Gemini 4 Carbon vs Argon：コーディングと推論の選び方

Google の2026 年 11 月 10 日の発表は、Gemini 4 Argon を多くのコーディングと知識作業の推奨モデルとして残し、Carbon は複雑な多段階デバッグと自由形式の研究に向けています。Standard の料金は両方同じです。100 万入力 token あたり $2、100 万出力 token あたり $10 で、11 月 30 日まで。12 月 1 日からは $4 と $20 になります。

• 位置づけ: 多くのソフトウェアエンジニアリングでは Argon が既定。最も難しい多段階作業を Carbon が担います。
• 料金: Standard の単価は同じで、どちらも思考は medium で始まります。
• 請求: 思考 token は出力として課金されるため、推論が増えると 1 回のリクエスト費用が上がります。再試行、キャッシュ利用、入力の長さもタスクの請求額を動かします。
• 利用方法: どちらも有料の Gemini API で、無料枠はありません。

Gemini 4 Carbon と Argon の早見表

プロジェクトを止めうる行から見てください。次に、切り替えたときに引き継ぐ既定値を見ます。

位置づけの行は Google の2026 年 11 月 10 日の発表によります。ウィンドウと思考の既定値はモデルページと思考のドキュメントからで、どちらも 2026 年 11 月 11 日に確認しました。有料のみの利用は発表に書かれており、料金ページでも両モデルが無料枠で利用不可とされています。

Google はどのコーディング作業をどちらに向けているか

Google の発表は Carbon を最も強いモデルと呼び、担う作業を挙げています。複雑な多段階のコーディングとデバッグ、長時間動くエージェント作業、サイバーセキュリティ、自由形式の科学研究です。同じ投稿で、Argon は大多数のソフトウェアエンジニアリングと知識作業に理想的な選択だと述べています。ベンダーの既定値として読むなら、まず Argon で始め、計画や検証で失敗を繰り返すタスクを Carbon に移します。

モデルページは Argon を効率的な Gemini 4 のフロンティア推論モデルと説明しています。複雑なコーディング、エージェント、数学、科学の作業で、Carbon より応答が速く、1 ターンあたりの token 消費も少ないという説明です。1 ターンあたりの消費が少ないことと単価が低いことは別です。token 単価は同じなので、差は token 数に出ます。Google は Argon の方が 1 ターンあたりの token が少ないと述べており、タスク全体の量は計画、検証、再試行にどれだけかかるかで決まります。

私たちの前回の Argon コーディングテストは別の比較で、相手は Claude Opus 5.5 です。Carbon は参加していません。あの結果が示すのはそのタスク群での Argon の動きで、同じ作業を Carbon がどう扱うかは分かりません。

Carbon で試す価値があるのは次の 3 つです。

1. 失敗しているテストが 4 つのファイルにまたがり、修正にモジュールをまたぐ呼び出しの追跡が要る場合。
2. 依存関係の更新で API が複数箇所変わり、モデルが編集を計画し、適用し、テストスイートを再実行する必要がある場合。
3. 研究の問いに計画、最初の実験、結果の確認、修正した 2 回目の試行が要る場合。

どれも自前の評価の候補です。切り替えるなら、これらのタスクで効果を示す必要があります。Google は Carbon を自由形式の研究にも向けており、物理、数学、生命科学、形式検証の例を挙げています。例は Google 自身が選んだものです。

10 月 28 日の独立研究は何を測ったか

Artificial Analysis は 2026 年 10 月 28 日に報告書を公開しました。2 つのモデルを high 推論設定で Intelligence Index v5 上で比較しています。この指数は 9 つの評価を合成したものです。

報告書では Carbon が指数で Argon を 9 点上回り、Argon は 50 です。AA-Briefcase では 126 Elo 上です。AA-Omniscience v1.1 では 2 つの指標が分かれます。Carbon の正確さは 10 点高く、幻覚率は 4% から 11% に上がります。報告書は 9 つの評価をArtificial Analysis の方法論で定義しています。総合スコアが高く、ある評価で幻覚率が高いことは同じモデルに同居しえます。だからこそ、切り替えは自分のタスクで試す必要があります。報告書は 2026 年 10 月 28 日に公開され、両モデルを high 推論、Index v5 で比較したものです。あなたのリポジトリ向けの順位ではありません。

単価が同じでも請求額が変わる理由

2 つの ID は同じ Standard の料金表を共有します。比べるべきは、タスクが実際に使う入力、キャッシュ入力、出力の token に、再試行やその他の費用を足したものです。token の総数だけでは請求額は決まりません。Google の料金ページは 100 万 token あたりの数字を次のように載せています（2026 年 11 月 11 日確認）。

計算用の例を挙げます。入力 100,000 token、表示される出力 5,000 token、思考 15,000 token です。思考は出力として数えるので、出力は合計 20,000 token になります。11 月 30 日までなら、入力は 100,000 ÷ 1,000,000 × $2.00 = $0.20、出力は 20,000 ÷ 1,000,000 × $10.00 = $0.20 で、合計 $0.40 です。12 月 1 日から同じリクエストは $0.80 になります。token 数は計算のために置いた仮定で、合計は Google の定価だけを使っています。キャッシュヒット、グラウンディングとツールの費用、再試行、バッチ割引は含みません。

合計を動かすのは思考のレベル、プロンプトの長さ、試行回数です。思考 token を多く出すタスクは、同じ単価でも請求額が変わります。1 回で終わっても同じです。キャッシュは両方の ID で同じ動きです。単価が同じで、使えるのは暗黙的キャッシュだけです。

切り替え時に設定を変える必要はあるか

どちらの ID も思考の既定値は medium で、low、medium、high を選べます（思考のドキュメント、2026 年 11 月 11 日確認）。両方とも同じ Gemini 4 モデル表に gemini-4-argon と gemini-4-carbon として載っています。次のフィールド名は Google の Interactions API のドキュメントによるものです。呼び出す SDK で確認してください。ツールと機能の動作は SDK によって違うことがあります。切り替え前に確認したい点は 4 つです。

1. 推論の強度を調整する。thinking_level は推論の強度を設定し、max_output_tokens は思考を含む生成 token の上限です。上限が小さすぎると、応答は incomplete 状態で終わり、すでに生成した思考は課金されます。
2. ウィンドウは 1 つ。入力、思考、出力は同じ 1,048,576 token を使います。プロンプトと max_output_tokens の合計がこのウィンドウを超えると、API は残りの空間に収まるように出力を切り詰めます。
3. 長い出力には設定が必要。前面のストリーミング呼び出しは既定で 65,536 出力 token です。非ストリーミングの前面呼び出しは 32,768 が上限です。65,536 を超えて最大 1,048,576 まで出すには、max_output_tokens を上げ、background=True かクライアント側の継続を使います。モデルページは両方の ID に 65K / 1M と表示しており、この省略表記はこの構成を指します。
4. 次のターンにも思考を渡す。状態を持たないマルチターンの作業では、以前の思考ブロックをそのまま再送します。セッションの途中でモデルを変えるときも同じです。Interactions API は思考ステップを公開し、total_thought_tokens を返します。generateContent の経路には別個の思考ブロックがありません。明示的キャッシュはどちらのモデルでも使えないため、保存済みキャッシュを前提にしたワークフローは別の方法が必要です。

2 つのモデルを同じタスクで走らせたことはないので、このリストは最初の小さなリクエスト用のチェックリストとして使ってください。

自分のコードでどう比較するか

チームがすでに解いたタスクを選び、両方のモデルを同じスナップショットで走らせます。次の条件は固定します。

• 同じバグまたはチケット、同じリポジトリのスナップショットとブランチ。
• 同じツール、同じ指示、同じ推論レベル。medium は両方の既定値です。
• 同じ合格条件。隠れたテストが通り、レビュー担当者が差分を承認すること。
• 同じ記録項目。最初の有用な回答までの実時間、タスク完了までの時間、API が返す token 数、再試行回数、人がレビューに使った分。

最初の回答までの時間と全体の完了時間は別の問いに答えます。ターミナルの前で待つレビュー担当者は前者を体感し、バッチ処理は後者の費用を払います。両方を記録し、各実行を Google の定価で計算して、承認された変更の数で割ります。

代表的なタスクをいくつか選んで繰り返します。1 組の実行ではばらつきが出るので、繰り返しの結果は固定の差ではなく方向として読みます。判断はチームが追う数字で行います。1 時間あたりの承認済み差分と、承認済み差分 1 件あたりのドル費用です。早く答えるが 2 回目の試行が要るモデルは、どちらでも負けることがあります。

OmniaKey で Gemini 4 Carbon は使えるか

OmniaKey が現在扱っているのは Gemini 4 Argon で、2026 年 11 月 11 日時点のカタログに Carbon の項目はありません。Carbon は Google の有料 Gemini API から利用でき、Carbon の公開日、料金、API の詳細 にそのアカウントに必要なものがまとまっています。Anthropic のモデルを比較対象にするなら、Carbon と Fable 5.2 の比較 が料金と利用方法を並べています。

切り替えを計画する前に OmniaKey のモデル一覧を確認してください。それまでは本番作業を Argon に置いてください。

よくある質問

コーディングでは Gemini 4 Carbon が Argon より優れていますか？

Google は多くのソフトウェアエンジニアリング作業に Argon を、複雑な多段階デバッグに Carbon を勧めています。10 月 28 日の Artificial Analysis の報告書では Carbon が総合スコアで上回る一方、1 つのテストで幻覚率が高い記録です。適した選択は目の前のタスクで変わります。

Carbon は Argon より token 単価が高いですか？

単価は同じです。11 月 30 日までは 100 万入力 token あたり $2、100 万出力 token あたり $10 で、12 月 1 日から $4 と $20 です。タスクあたりの費用は変わりえます。思考 token は出力として課金され、Carbon の方が多く使うと説明されているためです。

モデル ID を変えるだけで切り替えられますか？

Google が公開しているページでは、両方の ID が同じ思考の既定値、推論レベル、コンテキストウィンドウを共有しています。本番タスクを移す前に、使う SDK で思考の扱い、キャッシュ、出力設定を確認してください。

Carbon の長いジョブにはどの出力上限が適用されますか？

前面のストリーミング呼び出しは既定で 65,536 出力 token です。それより長く、最大 1,048,576 まで出すには、max_output_tokens を上げ、background=True かクライアント側の継続を使います。

OmniaKey で Carbon は使えますか？

OmniaKey のカタログには Gemini 4 Argon があり、2026 年 11 月 11 日時点で Carbon の項目はありません。Carbon は Google の有料 Gemini API から利用できます。

確認した出典

• Google: Gemini 4 Carbon が利用可能に（2026 年 11 月 10 日）
• Google: Gemini API モデル（2026 年 11 月 11 日確認）
• Google: Gemini API 料金（2026 年 11 月 11 日確認）
• Google: Gemini の思考（2026 年 11 月 11 日確認）
• Artificial Analysis: Gemini 4 Carbon の Intelligence Index v5 結果（2026 年 10 月 28 日）
• Artificial Analysis: インテリジェンス評価の方法論