高性能でも負けるArgon——Terminal-Bench 57.1%、Claude Sonnet 5.5は63.6%

2026年9月30日、Google が新しい最上位モデル Gemini 4 Argon を発表しました。Claude Code や Codex（どちらも、AI にコードを書かせたり直させたりする道具）を使っている人が迷うとしたら、「今の道具を使い続けるべきか、それとも Argon を待つべきか」の一点だと思います。

私の答えは、乗り換えなくていい、です。Argon はモデルの賢さだけなら Claude Opus 5.5 にかなり迫ります。それでも、使える人がまだごく一部に限られていますし、ターミナル作業に近い試験 Terminal-Bench では Claude の上位設定のほうが上です。Google の AI 開発環境 Antigravity にわざわざ移って Argon を選ぶ理由は、今のところ見当たりません。

数字は、AI モデルを同じ試験で採点して公開している Artificial Analysis から取りました。見るときは、同じ High 設定どうしと、各社の最上位設定どうしを分けます。ここを混ぜると、Argon が実際より強くも弱くも見えてしまうからです。普段のセッションでどのモデルを使うかは 2秒 vs 15秒：Codex・Claude Code・Grok、通常セッションの最適モデルを実測で選ぶ で実測しているので、そちらとあわせて読むと今回の話がつながりやすいと思います。

Google は Argon の用途として、実務のコーディング、法務・金融などの知的業務、サイバー防御を挙げています。ところが 2026年10月5日時点で使えるのは、Google の Fairwind Program に参加しているサイバー防御の提携先だけです。

次は有料 API の利用者、その次に Google AI Ultra の加入者へ順に広げる、と公式発表には書かれています。ただ、具体的な日付はどこにもありません。Antigravity、Gemini アプリ、Workspace での提供についても、公式発表には記載がありません。

私の Workspace アカウントで Antigravity CLI（agy）のモデル一覧を開いてみても、Argon は出てきません。設定を見直せば表示される、という種類の話ではなく、提供範囲そのものがまだそこまで来ていない、ということです。つまり Claude Code や Codex からの乗り換えを考える以前に、Argon を選べる人がほとんどいない状態です。

Artificial Analysis が 2026年10月5日に掲載していた知能指数（同サイトが複数の試験からまとめている総合点）では、Gemini 4 Argon High は 52.6 でした。同じ High の Claude Opus 5.5 は 53.6 で、差は 1.0 しかありません。GPT-6 Astra は 50.9、GPT-6.1 Sol は 50.2、Claude Sonnet 5.5 は 46.8 です。

同じくらいの料金帯の Sol 6.1 や Sonnet 5.5 より、はっきり上にいます。Artificial Analysis の全224モデル中でも8位で、「Google の宣伝で高く見えているだけ」と片付けられる数字ではありません。

出典: Artificial Analysis

表を眺めていて引っかかったのは、知能指数ではなく、その隣の列でした。Argon が評価のために書き出した出力トークン（AI が読み書きする文章の量を数える単位）は 110M です。Sol 6.1 High の 25M の約4.4倍、Sonnet 5.5 High の 50M や Opus 5.5 High の 53M と比べても約2倍あります。

単価が同じでも、仕事を終えるまでに書く量が多ければ、請求額はそのぶん増えます。Artificial Analysis は Argon の評価費用を公開していないので、私はここで金額を推定しません。ただ、知能指数の順位が高いからといって、実際に API で動かしたときの費用まで Argon が有利だとは言えません。

各社の一番深く考える設定（Max）を並べると、景色が変わります。Claude Opus 5.5 Max の知能指数は 57.6、Sonnet 5.5 Max は 56.0 です。一方、Argon は Artificial Analysis で High の1段しか計測されておらず、52.6 のままです。

Argon に High より上の設定があるかどうかは、公表されていません。なので Argon High と各社の Max を、同じ条件の勝負として扱うことはできません。それでも、いま確認できる設定どうしで比べるなら、Claude の Max が明確に上です。

出典: Artificial Analysis

Claude Code や Codex を使っている人がいちばん見るべきなのは、Terminal-Bench v4.0 の列です。AI が自分でターミナル（文字で命令を打つ画面）を操作して課題を片付ける試験なので、知識問題よりも、コーディングを任せる道具の仕事にずっと近い物差しです。

ここで Argon High は 57.1% でした。Sonnet 5.5 Max は 63.6%、Opus 5.5 Max は 59.6% で、Sol 6.1 Max は 56.1% です。Argon は Sol 6.1 Max と 1.0 ポイント差で並び、Claude の上位設定には届いていません。

逆に、難しい知識問題の HLE では Argon が 57.1%、科学計算のコードを書く SciCode では 61.8% で、Sonnet 5.5 Max の HLE 55.0%・SciCode 61.0% を上回っています。難問や科学計算なら、Argon を試してみる意味はあります。ただしそれは、ターミナル作業で Claude の代わりが務まるという意味ではありません。

Argon の発売記念価格は、100万トークンあたり入力2ドル、出力10ドルです。Claude Sonnet 5.5 や GPT-6.1 Sol と同じ料金で、キャッシュ済みの入力（一度送った内容の使い回し）は入力単価から95%引きになります。

記念期間の後は、入力4ドル、出力20ドルになる予定です。これは Claude Opus 5.5 と同じ価格です。記念期間がいつ終わるのかは、公式には書かれていません。

料金と賢さを並べると、いまの Argon は「Sonnet・Sol の値段で、賢さは Opus のすぐ下」に見えます。ここだけ切り取るとかなりお得そうですが、先ほどの出力トークンの話を思い出すと、単価だけで判断するのは危ういです。実際の開発では、1つの作業を終えるまでにどれだけ書き出すか、何回やり直すかまで含めて費用が決まります。Argon は知能指数の評価で 110M トークンを使っていて、Sol や Claude の一部の設定より多くの出力を消費しています。

もう一つの特徴は、1回で書き出せる量です。Argon の出力上限は、前の世代の 64K トークンから 1M トークンへ広がりました。コンテキスト長コンテキスト長（Context Length）AI が1回のやりとりでまとめて扱える文章の長さの上限。トークン数で表す。詳しく →（一度に読み込める量）も Artificial Analysis では 1M トークンとされています。読み込める量なら他社の上位モデルにも 1M 級がありますが、書き出せる量まで 1M トークンというのは、長い成果物を一気に出させたい場面で Argon の強みになります。

一方で、出力の速さと、最初の文字が出てくるまでの時間は、Artificial Analysis でまだ計測されていません。遅いと確認されたわけではありませんし、出力上限が長いことが、そのまま日々の応答速度応答速度（ms）ディスプレイの画素が、ある色から次の色へ切り替わるまでにかかる時間。詳しく →や費用の有利さにつながるわけでもありません。

2026年9月は、上位モデルの発表が短い期間に集中しました。GPT-6 Astra が9月3日、Grok 4.7 が9月21日、Claude Opus 5.5 が9月22日、Claude Sonnet 5.5 が9月28日、GPT-6.1 Sol が9月29日、そして Gemini 4 Argon が9月30日です。

Argon はこの流れの一番最後で、しかも発表の時点では Fairwind Program の参加者しか使えませんでした。ここまでは確認できた事実です。そこから先、市場でどう受け止められるかは、また別の話として分けて考えたいところです。

なお Google 公式は、Vals 社の評価指標（Vals Index）で Argon が首位だと主張しています。Artificial Analysis とは評価の方法も物差しも違います。どちらか一方だけを正解にするより、自分の用途に近い試験を見たほうが、判断を誤りにくいと思います。

改めて、私の判断です。Claude Code や Codex を使っている人が、Argon のために Antigravity へ乗り換える必要はありません。コーディング作業に近い Terminal-Bench では Claude の上位設定が上で、Argon は Sol 6.1 Max とほぼ互角だからです。しかも 2026年10月5日時点では、一般の Workspace 利用者が Argon を選べる状態ですらありません。

モデルの性能を否定したいわけではありません。同じ High では Opus 5.5 に 1.0 ポイント差まで迫り、HLE と SciCode では Sonnet 5.5 Max を上回っています。1M トークンの出力上限も、長い成果物を一度に書き出させる用途なら立派な判断材料です。

だからこそ、Google AI Ultra の加入者や、Gemini API を中心に開発している人が、提供開始後に Argon を比較の候補へ加えるのは理にかなっていると思います。今の Google の環境から動かずに使えるなら、Claude や Sol とは違う強みを確かめられます。

迷うとしたら、自分の仕事がどちら寄りか、という点だと思います。Claude Code・Codex から移るか考えるなら、まず手元の作業を、Terminal-Bench に近いものと、HLE や SciCode に近いものに分けてみてください。

• ターミナルでリポジトリ（コード一式）を編集し、テストを直し、複数のファイルを触らせる仕事が中心なら、今の数字は移行を後押ししていません。
• 難しい調査や科学計算、長い成果物の一括出力が中心なら、提供が始まった後の検証候補になります。

性能は高い。ただ、出すのが遅かった。Opus 5.5、Sonnet 5.5、Sol 6.1 が9月後半の10日間で出揃った直後に、Argon は一般には使えない形で登場しました。Google の環境にいる人は、提供が始まったら試す価値があります。でも、今の開発環境を捨ててまで待つモデルではありません。

同じ時期の比較はClaude Sonnet 5.5とGPT-6.1 Solの比較に、思考の深さを変えたときの差はGPT-6.1 Solのeffort比較とClaude Sonnet 5.5のeffort比較にまとめています。

• Gemini 4 Argon: our next era of frontier intelligence（Google 公式ブログ）
• Gemini 4 Argon（Artificial Analysis のモデルページ）
• Google releases Gemini 4 Argon（TechCrunch）
• 数値の出典: Artificial Analysis（2026年10月5日取得）

HW系エンジニアとして20年以上、10,000件を超える顧客訪問と2,000件を超える単独ソリューション実績。AIツールを使った個人開発やIoT農園など、Raspberry Piを使ったオートメーション化なども実践中です！エンジニア専門結婚相談所も運営中、ClaudeCodeで解決できない心の課題も解決いたします！