この記事は Synthorai ブログの記事 Gemini 4 Argon の料金：GPT-6.1 Sol と同単価でも正解単価は 3 倍 の転載です。原文（多言語対応）はリンク先をご覧ください。
Gemini 4 Argon の料金は、入力 100 万 token あたり $2、出力 100 万 token あたり $10。GPT-6.1 Sol と同じ単価だが、13 問の推論テストでは正解 1 件あたりの費用が 3.1 倍になった（$0.0063 対 $0.0020、総費用を正解数で割って算出）。どちらも 39 回中 38 回正解したものの、Argon の出力 token 数は 3.3 倍だった。一方、Google が比較対象にしている最上位モデルと比べると、料金が 2 倍になる 12 月 1 日までは Argon のほうが安い。正解単価は Claude Opus 5.5 の 0.76 倍、GPT-6 Astra の 0.6 倍だった。費用を調整する主な手段は、回答前に gemini-4-argon がどれだけ推論するかを指定するリクエストパラメータ thinking_level だ。設定は low、デフォルトの medium、high の 3 段階。回答に表示されない推論 token も出力として課金される。API 公開の 2 日後に全 3 段階を測定し、比較対象モデルと Gemini 3.1 Pro も同日に実行した。
TL;DR
- Gemini 4 Argon は 2026 年 11 月 30 日まで 100 万 token あたり $2/$10、その後は $4/$20。
- Google は Argon を GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 と比較している。公開された 19 項目のうち、Argon が首位なのは 13 項目。
-
mediumの正解単価は Argon が $0.0063、GPT-6.1 Sol が $0.0020、Opus 5.5 が $0.0083。12 月の料金では Argon は $0.0125 になる。 - Argon の
lowでは推論が報告されず、難しい 5 問では 15 回中 1 回しか正解しなかった。mediumは 15 回中 14 回正解した。
Gemini 4 Argon の料金はいくらか
Gemini 4 Argon の API 料金は 2026 年 12 月 1 日に 2 倍になる。Google の料金ページ には 11 月 30 日までの料金と、その後の通常料金が記載されており、無料枠はない。キャッシュ入力とは、繰り返し送る system prompt など、以前のリクエストでサーバーがすでに受け取ったテキストを指す。料金は通常の入力単価の 5% になる。以下は 100 万 token あたりのドル建て料金。
| 区分 | 入力 | 出力（推論を含む） | キャッシュ入力 |
|---|---|---|---|
| Standard、11 月 30 日まで | $2.00 | $10.00 | $0.10 |
| Standard、12 月 1 日から | $4.00 | $20.00 | $0.20 |
| Batch と Flex、11 月 30 日まで | $1.00 | $5.00 | $0.05 |
| Priority、11 月 30 日まで | $3.60 | $18.00 | $0.18 |
Batch はジョブとして投入し、数時間以内に結果を受け取る方式。Flex はベストエフォートの処理枠だ。どちらも 12 月 1 日以降は Standard の半額となり、処理枠を予約する Priority は 1.8 倍になる。Google の従来の最上位モデルで、料金が $2/$12 の Gemini 3.1 Pro とは、次の 3 点が異なる。
- 長いコンテキストへの追加料金がない。Gemini 3.1 Pro は prompt が 200K token を超えると $4/$18 になる。Argon はコンテキストウィンドウの上限である 1,048,576 token まで $2/$10 のままだ。この上限には、1 リクエストの入力、推論、回答をすべて含む。公表料金で計算すると、今回の 709K token の prompt は Argon で $1.42、3.1 Pro で $2.84 だった。
- 暗黙的キャッシュのみ。キャッシュオブジェクトを作成し、その保存に料金を支払う明示的キャッシュは廃止された。繰り返し送る prompt の共通プレフィックスは自動でキャッシュされ、キャッシュ入力単価が適用される。
- 64K を超える出力には別のモードが必要。通常のリクエストでは最大 65,536 出力 token まで返せる。それを超える場合は Google の バックグラウンド実行モードが必要になる。サーバーは 64K 単位で生成を続け、最大 1M token まで出力する。
Gemini 4 Argon の競合となる OpenAI・Claude モデルはどれか
Google は性能面では Gemini 4 Argon を各社の最上位モデル、GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 の競合として位置づけている。料金はその 1 段下で、11 月 30 日までは GPT-6.1 Sol と同じ $2/$10、12 月 1 日からは Opus 5.5 と同じ $4/$20 になる。GPT-6 Astra と Fable 5.1 の公表料金は $10/$50 だ。
Artificial Analysis の知能指数は、同社が実行するエージェント、コーディング、知識、科学のベンチマークをまとめたものだ。各モデルで指数の 1 タスクを実行する費用も報告している。この指数では Argon は GPT-6 Astra、Fable 5.1 と同水準で、Opus 5.5 が 4-5 ポイント上回っている。
| モデル | 公表料金、100 万 token あたりのドル額 | Google の比較表に掲載 | 指数スコア（各社の最高設定） | 指数の 1 タスクあたりの費用 |
|---|---|---|---|---|
| Gemini 4 Argon | 2/10、その後 4/20 | 評価対象 | 52.6 | $1.99 |
| GPT-6 Astra | 10/50 | あり | 52.7 | $3.26 |
| Claude Fable 5.1 | 10/50 | あり | 53.4 | $7.63 |
| Claude Opus 5.5 | 4/20 | あり | 57.6 | $5.98 |
| GPT-6.1 Sol | 2/10 | なし | 51.8 | $0.72 |
Argon のモデルカードにある Google の比較表は 19 項目で構成される。Argon は 13 項目で首位、1 項目で同点。GPT-6 Astra は 3 項目、Opus 5.5 は 2 項目で首位だった。以下に 19 項目のうち 10 項目を示す。知識業務と長いコンテキストで差が大きかった項目に加え、Argon が負けた 5 項目すべてを含めた。負けた項目は、数時間にわたるコーディング、ターミナル作業、デスクトップ操作だった。スコアは百分率で、高いほどよい。
| ベンチマーク | 評価内容 | Argon | GPT-6 Astra | Fable 5.1 | Opus 5.5 |
|---|---|---|---|---|---|
| Vals Index | Vals AI の知識業務の総合評価 | 68.9% | 63.1% | 65.8% | 67.0% |
| Harvey Legal Agent | モデルが最初から最後まで遂行する法務タスク | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 | 実際のリポジトリの不具合修正 | 77.9% | 74.1% | 67.4% | 74.2% |
| FrontierSWE v2 | 数時間かかる開発・最適化タスク | 55.0% | 65.5% | 56.3% | 62.3% |
| Terminal-Bench 4.0 | Linux ターミナルでのタスク | 57.4% | 58.2% | 57.9% | 66.4% |
| PostTrainBench | 1 台の GPU で 10 時間以内にモデルを学習 | 45.3% | 44.3% | 40.2% | 49.3% |
| Terminal-Bench Science 0.1 | ターミナルでの科学計算 | 57.6% | 68.1% | 52.6% | 63.3% |
| RiemannBench | 研究レベルの数学問題 | 76.0% | 72.0% | 65.6% | 69.6% |
| GraphWalks、256K から 1M | 長いコンテキスト内のグラフでリンクをたどる | 84.2% | 71.8% | 65.0% | 66.8% |
| OSWorld 2.0、オフライン | デスクトップ操作 | 69.2% | 72.6% | 未報告 | 未報告 |
この表は条件をそろえた比較ではなく、Google が公表した結果として読む必要がある。Google の 評価手法の説明によると、Argon は最高の推論設定で実行された。競合の数値の大半は、各社の評価レポートや公開リーダーボードから取得され、推論設定は最大、または利用可能な最良の設定だった。Argon の一部のスコア（DeepSWE、Terminal-Bench の両項目、OSWorld）は、タスクの実行と採点を行う Google 独自の評価ハーネスで測定されている。競合のスコアは別の環境で測定されたものだ。Terminal-Bench Science では、Argon の採点プログラムに 6 倍の実行時間が認められていた。
Argon の正解単価は GPT-6.1 Sol、GPT-6 Astra、Opus 5.5 と比べてどうか
token 単価が同じでも、Gemini 4 Argon の正解単価は GPT-6.1 Sol の 3.1 倍だった。これは両モデルのデフォルトである medium での結果で、high では 7.7 倍になった。medium の正解数は両方とも 38/39。最上位モデルと比べれば、現時点では安い。正解単価は GPT-6 Astra の 0.6 倍、Claude Opus 5.5 の 0.76 倍だった。
短いプログラムで答えを検証した 13 問の推論タスクを、それぞれ 3 回実行した。以下の各モデル・各設定には、計 39 回の呼び出しがある。最終回答の整数が一致すれば正解とした。比較的簡単な 8 問は、60 未満の素数の総和、1 から 500 に現れる数字 7 の個数、列車の時刻表、7 の 222 乗を 1000 で割った余り、同じ規則の 40 回連続適用、0 を含まず各桁が異なる 4 桁の整数のうち 11 で割り切れるものの個数、1 マスを通れない格子上の経路数、47 セントを作る方法の数。難しい 5 問は、同じ規則の 200 回適用、13 の 1001 乗を 10007 で割った余り、3 マスを通れない 8x8 の格子、重量制限内に収まる 10 個の品物の選択、5 種類の硬貨で 187 セントを作る方法の数だ。以後、この 5 問を難問セットと呼ぶ。
各モデルは推論設定を指定できるリクエスト形式で呼び出した。Argon と Gemini 3.1 Pro には、多くのプロバイダーが採用している OpenAI の従来の chat 形式を使った。この形式では reasoning_effort で設定する。GPT モデルには OpenAI の新しい Responses 形式、Opus 5.5 には output_config.effort で設定する Anthropic 独自の形式を使った。各社の medium と high に加え、対応モデルでは low も測定した。
| モデルと設定 | 正解数（簡単な問題 24 回／難問 15 回） | 出力 token 数の中央値（推論を含む） | 正解 1 件あたりの費用 | Argon の 12 月料金での費用 |
|---|---|---|---|---|
Argon low
|
16/24、1/15 | 7 | $0.0006 | $0.0013 |
Argon medium（デフォルト） |
24/24、14/15 | 383 | $0.0063 | $0.0125 |
Argon high
|
24/24、15/15 | 1,455 | $0.0212 | $0.0423 |
GPT-6.1 Sol low
|
24/24、13/15 | 90 | $0.0019 | |
GPT-6.1 Sol medium（デフォルト） |
24/24、14/15 | 81 | $0.0020 | |
GPT-6.1 Sol high
|
24/24、15/15 | 192 | $0.0027 | |
GPT-6 Astra medium（デフォルト） |
24/24、14/15 | 90 | $0.0102 | |
GPT-6 Astra high
|
24/24、13/15 | 134 | $0.0142 | |
Claude Opus 5.5 medium（デフォルト） |
24/24、15/15 | 188 | $0.0083 | |
Claude Opus 5.5 high
|
24/24、15/15 | 223 | $0.0088 | |
Gemini 3.1 Pro low
|
24/24、13/15 | 1,091 | $0.0186 | |
Gemini 3.1 Pro high（デフォルト） |
24/24、15/15 | 3,272 | $0.0643 |
GPT-6.1 Sol との差は出力量による。medium の全 39 回で、Argon の出力は合計 22,980 token、GPT-6.1 Sol は 7,032 token だった。最も難しかった 13 の 1001 乗を 10007 で割った余りの問題では、Argon の中央値は medium で 1,523 token、high で 6,108 token。GPT-6.1 Sol はそれぞれ 524 と 901 だった。難問セットの正解数は同じで、medium は両方 14/15、high は両方 15/15。12 月 1 日からは Argon の料金だけが 2 倍になるため、medium の費用差は 6.3 倍に広がる。
12 月には Opus 5.5 との比較も変わる。両モデルの公表料金は $4/$20 になるが、今回のテストでは Opus 5.5 の出力が少なく（medium で Argon の 22,980 token に対して 15,414 token）、39 回すべて正解した。12 月料金での正解単価は Argon が $0.0125、Opus 5.5 が $0.0083 で、Argon が 1.5 倍高い。GPT-6 Astra に対しても 0.6 倍から 1.2 倍になる。各設定の難問セットは 15 回の呼び出ししかなく、Argon、Opus 5.5、GPT-6 Astra の正解数の差はいずれも統計的に判別できない（これらのペアは、次節で補正した比較群とは別に検定した）。Artificial Analysis のタスク単価でも順序は同じだ。最高設定の GPT-6.1 Sol が $0.72、現在の料金で high の Argon が $1.99、GPT-6 Astra が $3.26、Opus 5.5 が $5.98 となっている。
置き換え対象の Gemini 3.1 Pro と比べると、各モデルのデフォルト設定で Argon の正解単価は約 10 分の 1 だった。Argon は $0.0063、3.1 Pro は $0.0643。3.1 Pro の出力単価が 100 万 token あたり $10 ではなく $12 であることも効いている。ただし単価をそろえても差は 8.6 倍あり、1 回あたりの出力中央値が Argon の 383 token に対し、3.1 Pro は 3,272 token だったことが原因だ。12 月 1 日以降も、このテストでは Argon のほうが 5.1 倍安い。架空の事実について「わからない」と回答する際の token 数も調べた。架空の 5 つの対象（企業の株価、研究機関、町の設立憲章、合金、賞）について質問すると、両モデルとも 5 件すべてで回答を控えた。出力中央値は Argon が 146 token、3.1 Pro が 1,014 token だった。
各推論設定はどう動くか
Gemini 4 Argon の low は、実質的に推論を無効にする設定だった。Google は 3 段階の設定を文書化し、low は 「token 使用量が最も少ない」設定で、「難しいタスクでは品質が低下することがある」と説明している。low の全 39 回で Argon は推論 token 数が 0 と報告し、この経路では推論も含まれる出力全体が 5-11 token だった。Google のサーバーへ転送する別の API 経路でも、送信した low の 4 回すべてで推論 token 数は明示的に 0 と報告された。対照的に、Gemini 3.1 Pro の low は出力中央値が 1,091 token で、ほぼすべてが推論だった。
推論なしでも Argon は 1 段階で解ける問題には正解したが、途中の計算が必要な問題には失敗した。
-
lowでも正解：素数の総和、数字の個数、時刻表、1 マスを通れない格子、47 セント（15 回中 15 回）。 -
lowでは不正解：規則の 40 回適用（0/3）、4 桁の整数の個数（0/3）、7 の 222 乗（1/3）、難問セットの 15 回中 14 回。
各タスクを 1 回だけ数えても、この低下は変わらない。同じタスクの 3 回の実行は独立ではないため、この点は重要だ。medium は 13 問中 8 問で low を上回り、下回ったタスクはなかった（符号検定、p = 0.008。これほど大きな差が偶然に生じる確率は 1% 未満）。難問セットだけでは、3 回中 2 回以上正解できたタスクは、low では 5 問のうち一つもなく、medium では 5 問すべてだった（Fisher の正確確率検定、p = 0.008。同時に行った 6 比較への Holm 補正後は 0.047）。low は検索的な質問や形式変換向けの、推論なしモードとして扱うのがよい。一方、high の正解単価は medium の 3.4 倍だった。難問セットの 15 回で正解が 1 回増えたが、この標本数では偶然との差を判別できない。
デフォルト設定では prompt に応じて推論量が変わる。設定を指定せずに簡単な prompt を送ると、デフォルトが medium の Argon は推論 token を使わないことが多かった。デフォルトが high の Gemini 3.1 Pro は、すべての prompt で推論した。ツール呼び出しでは、モデルがアプリケーション側に関数の実行を要求し、アプリケーションが結果を返す。
| prompt の種類（3 回の中央値） | Argon の推論 token 数 | Gemini 3.1 Pro の推論 token 数 |
|---|---|---|
| 1 語で答える知識の質問 | 0 | 145 |
| JSON 抽出 | 0 | 353 |
| 厳密な JSON schema に従う出力 | 0 | 309 |
| 2 段階の文章題 | 41 | 137 |
| 5 段階の連続計算 | 68 | 373 |
| ツール呼び出しループの 1 ターン目（ツール選択） | 0（出力 31 token） | 173 |
| ツール呼び出しループの 2 ターン目（結果の利用） | 0（出力 32 token） | 67 |
両モデルともすべての prompt に正解し、適切なツールを呼び出した。Google のネイティブ API では設定を generation_config に指定し、推論 token 数は usage で返される。
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-4-argon",
input="Compute 13 raised to the power 1001, modulo 10007. Reply with a single integer.",
generation_config={"thinking_level": "medium", "max_output_tokens": 32768},
)
print(interaction.output_text)
print("thinking tokens:", interaction.usage.total_thought_tokens) # billed at the output rate
print("output tokens:", interaction.usage.total_output_tokens)
今回の測定に使った OpenAI 互換の chat 形式では、ゲートウェイが reasoning_effort を同じ 3 段階に変換する。推論 token 数は usage.completion_tokens_details.reasoning_tokens で返される。
Gemini 4 Argon への移行で何が動かなくなるか
回答の冒頭をあらかじめ埋めた assistant ターンで終わる prompt は、HTTP 400 で失敗するようになった。明示的キャッシュも廃止され、ランダム性の設定（temperature、top_p、top_k）は無視される。prefill とは、JSON を強制するための開き波括弧など、モデルの回答の冒頭を呼び出し側で書いておくことだ。変更の大半は Google の移行チェックリストに載っているが、prefill のエラー、prompt の固定オーバーヘッド、上限超過時の挙動は記載されていない。
| 変更点 | Google の文書 | 実測結果 |
|---|---|---|
| 冒頭を埋めた assistant ターン | 記載なし | Gemini 4 Argon は HTTP 400 で「モデルのターンで終わるリクエストは非対応」と返す。Gemini 3.1 Pro は受け付ける |
明示的キャッシュ（cachedContents） |
廃止 | 未検証。暗黙的キャッシュは動作した |
| 暗黙的キャッシュ | 95% 割引、4,096 token 以上の prompt | 6,935 token の prompt を 4 秒後に再送すると、4,881 token がキャッシュから供給され、100 万 token あたり $0.10 で課金された。3,006 token の prompt でも 952 token がキャッシュされた |
temperature、top_p、top_k
|
無視される | HTTP 200 で受理された（エラーなし） |
| prompt の固定オーバーヘッド | 記載なし | 同一テキストでも Gemini 3.1 Pro より入力が約 30 token 多い。Google に接続する別の API 経路でも同じ数を報告 |
| 1M のウィンドウを超える prompt | 記載なし | 上限を明示する HTTP 400。黙って切り詰める動作はない |
max_output_tokens |
32,768 以上に増やす | 最長の回答は Argon の high が 6,391 token、Gemini 3.1 Pro が 21,362 token |
prefill のエラーには、指示を prompt 内に移すことで対応できる。固定オーバーヘッドは現在の料金で 1 リクエストあたり $0.00006 を加算する。Gemini 3.1 Pro に対して、1 行の prompt では 27 token、709K token の文書では 31 token 増えており、差はほぼ一定だった。したがって、テキストを token に分割する tokenizer は変わっていない。この 709K token の prompt は、番号付きの項目 60,000 件の末尾に、項目 42 の値を尋ねる質問を付けたものだ。Argon はリクエストを受け付け、埋め込んでおいた値 529 を回答した。
ワークロードごとにどの推論設定を使うべきか
まずは medium を使う。複数段階の処理には low を使わず、予算は 12 月の料金で組む。
| ワークロード | 主なリスク | 設定とモデル | 判断の根拠 |
|---|---|---|---|
| エージェントの各ステップ、ツール呼び出し、抽出、JSON 出力 | 簡単な処理の推論に課金される |
Gemini 4 Argon の medium。これらではすでに推論をほぼ使わない |
知識の質問、抽出、schema 出力、ツール処理で推論 0 token |
| 難しい数学、アルゴリズム、複数段階のコード処理 | 誤答 | Argon の medium。high に追加料金を払う前に、自分の評価セットで検証する |
難問セットで 14/15 対 15/15。high の費用は 3.4 倍 |
| 正解単価を重視する大量の推論処理 | 推論量 | GPT-6.1 Sol。今回の 13 問では同じ正解数 | 正解単価は $0.0020 対 $0.0063。12 月 1 日以降は 6.3 倍の差 |
| 12 月以降の予算で動かす最上位モデル向けの処理 | Argon の料金倍増 | 同じ公表料金 $4/$20 の Claude Opus 5.5 で再評価する | 12 月料金での正解単価は $0.0083 対 $0.0125。Google の知識業務の比較では Argon がより多くの項目で首位 |
| 200K token を超える長文 | 長いコンテキストへの追加料金 | Gemini 3.1 Pro ではなく Argon | 709K token の prompt で $1.42 対 $2.84 |
| 知識の質問と形式変換のみ | 不要な推論 | Argon の low
|
1 段階の問題で 15/15、出力 7 token |
12 月 1 日以降の Batch と Flex は、現在の Standard と同じ $2/$10 になる。オフラインジョブを移せば、10 月の料金を維持できる。
FAQ
Gemini 4 Argon の推論を無効にできるか
Gemini 4 Argon には、文書化された無効化設定はない。ただし今回のテストでは thinking_level: "low" が無効化スイッチとして機能した。39 回すべてで推論 token は報告されず、出力全体は各 5-11 token。Google に接続する別の API 経路でも、4 回すべてで明示的に 0 token と報告された。low での難しい 5 問の正解数は 15 回中 1 回で、デフォルトの medium では 15 回中 14 回だった。
Gemini 4 Argon は長い prompt に追加料金がかかるか
Gemini 4 Argon は 1,048,576 token のウィンドウ内なら、どの長さの prompt でも 2026 年 11 月 30 日までは $2/$10、その後は $4/$20 で課金する。Gemini 3.1 Pro は 200K token を超えると $4/$18 になるため、公表料金で 709K token の prompt を計算すると Argon は $1.42、3.1 Pro は $2.84 になる。
Gemini 4 Argon の暗黙的キャッシュは動くか
Gemini 4 Argon の暗黙的キャッシュでは、6,935 token の prompt を最初の呼び出しから 4 秒後に再送したところ、4,881 token がキャッシュから供給された。料金は 100 万 token あたり $0.10（入力単価から 95% 割引）だった。Google の文書にある最低 4,096 token を下回る 3,006 token の prompt でも、一部がキャッシュされた。
関連記事
- GPT-6.1 Sol と Claude Sonnet 5.5 の比較：同じ 13 問を、同じ $2/$10 の料金で比較
- LLM の推論設定を比較：各社の effort パラメータの動作
- prompt cache の最小長を実測：文書上の下限と実際の下限
- Gemini 3.7 Flash API の料金：以前の Gemini の導入料金でのリリース
測定日は API の一般提供開始から 2 日後の 2026 年 10 月 15 日。推論設定の検証では、プログラムで正解を確認した 13 問をモデル・設定ごとに 3 回実行した。有意性の検定では各問を 1 回だけ数えた。各 prompt にランダムな ID を付け、キャッシュ済みの応答が返らないようにした。費用は token 数から公表料金で算出した。推論による追加コスト、構造化出力、ツールの検証は各 3 回。移行、キャッシュ、長いコンテキスト、架空の事実の検証は各 1 回。low の結果と prompt token の固定オーバーヘッドは、Google に転送する別の API 経路でも確認した。Artificial Analysis の数値は 2026 年 10 月 14 日に確認。Google の比較表は Gemini 4 Argon のモデルカードを参照した。