Gemini 4 Carbon は本当に最強? 総合1位だが差は1点、しかも今はどのサブスクでも使えない
10月28日に発表されたGemini 4 Carbonを、第三者の指数・得意と苦手・API価格と1問あたりの費用・提供状況で整理しました。AA指数v5.0で59点の1位ですがOpus 5.5とは1点差。今使えるのは一部のサイバー防御担当者だけで、Google AI Pro・Ultraでも未提供です。
こんにちは。日が落ちるのがすっかり早くなりましたね。
10月28日、Google が新しいモデル Gemini 4 Carbon を発表しました。10月13日に一般公開されたばかりの Gemini 4 Argon の上に立つモデルで、Google は「最も強いモデル」と呼んでいます。見出しには「世界1位」の文字が並んでいますが、先に結論を書くと、1位なのは本当で、差はごくわずかです。そして今のところ、一般の人はどのサブスクサブスク(AI の定額プラン)月額料金で、決められた上限まで AI を使える契約。詳しく →でも使えません。
第三者の評価機関 Artificial AnalysisArtificial Analysis主要な AI モデルを同じ問題で採点し、賢さ・速さ・値段を比べて公開しているサイト。詳しく →(以下 AA)の総合指数では 59 点で1位、2位の Claude Opus 5.5 は 58 点です。サイバーセキュリティと何時間・何日も続く長い作業では頭一つ抜けていますが、ソフト開発やパソコン操作の一部では Opus や GPT-6 Astra に負けています。APIAPIプログラムから別のサービスの機能を呼び出すための窓口。AI モデルでは、アプリを通さずに自分のプログラムから直接使う入り口を指す。詳しく → の単価は Opus 5.5 と同じで、1問を解くのにかかった費用は Opus より約23%安い。この記事では「最強か」「何に強いか」「いくらか」「いつ使えるか」の4つを順に見ていきます。
総合指数は 59 点で1位。ただし2位とは1点差
AA の総合指数(Intelligence IndexIntelligence IndexArtificial Analysis が複数のテストの結果をまとめて出す、AI モデルの総合点。詳しく →)は、エージェント作業・コーディング・科学的な推論・一般知識など 9 種類の評価をまとめた点数です。今は v5.0 という版で、以前の版の点数とは比べられません。v5.0 での上位はこうなっています。
| モデル | 総合指数 v5.0 |
|---|---|
| Gemini 4 Carbon (High) | 59 |
| Claude Opus 5.5 (Max) | 58 |
| GPT-6 Astra (Max) | 57 |
| Gemini 4 Argon (High) | 50 |
出典: Artificial Analysis(https://artificialanalysis.ai/)
Carbon は 52 モデル中の1位です。前のモデルの Argon からは 9 点伸びています。一方で、上位3つは 59・58・57 と1点刻みで並んでいます。Google の比較の図には誤差の幅が載っていないので、この1点が「はっきり上」なのか「ほぼ同じ」なのかは、この数字だけでは決められません。
なので「最強か」への答えは、総合点では最強。ただし Opus 5.5 や Astra と横並びに近い最強です。どれが一番かより、何が得意かで選んだ方がよい段階に入っていると感じます。
強いのはサイバーセキュリティと「長く続く作業」
Google が一番押しているのはサイバーセキュリティです。発表された数字を Argon と並べると、伸び方がよく分かります。
| テスト(何を測るか) | Argon | Carbon |
|---|---|---|
| SEC-bench Pro(脆弱性を見つける) | 83.4% | 88.2% |
| ExploitGym(脆弱性を突く) | 42.0% | 54.8% |
| CWE-bench(原因から直す) | 68.0% | 71.0% |
SEC-bench Pro と ExploitGym では、Google は業界最高の成績だとしています。ほかにも、安全なコードを書く成功率が Argon の2倍を超えた(Google 内部のテスト)、Chrome のチームが「他社の大型モデルより質の高い修正が10倍超」と報告した、という話も出ています。
ただ、これらは Google 自身の発表値です。しかも外部のセキュリティ評価は、ガードレール(危ない使い方を止める安全装置)を外した状態で測っています。私たちが実際に使う時の点は、ここから変わりうると考えておいた方がよいです。
もう一つの売りが、長時間の作業です。Google 社内では、大きなプログラムの調査と修正のような何段階もある仕事を何日も走らせ、行き止まりに当たっても立て直す様子が見られたそうです。数字でも、エージェント型の試験 Agents' Last Exam は 69.0% から 77.4% へ、ターミナル(文字だけで PC を操作する画面)での作業を測る Terminal-Bench 4.0 は 57.1% から 65.2% へ上がっています。Argon の 57.1% を Claude や Sol と並べた比較は、高性能でも負けるArgon——Terminal-Bench 57.1%、Claude Sonnet 5.5は63.6% にまとめています。
長い文章の中から関係をたどる GraphWalks では Carbon 96.2%・Astra 71.8%・Opus 66.8% と大差がつきました。自動販売機の経営を AI に任せて最後に残った資金を競う Vending-Bench 2 でも、Carbon は $16,484 で Astra の $15,515 を上回り、運営する Andon Labs は「Google が約1年ぶりに1位へ戻った」としています。
負けているところもある。でっち上げの率は上がった
全部で勝っているわけではありません。Google 自身の比較表でも、17 行のうち 15 行で Carbon が最高、OpenAI と Anthropic がそれぞれ1行ずつ勝っています。VentureBeat がまとめた数字では、こんな負け方があります。
- ソフト開発の試験 FrontierSWE 2 は Astra 65.5%・Opus 62.3%・Carbon 61.2% で、3つの中では一番下
- パソコンの画面を操作する OSWorld-2.1 は Opus 87.2%・Carbon 81.5%
- AA の Coding Agent Index(AI と道具をセットで測るコーディングの指数)は、Claude CodeClaude CodeAnthropic が出している、AI にコードを書かせて実行まで任せる開発ツール。詳しく → と組んだ Opus 5.5 が 62、Carbon は 59 で、Claude Code と組んだ Sonnet 5.5 と同点
私がいちばん気になったのは、知識問題の AA-Omniscience です。点数は 54 で最高、正答率も Argon の 48% から 58% に上がりました。ところが、知らないことをそれらしく答えてしまう「でっち上げ(ハルシネーション)」の率は 4% から 11% に上がっています。たくさん答えるようになった分、間違いを言い切る場面も増えた、と読めます。調べものに使うなら、出典を確かめる手間は省けません。
なお、Google は安全面の改善も数字で出しています。テストをズルして通す行為の成功は 0.0%、文書に仕込んだ命令で AI を乗っ取る攻撃(間接プロンプトインジェクションプロンプトインジェクションAI が読む文章に指示を紛れ込ませて、AI を乗っ取る攻撃。詳しく →)の成功率も Argon の 0.7% から 0.0% に下がったそうです。こちらも Google の発表値です。
価格は Opus 5.5 と同じ単価、1問あたりでは約23%安い
API(プログラムから AI を呼び出す窓口)の料金は、100万トークントークンAI が文章を読み書きする時の、文字を細かく区切った単位。料金もこの数で決まる。詳しく →(AI が文字を数える単位)あたりでこう発表されています。
- 導入価格: 入力 $2・出力 $10(Argon の導入価格と同じ)
- 導入期間の後: 入力 $4・出力 $20
- 一度読ませた入力を使い回すキャッシュは 95% 安い
導入期間がいつ終わるかは書かれていません。Argon の導入期間は11月30日までなので、目安にはなりますが、Carbon も同じとは限りません。
単価だけ見ると高いのか安いのか分かりにくいので、AA が測った「総合指数の1問を解くのにかかった費用」で並べます。単価は導入期間の後の値です。
| モデル | 総合指数 v5.0 | 入力 $/100万 | 出力 $/100万 | 1問あたりの費用 |
|---|---|---|---|---|
| Gemini 4 Carbon (High) | 59 | $4 | $20 | $7.76 |
| Claude Opus 5.5 (Max) | 58 | $4 | $20 | $10.04 |
| GPT-6 Astra (Max) | 57 | $10 | $50 | $6.24 |
| Gemini 4 Argon (High) | 50 | $4 | $20 | $7.68 |
出典: Artificial Analysis(https://artificialanalysis.ai/)
Carbon と Opus 5.5 は単価がまったく同じですが、1問あたりでは Carbon が約23%安く済んでいます。同じ問題を解くのに使う文字数が少ないということです。面白いのは Astra で、単価は 2.5 倍なのに1問あたりは一番安い。単価の高さと実際の支払いは一致しない、という良い例です。
Argon と比べると、1問あたりの費用はほぼ同じ($7.68 と $7.76)なのに、点数は 9 点上です。同じ値段で一段賢くなった、と言ってよさそうです。
どのサブスクで使える? 今はどれでも使えない
ここが一番大事なところです。2026年10月29日時点で、Carbon を使えるのは Google が選んだ少数のサイバー防御担当者だけです。この先は Fairwind Program(Google が新モデルを先に渡すパートナー向けの枠)を通じて、信頼できる相手へ少しずつ広げるとしています。
開発者・企業・一般の利用者には「できるだけ早く」届けるとだけ書かれていて、日付は出ていません。発表文には GeminiGeminiGoogle の AI モデルの系統。詳しく → アプリや Google AI Pro・Ultra の名前も出てきませんし、日本の Gemini のプラン表にも Carbon はまだ載っていません。つまり、今どのプランを契約しても Carbon は使えず、いつからかも未定です。
参考になるのは、Argon がたどった道です。Argon は9月30日に発表され、まずは Fairwind のパートナーだけ。10月13日に API や有料の一般向け製品へ広がりました。発表から約2週間です。今の Argon は、日本では Google AI Pro(月額 2,900円)以上で使えます。上のプランの Google AI Ultra は、5x(月額 14,500円)と 20x(月額 32,000円)の2段です。
Carbon が来るとすれば、まずこのあたりのプランが候補になりそうです。ただし Carbon はサイバー攻撃に使える力が強いぶん、Google は利用者の声を聞きながら安全装置を整えてから広げると言っています。Argon と同じ2週間で来ると決めつけない方がよいでしょう。
今は待ちでいい。来たら長い作業で試したい
まとめると、Gemini 4 Carbon は総合点で確かに1位ですが、Opus 5.5・Astra とは1点刻みの横並びです。サイバーセキュリティと長く続く作業では抜けていて、ソフト開発やパソコン操作の一部では負け、でっち上げの率は上がりました。値段は Opus 5.5 と同じ単価で、実際にかかる費用は少し安めです。
そして何より、今は使えません。なので、Carbon のために契約を変えたり、今使っているモデルから慌てて乗り換えたりする必要はないと思います。Gemini を使っている人は今の Argon のまま待ち、一般提供の告知が出たら、何時間もかかる調べものやコードの修正のような「長い仕事」で最初に試してみるのがよさそうです。
出典
- Google「Gemini 4 Carbon: our next frontier model」 https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/
- VentureBeat https://venturebeat.com/technology/google-unveils-gemini-4-carbon-retaking-the-worlds-no-1-spot-on-updated-harder-benchmarks-but-access-is-limited
- Artificial Analysis https://artificialanalysis.ai/models/gemini-4-carbon
- Google Gemini のプラン(日本) https://gemini.google/jp/subscriptions/
この記事を書いた人
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!
META-MARK × AI
AI モデル選びの次は、動かす場所です。
エージェントや自作ツールを止めずに動かすなら、常時稼働できる置き場所が要ります。手元の GPU で動かす場合の必要スペックも確認できます。
関連記事
21k対64kのGPT-6 Astra:費用差2.19倍を生む出力量
GPT-6 AstraとClaude Fable 5.1は同じ$10/$50でも1タスク費用が2.19倍。出力トークンと待ち時間から使い分けを整理します。
GPT-6.1 Solをeffort別実測:medium 47.8、Astraとの差はどこまで縮むか
GPT-6.1 SolをDevDay 2026の発表とArtificial Analysisのeffort別実測で検証。旧Sol・Astraとの性能、費用、待ち時間から使い分けを判断します。
Workspace の Gemini が 3.8 Flash から Gemini 4 Hydrogen へ|まだ来ない Argon と同じくらい賢く、約2.7倍速い
Google Workspace の Gemini の既定モデルが、長らく続いた Gemini 3.8 Flash から Gemini 4 Hydrogen に替わりました。メニューの3つの選び方と、Artificial Analysis の点数で 3.8 Flash・Gemini 4 Argon と比べて何が変わったかをまとめます。
Gemini 4 Neon は AA 6位で Google の最高点|ただ同点の GPT-6.2 Astra は1問あたり約4割・時間は約3分の1だった
11月18日に Artificial Analysis へ載った Google の Gemini 4 Neon を、指数・1問あたり費用・所要時間で Gemini 4 Carbon・Hydrogen、GPT-6.2 Astra / Sol、Claude Fable 5.2・Opus 5.5 と比べました。単価が安く書く速さも速いのに1問あたりで割高になる理由と、effort の選び方を AA の図で整理します。