AIの料金表で同じ単価が並んでいても、ひとつの仕事にかかる費用まで同じとは限りません。Googleが2026年11月10日に一般提供を発表したGemini 4 Carbonは、難しい課題で探索と検証を長く続けるモデルです。判断材料になるのは性能の順位だけでなく、推論で消費するトークン、待ち時間、作業を終えるまでの試行回数です。
イノベトピアの報道を起点に、Googleの発表と開発者向け仕様を確認しました。本稿は公開資料の解説であり、当サイトによるAPIの実測評価ではありません。
Argonと役割を分けるという選び方
Googleは、日常的なソフトウェア開発や知識労働の多くにはGemini 4 Argonが適すると説明しています。Carbonは複雑な不具合の原因調査、設計判断、長い資料群の統合、科学的な推論など、より深い検討が必要な課題を想定しています。一般提供の前には、Fairwind Programを通じてサイバー防御分野の利用者へ先行公開されていました。
Carbonが使う思考トークンは、Argonより多くなり得ます。途中で別の仮説を試し、結果を確かめる処理が増えれば、正答率の改善が期待できる一方、費用と応答時間も増えます。短い問い合わせまで一律に置き換えるより、通常の処理で解けなかった課題を引き受ける役割にする考え方が成り立ちます。
Google Antigravityでプレビューされる複数エージェントの機能でも、Carbonを計画や監査へ割り当て、速いモデルに並列作業を担当させる構成が紹介されています。ただし、エージェント数を増やすだけで品質が上がるわけではありません。同じ誤った前提を共有する可能性があるため、最終的にはテスト結果や原資料と照合する責任を残す必要があります。
導入価格と通常価格を分けて見積もる
11月30日までの導入価格は、100万トークン当たり入力2ドル、出力10ドルです。12月1日からは入力4ドル、出力20ドルと案内されています。キャッシュされた入力は、それぞれ0.10ドルと0.20ドルです。出力の料金には思考トークンが含まれ、無料ティアでは利用できません。料金表と契約条件は導入時にも確認が必要です。
文章として利用者に見える出力が少なくても、内部で多くの推論を行えば費用は増えます。ツールを使う場合の内部指示や関数定義も計算対象で、検索によるグラウンディングには別の問い合わせ課金が残ります。したがって、最終回答の文字数だけを基に月額を計算する方法は適しません。
実務で比較するなら、同じ課題を完了するまでに使った全トークン、外部ツールの呼び出し、失敗後の再実行、人による修正時間を記録します。単価が高くても手戻りが減る仕事と、追加の推論が成果につながらない仕事を分けて見られるからです。これは本稿の運用上の提案であり、Carbonによる削減効果を当サイトが確認したという意味ではありません。
長いコンテキストにも容量の配分がある
仕様上のコンテキストは1,048,576トークンで、入力、思考、出力が同じ枠を共有します。大量の資料を入力できることと、そのすべてを正確に理解できることは別です。また、入力で容量を使えば、思考や最終回答に使える余地が減ります。
思考の強さはlow、medium、highから選び、既定値はmediumです。難しい課題にhighを使う場合ほど、時間と費用の上限を設計する意味があります。公式文書は、既存アプリの出力上限が32Kより小さい場合に少なくとも32,768へ引き上げる検討を促しています。思考と回答の合計が上限に達すると途中で止まり得るためです。単に上限を増やすのではなく、途中終了を検知し、未完の結果を完成扱いしない仕組みも必要になります。
長い出力にはバックグラウンド実行を使う方法も用意されています。移行時には、待ち時間だけでなく、途中経過の保存や再開、重複実行の防止を確認することになります。特に外部システムへ書き込むエージェントでは、同じ要求の再送が同じ操作の二重実行につながらないかが重要です。
性能指標は条件と一緒に読む
モデルカードや発表では、コーディング、知識労働、科学、安全性に関する評価が示されています。Googleは複数の外部ベンチマークで高い順位や課題当たりの費用を報告していますが、評価に使われたツール、推論設定、課題の分布によって結果は変わります。自社の資料やシステムで同じ差が出る保証ではありません。
Googleによる375課題のエージェントの正直さに関する評価では、通過率92%とされます。欠けた実験データを作らないことや、手法上の問題を指摘することが評価されています。こうした観点は、単に答えが長いかを測るより業務に近いものです。それでも、残る失敗を無視できるわけではなく、根拠が不足する場合に保留できる設計が必要です。
サイバー防御の性能についても、公開された評価や事例はそれぞれの実験条件に基づきます。一般向けの利用と、認定された防御担当者向けの機能を混同しないことが必要です。本稿では攻撃手順や脆弱性の再現方法は扱わず、業務用モデルの選定に関係する評価の読み方に焦点を当てます。
安全性の改善を運用の免責にしない
Googleは適応型の攻撃試験で99%の攻撃経路を遮断し、試行単位の突破率がArgonの3.1%からCarbonの0.8%へ低下したと説明しています。別の外部試験でも改善を報告していますが、試験で成功が見つからなかったことは、あらゆる状況で安全である証明ではありません。発表自体も、間接的なプロンプト注入への対策には改善の余地があるとしています。
日本企業が文書処理やコード修正へ利用する場合も、入力文書の中に書かれた命令を利用者の指示として扱わないこと、外部送信や本番変更の権限を限定すること、成果物を再取得して検証することが重要です。高い推論能力を、広い操作権限を与える理由に直結させない設計が求められます。
運営会社の事業内容やAI活用に関する相談先は、RO合同会社の公式サイトで案内しています。
PR
ElevenLabs →
