQjwk0x
3-1. Blender MCPによる自動制作
「Blender MCP」は、AIエージェントからBlenderを操作するための仕組みです。
Googleが公開した主な事例は次のとおりです。
(1) 寺院の3Dモデル制作
複数の建物からなる寺院をBlenderで自律的にモデリングするデモです。建築物、植物、照明などを配置し、複数のAIエージェントが見た目を確認・修正しながら、写実的なシーンを制作しています。
(2) 写真から3Dレースゲームを制作
実際の机の写真をもとに、ミニチュアのレースゲームを制作しています。
・Blender MCP:机や物体、レースコースの3Dモデルを生成
・Nano Banana:テクスチャを作成
・Three.js:ブラウザ上の3Dゲームを構築
・Gemini Omni Flash:エンジン音などを生成
3Dモデルだけでなく、当たり判定、物理演算、シェーダーまで実装しています。
(3) キャラクターのモデリングとアニメーション
Pythonスクリプトを生成し、キャラクターのモデリング、リギング、アニメーション、PBRテクスチャのベイク処理を実行するデモです。
さらにThree.jsへ組み込み、物理演算やAI対戦相手を備えた3Dゲームを制作しています。
(4) 1枚の画像から3Dシーンを制作
Nano Bananaで生成したゴシック建築の画像から、Blender MCPを使って3Dシーンを構築しています。カメラ位置や照明を調整し、音楽に反応するライティングまで実装しています。
3-2. 3D制作への応用
これらの事例から、次のような活用が考えられます。
・3Dモデリング:テキストや画像からBlenderのモデルを生成
・アニメーション:リギングやモーションをPythonで自動生成
・ゲーム開発:3DアセットからThree.jsなどのゲームを制作
・3Dプリント:写真やスケッチから寸法を考慮したモデルを生成
・シーン再構築:写真や動画から3D空間を再現
なお、Gemini 4 Argon自体が3Dメッシュを直接出力するわけではなく、Blender MCPやPythonなどのツールを操作して制作します。
4. ロボット開発への活用
Googleは「Gemini 4 Argon for Robotics」と題した技術記事を公開し、ロボットの制御、物理シミュレーション、学習データ生成などの事例を紹介しています。
4-1. ロボットへの活用方法
主な用途は次の4つです。
・Robot Control:ロボットの動作計画と実機制御
・Real2Sim:実世界の画像・動画から物理シミュレーションを構築
・Physical Understanding:ロボットの動作や失敗原因を分析
・Research & Self-improvement:学習データの生成と動作改善
ロボットのカメラ映像や動作ログを理解し、MuJoCoなどの物理シミュレーターを操作することで、動作計画から実機での検証までを支援できます。
4-2. ロボットの実証事例
(1) Spotによるゴミ捨て
Boston Dynamicsの四足歩行ロボット「Spot」が、空き缶を拾って足踏み式のゴミ箱へ捨てるデモです。
Argonは、カメラ映像から物体の位置を確認し、MuJoCoでゴミ箱のシミュレーションを生成。ペダルを踏む動作を検証してから、実機のSpotでゴミ箱を開き、空き缶を投入しています。
(2) Apollo 2の投球シミュレーション
ヒューマノイドロボット「Apollo 2」がボールを投げ、積み重ねられた6個の箱を倒すシミュレーションです。
Argonは、手描きのスケッチからロボットや物体の配置を理解し、MuJoCo Warpのシミュレーション環境と全身の投球動作を生成しました。
物理シミュレーションで6個すべての箱を倒すことを検証し、Blender Cyclesによる映像も制作しています。
(3) 人間の動画からロボットの動作を再現
人間の一人称視点の動画から、双腕ヒューマノイドの動作を生成するデモです。
Argonは動画内の物体や手の位置を解析し、MuJoCo上で76自由度のヒューマノイドの動作を再現しています。
実世界の動作をシミュレーションへ移す「Real2Sim」の活用例です。
(4) SO-101の動作改善
小型ロボットアーム「SO-101」で、LEGOブロックを箱に入れる作業を実行しています。
Argonが実行結果を分析して動作を改善したところ、作業時間は次のように短縮されました。
・1回目:58.9秒
・2回目:22.9秒
・3回目:17.4秒
3回目には、初回より約3.4倍速く作業を完了しています。
4-3. VLAモデルの学習データ生成
Gemini 4 Argonは、ロボット用のVLA(Vision-Language-Action)モデルの学習データ生成にも利用できます。
Googleの事例では、双腕ロボットの作業台の写真からMuJoCoのシミュレーション環境を生成し、4,500以上の動作エピソードを自動生成しています。
このデータを使った追加学習で、実機ロボットの性能が改善しました。
・成功率:56% → 75%
・作業時間:35秒 → 24秒
Argonを直接ロボットの制御に使うだけでなく、VLAモデルの学習や評価を支援する用途にも活用できます。
これらはGoogleが公開した個別の実証結果であり、ほかのロボットでも同じ性能が得られるとは限りません。
5. 利用方法と料金
Gemini 4 Argonは、2026年10月13日から一般ユーザー、開発者、企業向けに提供されています。
5-1. いつからどこで使える?
2026年10月14日時点の主な利用方法は次のとおりです。
・Geminiアプリ:Google AI Pro / Ultra
・Google検索のAI Mode:Google AI Pro / Ultra
・Google AI Studio:Google AI Ultra、または有料API利用
・Gemini API:有料API
・Google Antigravity:Google AI Ultra
・Google Cloud:対象のGoogle Cloud環境
・Android Studio:Google AI Ultra向けの対応環境
Googleはグローバル提供を発表しており、日本でも対象サービスから利用できます。ただし、プランやアカウント、段階的な展開状況によって利用できる機能が異なる場合があります。
GeminiアプリではGoogle AI Proから利用できますが、AntigravityでArgonを選択するにはGoogle AI Ultraが必要です。
また、Gemini APIには無料枠がなく、Google AI Proの契約だけでAPIのArgonを利用することはできません。
5-2. API料金
Gemini 4 Argonは、2026年11月30日まで導入価格で提供されています。
・2026年11月30日まで(導入価格)
・入力:$2 / 100万トークン
・出力(推論を含む):$10 / 100万トークン
・キャッシュ済み入力:$0.10 / 100万トークン
・2026年12月1日以降(通常価格)
・入力:$4 / 100万トークン
・出力(推論を含む):$20 / 100万トークン
・キャッシュ済み入力:$0.20 / 100万トークン
キャッシュがヒットした入力トークンには95%の割引が適用されます。
なお、キャッシュは自動的に再利用するImplicit Cachingに対応していますが、明示的なキャッシュ作成には対応していません。
また、出力料金には内部の推論トークンも含まれるため、複雑なAIエージェント処理ではトークン消費量に注意が必要です。