この記事は AIHubMix が作成しました。数値は Artificial Analysis の 2026年11月19日 13:27 UTC 時点のデータです。AIHubMix 上での実測は行っていません。
TL;DR
- Google は5週間で4つの Gemini 4 モデルを出しました。Argon(10月13日)、Carbon(11月10日)、Hydrogen(11月12日)、Neon(11月18日)です。API の形、1M トークンのウィンドウ、ツールは共通です。
- 選び方は、呼び出しの種類ごとに「モデル ID」と「effort レベル」の2つを決めることです。
- チャット・抽出・分類・短いツール呼び出しは Hydrogen、複雑な作業は Neon、最も難しい推論は Neon の
xhighか Carbon のhighです。 - 12月1日に Carbon と Argon は $2/$10 から $4/$20 に上がり、Hydrogen と Neon は据え置きです。
AA(Artificial Analysis)による Google API の測定をもとにした振り分けは次のとおりです。
- チャット、抽出、分類、短いツール呼び出し:Hydrogen の
mediumかhigh。ルーティングやタグ付けはlowまで下げられ、AA で最も安い設定(指数タスク1件 $0.29)です。 - 対話的なコーディングと文書作業:Neon の
medium。スコアよりトークン単価を重視するなら Hydrogen のhigh。 - 複数ファイルの変更、エージェントのループ、長文の分析:Neon の既定の
high。 - 最も難しい問題:深さと速さを両立するなら Neon の
xhigh、研究レベルの物理とハルシネーションの少なさが最も重要なら Carbon のhigh。 - 既存の Argon の実装:同じリクエストの形でそのまま動きます。Argon の料金が倍になる12月1日の前に、Neon Medium か Hydrogen High で再テストしてください。
Neon 発表前に AIHubMix が公開した3モデル比較、Gemini 4 Carbon vs Hydrogen vs Argon はこの記事に置き換わります。
振り分け表をコードにする
AIHubMix の OpenAI 互換エンドポイントでは、モデルの切り替えはモデル ID の変更だけです。effort の値はそのモデルが受け付けるものでなければなりません。Neon と Hydrogen は low〜xhigh、Carbon と Argon は low〜high です。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://aihubmix.com/v1",
api_key=os.environ["AIHUBMIX_API_KEY"],
)
ROUTES = {
"classify": ("gemini-4-hydrogen", "low", 65536),
"code": ("gemini-4-neon", "medium", 65536),
"hard": ("gemini-4-carbon", "high", 32768), # Carbon の非ストリーミング上限は 32,768
}
def ask(kind, prompt):
model, effort, max_out = ROUTES[kind]
response = client.chat.completions.create(
model=model,
reasoning_effort=effort,
max_completion_tokens=max_out,
timeout=900, # 難しいプロンプトは数分かかることがある
messages=[{"role": "user", "content": prompt}],
)
return response.choices[0].message.content
print(ask("code", "Refactor this function to remove the shared mutable state: ..."))
Carbon のルートは非ストリーミング呼び出しなので出力を32,768に抑えています。Google 自身の API では4モデルとも1リクエストで最大65,536出力トークンを返し、長文デコードで 1M ウィンドウまで伸ばせますが、Carbon と Argon への直接の非ストリーミングリクエストは最大32,768トークンで、それ以上を求めると 400 になります。AIHubMix のパラメータスキーマにも同じ上限が記録されており、4モデルとも1リクエスト65,536、Carbon と Argon の非ストリーミング呼び出しは32,768です。
この記事ではライブテストを実行していません。サンプルはリクエストの形を示すものです。
4つのリクエストの違い
| モデル | モデル ID | 既定 | レベル | 現在の料金 | 12月1日から |
|---|---|---|---|---|---|
| Hydrogen | gemini-4-hydrogen | high | low〜xhigh | $1.50 / $7.50 | 同じ |
| Neon | gemini-4-neon | high | low〜xhigh | $3 / $15 | 同じ |
| Carbon | gemini-4-carbon | medium | low〜high | $2 / $10 | $4 / $20 |
| Argon | gemini-4-argon | medium | low〜high | $2 / $10 | $4 / $20 |
Google の Gemini API 料金ページによる公式価格で、100万入力/出力トークンあたりの米ドルです。キャッシュされた入力は4モデルとも入力料金の5%です。AIHubMix は4モデルとも Google の現在価格で掲載しており、Carbon と Argon の12月の価格は公表していません。
実際のコストを決めるのは、トークン単価より思考レベルです。Neon と Hydrogen は既定が high で xhigh もあり、Carbon と Argon は既定が medium で high までです。レベルを指定しないリクエストは、モデルによって思考の量が変わります。上のルーターがすべてのルートでレベルを指定しているのはそのためです。
Google 自身のモデル選択ガイドには、4つのうち3つが載っています。Hydrogen は既定の選択肢です。
Fast and cost-efficient for everyday coding, interactive apps, tool-using agents, and multimodal documents.
(日常のコーディング、対話的なアプリ、ツールを使うエージェント、マルチモーダルな文書に向けた、速くて費用対効果の高いモデルです。)
Neon は「complex, high-frequency tasks」(複雑で高頻度のタスク)向けで、「deeper reasoning than Hydrogen and faster task completion than Carbon」(Hydrogen より深い推論、Carbon より速いタスク完了)とされています。Carbon は「your hardest problems」(最も難しい問題)向けです。
Argon はこのガイドにまったく出てきません。Google はどの Gemini 4 モデルにも提供終了日を発表していないので引退ではありませんが、新しいプロジェクトをどこに向けているかは分かります。Google の API で無料枠があるのは Hydrogen だけで、AIHubMix では4モデルとも従量課金です。
スコア・1タスクのコスト・時間
以下の数値は Artificial Analysis のリーダーボードのもので、2026年11月19日 13:27 UTC に再確認しました。Google API を第三者が測定したもので、AA の再測定で変わります。
AA は Carbon を12月の料金で、Argon を現在の導入価格で計算しています。条件をそろえるため、下の表の2つのコスト列は両方を計算し直しています。Carbon と Argon の料金はどれもちょうど2倍になるので、換算は単純に半分か2倍です。計算し直した数値は推定で、AA の実測ではありません。
| 設定 | AA指数 | 1タスク(現在) | 12月1日から | 1タスクの分数 |
|---|---|---|---|---|
| Hydrogen Medium | 41.2 | 0.80 | 0.80 | 4.2 |
| Hydrogen High(既定) | 50.8 | 1.87 | 1.87 | 8.6 |
| Hydrogen Xhigh | 53.9 | 3.16 | 3.16 | 15.2 |
| Neon Low | 44.1 | 0.75 | 0.75 | 3.7 |
| Neon Medium | 54.9 | 1.90 | 1.90 | 8.3 |
| Neon High(既定) | 59.6 | 3.74 | 3.74 | 14.8 |
| Neon Xhigh | 61.4 | 6.44 | 6.44 | 21.5 |
| Carbon Medium(既定) | 58.3 | 3.29 | 6.59 | 29.3 |
| Carbon High | 60.0 | 3.88 | 7.76 | 36.6 |
| Argon Medium(既定) | 47.6 | 4.31 | 8.63 | 28.9 |
| Argon High | 50.4 | 4.97 | 9.95 | 29.5 |
AA の Intelligence Index 1タスクあたりの平均です(コストは米ドル)。AA には Argon Low の結果がありません。Hydrogen Low(26.9、$0.29、1.5分)と Carbon Low(54.2、現在 $3.59・12月1日から $7.19、29.8分)は表から省いています。
- Neon Medium は家族の真ん中です。 Hydrogen の既定より4.1ポイント高く、1タスクのコスト($1.90対$1.87)も時間(8.3分対8.6分)もほぼ同じです。Hydrogen Xhigh にも0.9ポイント勝ち、コストは40%安く、時間は約半分です。
- それより下は Hydrogen です。 最も安いタスクでは、Hydrogen Low の $0.29 を下回るものはありません。トークンあたりの速度も最速で、AA の測定では毎秒157〜170トークン、Neon は97〜110、Carbon と Argon は48〜66です。
- Argon は現在の料金でも効率の境界線の外にあります。 Argon Medium は47.6で1タスク $4.31。Neon Medium は7.3ポイント高く、コストは56%安く、時間は3分の1未満です。Hydrogen High は Argon High と同等のスコア(50.8対50.4)で、1タスクのコストは62%安くなります。
- Carbon のリードはわずかです。 Carbon High(60.0)と Neon High(59.6)の差は0.5ポイント未満ですが、Carbon は1タスクに2.5倍の時間がかかり、Neon Xhigh は指数で上回ります(61.4)。11月30日までは Carbon Medium が Neon High より1タスクあたり安く、12月1日からはそうではありません。
振り分けを変える個別評価
指数は9つの評価の平均です。個別の結果を見ると、どのモデルがどこに向くかが分かります。すべて同じ AA のスナップショットで、各モデルの high 設定の値です。
| 評価 | Hydrogen | Neon | Carbon | Argon |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 54.0 | 61.6 | 65.2 | 57.1 |
| FrontierCode 2.0 | 36.3 | 43.3 | 40.6 | 25.7 |
| HLE-Diamond | 54.9 | 68.4 | 69.1 | 56.7 |
| CritPt(物理) | 61.5 | 59.0 | 69.0 | 52.5 |
| AutomationBench | 74.4 | 79.2 | 77.8 | 77.5 |
| 非ハルシネーション率 | 91.3% | 86.1% | 88.6% | 95.7% |
AA のスコア(%)です。「非ハルシネーション率」は、AA の Omniscience テストでの1からハルシネーション率を引いた値です。
Neon が最も幅広く強く、CritPt とハルシネーション率を除くすべての行で1位か2位です。FrontierCode と AutomationBench ではファミリーで最も強いモデルです。
Carbon は Terminal-Bench 4.0、HLE-Diamond、CritPt で首位で、CritPt では2位に7.5ポイントの差をつけています。Carbon にない Neon の xhigh 設定は HLE-Diamond では上回りますが(71.3対69.1)、CritPt(60.5)と Terminal-Bench 4.0(63.6)では及びません。Google は、システム設計、複数ファイルのデバッグ、密度の高いマルチモーダル分析、形式的証明、セキュリティ監査、あるいは「when a faster model gets stuck」(速いモデルが行き詰まったとき)に Carbon を使うよう勧めています。
Hydrogen は CritPt で Neon High を上回り(61.5対59.0)、ハルシネーションも少なめです(91.3%対86.1%)。Google は、Hydrogen が Gemini 3.8 Flash と比べて作り話を5分の1未満に減らし、推測せずに足りない文脈を指摘すると説明しています。弱いのは長いエージェント型のコーディングで、Terminal-Bench 4.0 と FrontierCode では Neon を7.6ポイントと7.0ポイント下回ります。
Argon は high 設定で4モデル中もっともハルシネーションが少なく(非ハルシネーション率95.7%)、Carbon Medium(95.8%)と並びます。誤答が、遅い答えや答えがないことよりはるかに高くつくなら、この行が重要です。また11月30日までは、Argon のトークン単価は Carbon と同じです。
コーディングエージェントの中での比較
AA のコーディングエージェント指数は、各モデルをコーディングエージェントの中で動かします。4つの Gemini 4 モデルはすべて同じエージェント(Google の Antigravity CLI)で動くので、差はモデルによるものです(13:27 UTC に再確認)。
| モデル | 指数 | 1タスクの分数 | 1タスクのステップ | 1タスク(AA、$) |
|---|---|---|---|---|
| Neon Xhigh | 58.6 | 30.5 | 177 | 6.86 |
| Carbon High | 55.5 | 33.6 | 186 | 9.75 |
| Hydrogen Xhigh | 52.3 | 32.1 | 405 | 4.45 |
| Argon High | 45.5 | 37.7 | 171 | 6.84 |
AA の1タスクあたりの平均で、コストは AA のトークン単価(Carbon は12月の料金、Argon は現在の料金)によるものです。Neon Xhigh は40の構成中1位ですが、Claude Code + Claude Fable 5.2 Xhigh との差は0.2ポイント未満で、実質的には同点です。
順位は Intelligence Index とおおむね同じですが、1つ違う点があります。Hydrogen はトークンあたりは速いものの、1タスク平均405ステップとほかの2倍以上かかったため、完了時間は同じく30分前後でした。
1つのモデルで計画し、別のモデルで実行する
Google は1つのアプリに1つのモデルという前提を置いていません。ガイドにはよくあるパターンとして次の説明があります。
Have Carbon design system interfaces or isolate a hard bug on the first turn. Then pass previous_interaction_id to Hydrogen to write the code edits, run parallel subagent tasks, and iterate on tests at lower latency and cost.
(最初のターンで Carbon にシステムのインターフェースを設計させたり、難しいバグを切り分けさせたりします。次に previous_interaction_id を Hydrogen に渡して、より低いレイテンシとコストで、コードの編集、並列のサブエージェントのタスク、テストの反復を任せます。)
Neon のガイドも、Neon を計画と検証に、Hydrogen のサブエージェントを実行役に使う同様の形を勧めています。
previous_interaction_id は、会話を Google のサーバーに保持する Google の Interactions API の機能です。AIHubMix の OpenAI 互換エンドポイントでは、履歴は自分で保持します。その場合の Google のルールは次のとおりです。
return prior model turns and thought signatures unchanged when switching models across turns.
(ターンをまたいでモデルを切り替えるときは、それまでのモデルのターンと thought signature をそのまま返してください。)
実際には、最初のモデルが返した assistant メッセージをツール呼び出しも含めてそのまま保持し、履歴全体を2つ目のモデルに送ります。
ハマりどころ
1つのモデル向けに作った effort の設定
Neon と Hydrogen は xhigh を受け付けますが、Carbon と Argon は high までです。共通の effort 設定は振り分け先のすべてのモデルが受け付ける値にするか、ROUTES のようにモデルごとに値を持たせてください。
レベルを指定しないリクエスト
同じリクエストでも、Neon と Hydrogen では high、Carbon と Argon では medium で考えます。レベルを指定せずにルートのモデルを変えると、思考の量が変わり、コストも変わります。
Carbon や Argon での長い非ストリーミング回答
どちらも非ストリーミング呼び出しでは最大32,768トークンで、Google の API ではそれ以上を求めると 400 になります。これらのルートは32,768に抑えるか、ストリーミングにしてください。
モデル切り替え時に作り直した履歴
計画役から実行役へターンをまたいで渡すとき、それまでの assistant のターンと thought signature はそのまま戻す必要があります。自前のログから作り直すと、Google がモデルの切り替えについて定めたルールに反します。
長いエージェント実行での Hydrogen
AA のコーディングエージェントの実行で、Hydrogen Xhigh は1タスク405ステップとほかの2倍以上かかり、トークンあたりの速さが完了時間の短縮につながりませんでした(同じく30分前後)。high 設定では Terminal-Bench 4.0 で Neon を7.6ポイント下回ります。
AIHubMix の現在価格で立てた12月の予算
AIHubMix は現在 Carbon と Argon を導入価格で掲載しており、12月1日からの価格は公表していません。Google の12月の料金では、AA タスク1件あたり Carbon Medium は $3.29 から $6.59、Carbon High は $3.88 から $7.76 になり、どちらも指数が同等の Neon High($3.74)より高くなります。Argon Medium は $4.31 から $8.63 になり、Neon Medium の約4.5倍です。トークン単価では、Carbon と Argon は Neon より3分の1高く、Hydrogen の2倍以上になります。12月の予算を立てる前にモデルページを確認してください。
まとめ
- 呼び出しの種類ごとに、モデル ID と effort レベルの2つを決めます。
- 既定は Hydrogen、複雑な作業は Neon(
mediumかhigh)、最も難しい推論は Neon のxhighか Carbon のhighです。 - Argon は既存の実装なら動き続けますが、12月1日の値上げ前に Neon Medium か Hydrogen High で再テストしてください。
- レベルは必ず明示し、Carbon と Argon の非ストリーミング呼び出しは32,768以下にします。
1つのキーで振り分けを試すなら、Hydrogen と Neon の比較ページで2つを並べて確認できます。
あわせて読みたい:Gemini 4 Neon シリーズ
- 難しい仕事で Neon と Carbon のどちらにするか迷ったら、品質・速度・12月のコスト変化を詳しく比べた記事へ:Gemini 4 Neon と Carbon の比較:速いほうで足りるか、料金はいつ逆転するか
- 既存の Gemini 実装を Neon のルートに向けるなら、400 エラー・既定レベルの変化・65K 出力上限をまとめた移行ガイドへ:Gemini 4 Neon 移行で 400 エラー:既定の high 思考と 65K 出力上限への対処
参考
- Choosing a model(Google AI Studio)
- Gemini API pricing(Google AI Studio)
- LLM Leaderboard(Artificial Analysis、2026年11月19日 13:27 UTC 閲覧)
- Coding Agent Index(Artificial Analysis、2026年11月19日 13:27 UTC 閲覧)
- Gemini 4 Neon(AIHubMix)