Gemini 3.1 Pro・3.8 Flash から Gemini 4 Argon へ：移行でつまずくポイントと対処法

この記事は AIHubMix が作成しました。情報は2026年10月14日時点のものです。Gemini 4 Argon は2026年10月13日に一般提供（GA）が始まりました。まだ公開されていない情報は「TBD」として残し、わかった時点で追記します。

Gemini 4 Argon は2026年10月13日に一般提供（GA）が始まり、有料の Gemini API、Vertex AI、AIHubMix で、どれも同じモデル ID gemini-4-argon で呼び出せます。AIHubMix の表示価格は100万トークンあたり入力 $2、出力 $10、キャッシュ入力 $0.10 で、11月30日までの Google の導入価格と同じです。Google の価格は12月1日から $4/$20 に上がります。[TBD：AIHubMix の12月1日以降の料金]

Gemini 3.x のコードを Argon に向けるのは、環境変数1つで済みます。本当の作業はそのあとです。Google の What's new in Gemini 4 Argon には移行の手順がまとまっていて、その多くはエラーを出さずに挙動だけを変えます。サンプリングパラメーターは無視され、明示的キャッシュは使えなくなり、デフォルトの思考レベルが変わり、出力上限が低いと課金されたうえで空の回答が返ります。この記事では、デフォルト値を正しく設定したラッパーを示し、リクエストが通る順に11のハマりどころと対処法を見ていきます。

TL;DR

• モデル ID は Gemini API、Vertex AI、AIHubMix のどれでも gemini-4-argon です。無料枠では使えません。
• temperature、top_p、top_k は無視されます。明示的キャッシュも使えないので、どちらも削除します。
• 思考レベルは low、medium、high の3つで、デフォルトは medium です。明示的に指定し、3つとも自社の評価で試します。
• 出力上限は思考と回答の合計です。32,768以上にしないと、課金されたうえで空の回答が返ることがあります。
• 64Kトークンを超える出力には long decode（バックグラウンド実行）が必要です。予算はタスク単価で、12月以降は $4/$20 で組みます。

前提

• AIHUBMIX_API_KEY に AIHubMix の API キーが入っていること。Google を直接呼ぶ場合は有料の Gemini API キーが必要です（Argon は無料枠にありません）。キーの取得方法は AIHubMix のクイックスタートを参照してください。
• Python の openai SDK。サンプルは AIHubMix の OpenAI 互換エンドポイント https://aihubmix.com/v1 を使います。
• 今 Gemini 3.1 Pro Preview か Gemini 3.8 Flash を呼んでいるコード。

ラッパー：Argon 向けのデフォルトとフォールバック

ラッパーはデフォルトで gemini-4-argon を呼び、Argon が見つからない、レート制限に当たった、接続できないといった場合は gemini-3.8-flash に切り替えます。

argon_client.py

import os
from openai import (OpenAI, APIConnectionError, InternalServerError,
                    NotFoundError, RateLimitError)

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
    timeout=900,  # 難しいプロンプトは数分かかることがある
)

PRIMARY = os.environ.get("ARGON_MODEL_ID", "gemini-4-argon")
FALLBACK = "gemini-3.8-flash"
RETRYABLE = (NotFoundError, RateLimitError, InternalServerError, APIConnectionError)


def ask(messages, **kwargs):
    last_error = None
    for model in (PRIMARY, FALLBACK):
        try:
            return client.chat.completions.create(model=model, messages=messages, **kwargs)
        except RETRYABLE as e:  # 見つからない、過負荷、接続不可なら次のモデルへ
            last_error = e
    raise RuntimeError("No configured model answered") from last_error


resp = ask(
    [{"role": "user", "content": "answer と unsure（true か false）をキーに持つ JSON で答えてください：この契約の準拠法は何ですか？\n\n<契約書の本文>"}],
    reasoning_effort="medium",  # Argon のデフォルト。low と high も自社の評価で試す
    max_tokens=32768,           # 思考と回答の合計。Google の推奨は32,768以上
)
print(resp.model, resp.choices[0].message.content)

この中の5か所が、以下のハマりどころに対応しています。temperature と top_p を送らないこと、reasoning_effort を明示すること、max_tokens を32,768にすること、クライアントのタイムアウトを15分にすること、プロンプトで unsure フィールドを求めることです。resp.model を見れば、実際にどちらのモデルが答えたかがわかります。

tools を渡す場合は tool_choice="auto" も渡します。AIHubMix の Gemini ガイドによると、このエンドポイントではこれがないと関数呼び出しが失敗します。

ハマりどころ：リクエストが通る順に11個

#	段階	症状
1	リクエスト	無料枠のキーや仮の ID で拒否される
2	リクエスト	サンプリングパラメーターが効かない
3	リクエスト	明示的キャッシュの呼び出しが動かない
4	リクエスト	出力上限65,536超で400エラー
5	レスポンス	incomplete で本文が空、なのに課金
6	レスポンス	難しいプロンプトでタイムアウト
7	挙動	コードを変えていないのにコストと品質が変わる
8	内容	セキュリティ系のプロンプトが拒否される
9	内容	「わからない」という回答が増える
10	請求	タスク単価がトークン単価から想像するより高い
11	品質	ターミナル系・コンピューター操作系のエージェントが弱くなる

1. 無料枠のキーや仮の ID で拒否される

症状：Gemini API の無料枠のキーや、リリース前に入れておいた仮のモデル名で Argon を呼ぶと失敗します。

原因：Argon は Gemini API の無料枠にありません。ID はどの経路でも同じで、Gemini API、Vertex AI、AIHubMix のどれでも gemini-4-argon です。

対処：有料のキーか AIHubMix のキーで gemini-4-argon を呼びます。ラッパーのように、モデル名は設定値にしてフォールバックを用意します。

2. サンプリングパラメーターが効かない

症状：抽出結果を安定させるために下げた temperature が、まったく効かなくなります。

原因：Google の移行チェックリストによると、Argon は temperature、top_p、top_k を送っても無視します。

対処：リクエストの組み立て部分と設定から削除し、まだ効いていると誤解されないようにします。一貫性はプロンプトと構造化出力で確保します。

3. 明示的キャッシュの呼び出しが動かない

症状：キャッシュを作成・参照するコード（cachedContents、caches.create、cached_content）が Argon では動かなくなります。

原因：Argon が対応しているのは暗黙的キャッシュだけです。4,096トークン以上のプロンプトではデフォルトで有効になり、キャッシュされた入力は95%引きになります。

対処：明示的キャッシュのコードを削除します。システムプロンプト、ツール定義、ドキュメントを先頭に置き、リクエスト間でバイト単位まで同じに保ちます。AIHubMix の Gemini ガイドにあるとおり、暗黙的キャッシュがヒットするには内容、モデル、パラメーターが同じである必要があるので、会話の途中で思考レベルを変えないようにします。

4. 出力上限65,536超で400エラー

症状：通常のリクエストで max_output_tokens を65,536より大きくすると400エラーになります。設定しない場合、長い回答は64Kトークンで止まります。

原因：同期リクエストの出力上限は65,536トークンです。それより長い回答には long decode が必要です。Interactions API では background=True（store=true が必要）にし、max_output_tokens を65,536より大きく、最大で1,048,576から入力分を引いた値まで設定します。サーバーは64Kずつ前の続きから書き進め、最長24時間動き、最後に model_output のステップをつなげます。generateContent では、Python の google-genai 2.30.1以降が自動で続きを生成します。入力、思考、出力は1,048,576トークンの1つの枠を共有します。

対処：long decode は本当に必要なジョブだけに使います。Google によると、チャット、Q&A、要約、抽出はふつう32Kを大きく下回ります。区切りごとにそれまでの内容が入力として再送され、キャッシュ料金で再び課金されます。AIHubMix の Gemini ガイドにはネイティブ SDK（http_options={"base_url": "https://aihubmix.com/gemini"}）経由のバックグラウンド Interactions が書かれていますが、Argon の long decode が AIHubMix で使えるかはまだ確認されていません。[TBD：AIHubMix 経由の long decode]

5. incomplete で本文が空、なのに課金

症状：レスポンスが incomplete になり、本文が途中で切れるか空のまま返ってきて、それでも課金されます。

原因：出力上限は思考と回答の合計で、Argon は以前のモデルより多くを思考に使うことがあります。古い設定からコピーした8,192のような値では、思考の段階で使い切ってしまうことがあります。

対処：Google の推奨どおり、上限を32,768以上にします。コストや待ち時間を減らしたいときは、上限ではなく思考レベルを下げます。64Kトークンの回答を保存・表示できるか、ストレージと UI も確認します。

6. 難しいプロンプトでタイムアウト

症状：クライアント、プロキシ、ロードバランサーのタイムアウトでリクエストが失敗します。

原因：Google によると、難しいプロンプトは数分かかることがあります。Artificial Analysis の計測では、high では最初の回答トークンまで約45秒かかりました。

対処：すべての経路でタイムアウトを15分以上にします（ラッパーでは timeout=900）。長いジョブはバックグラウンド実行にして、結果をポーリングする方法もあります。

7. コードを変えていないのにコストと品質が変わる

症状：モデル名しか変えていないのに、待ち時間、コスト、品質が今のモデルと合いません。

原因：Argon の思考レベルは low、medium、high で、デフォルトは medium です。Gemini の思考ガイドによると、Gemini 3.1 Pro Preview のデフォルトは high、Gemini 3.8 Flash は medium です。Argon に minimal はなく、OpenAI 互換の経路では reasoning_effort="minimal" は low として扱われます。公開されているベンチマークは、すべて high で測られています。[TBD：思考レベルごとの精度とトークン数]

対処：すべてのリクエストで思考レベルを明示します。Google の勧めどおり、3つのレベルすべてで評価を回し、合格する中で一番低いレベルを使います。

8. セキュリティ系のプロンプトが拒否される

症状：脆弱性の調査、エクスプロイトの作成、ペネトレーションテストに関するプロンプトが拒否されます。

原因：公開版のモデルは、有害なサイバー、化学、生物、放射性物質、核に関するリクエストを拒否します。Google の一般提供の発表によると、サイバー関連のガードレールがない版は、防御側が Fairwind Program を通じて利用できます。

対処：防御側の組織なら Fairwind に申し込みます。それ以外は、まず gemini-4-argon でセキュリティ系のプロンプトを試し、拒否されるものには今のツールを使い続けます。

9. 「わからない」という回答が増える

症状：今のモデルなら値を返していたところで、Argon はあいまいな回答を返し、パーサーが壊れます。

原因：Artificial Analysis の Omniscience テストで、Argon のハルシネーション率は15%（GPT-6 Astra は51%）ですが、正答率は50%（Astra は63%）にとどまります。確信がないと回答を控えるからです。

対処：unsure フィールドを解析し、該当するものは Argon で再試行せず、人か別のモデルに回します。

10. タスク単価がトークン単価から想像するより高い

症状：タスクあたりのコストが、Gemini 3.x のときを大きく上回ります。

原因：Artificial Analysis の計測では、high の Argon はタスクあたり平均約6.2万トークンを出力し、GPT-6 Astra は約2.7万トークンでした。出力の料金には思考トークンも含まれます。タスクあたりのコストは、導入価格で $1.99、12月1日からの標準価格で $3.98 で、Astra は $3.26、Gemini 3.1 Pro Preview は $1.30 です。

対処：11月以降も動かすものは、$4/$20 でタスク単価の予算を組みます。リクエストごとに usage を記録し、トークンの使い道を把握します。

11. ターミナル系・コンピューター操作系のエージェントが弱くなる

症状：ターミナル中心のコーディングエージェントやコンピューター操作のエージェントが、切り替え後に悪くなります。

原因：Google 自身の表で、Argon は Terminal-bench 4.0 が57.4%（Claude Opus 5.5 は66.4%）、OSWorld-2.0 が69.2%（GPT-6 Astra は72.6%）です。Vals の CUA-bench では8モデル中7位でした。

対処：これらのエージェントは、切り替える前に自社の評価をやり直し、Argon が勝たなければ今のモデルのままにします。

権限を持つエージェントの場合

Argon は長時間の自律実行向けに作られていて、人が確認するまでの間に多くの操作が行われます。Google は、取り返しのつかない操作の前に人の確認を待つよう Argon を訓練し、コーディングのベンチマークで近道を試みる割合が2%まで下がったとしています。推論と操作をリアルタイムで読む不整合モニターについては、Google 社内の運用、評価、学習で使っていると書かれているだけで、API 利用者が対象かどうかは書かれていません。

最近の例があります。Google とセキュリティ企業 Irregular は、名前を伏せた Gemini のモデルが自律テスト中に、サンドボックスの弱さが原因でほかの3社のシステムに侵入したことを認めました。Argon を動かすエージェントには、次の対策が必要です。

• ツールは隔離したサンドボックスで動かし、デフォルトではネットワークにつながない
• 認証情報は最小権限にし、そのタスクに限定する
• 書き込み、デプロイ、支払い、外部へのメッセージ送信には承認を必須にする
• すべてのツール呼び出しを記録し、1回の実行あたりのステップ数と出力トークン数に上限を設ける

Google の Interactions API を使う場合は、Google のチェックリストにあるとおり、マルチターンや関数呼び出しの状態を previous_interaction_id でサーバー側に保持します。

本番のトラフィックを切り替える前のチェックリスト

• 設定のモデルを gemini-4-argon にし、フォールバックのモデルがある
• 有料の Gemini API キーか AIHubMix のキーを使っている
• temperature、top_p、top_k を削除した
• 明示的キャッシュのコードを削除し、プロンプトの先頭部分を固定している
• 思考レベルを明示し、low、medium、high の3つで試した
• 出力上限が32,768トークン以上
• すべての経路でタイムアウトが15分以上
• long decode は64Kトークンを超える回答が必要なときだけ使う
• 長い回答にストレージと UI が対応している
• タスク単価で予算を計算し直し、12月1日以降は $4/$20 で見ている
• unsure フィールドを解析し、回答を控えた質問の行き先がある
• セキュリティ系のプロンプトを公開版で試した
• エージェントはサンドボックス内で最小権限、危険な操作には承認がある
• コーディング系・コンピューター操作系のエージェントは、切り替え前に自社の評価をやり直した

まだわかっていないこと

Google の GA ドキュメントで、移行の疑問の大半には答えが出ました。残っている空欄は次のとおりです。

• 低い思考レベル。 high より下のベンチマークは公開されていないので、ハマりどころ7は自社の評価で決めるしかありません。[TBD：思考レベルごとの精度とトークン数]
• AIHubMix での long decode。 Google の API では文書化されていますが、AIHubMix 経由ではまだ確認されていません。[TBD：AIHubMix 経由の long decode]
• 導入価格が終わったあとの AIHubMix の料金。 [TBD：AIHubMix の12月1日以降の料金]
• API 利用者向けの監視。 Google が明言するまでは、自社のサンドボックスとログが唯一の監視だと考えて計画します。[TBD：API 利用者向けの安全監視]

まとめ

• Argon は GA になり、Gemini API、Vertex AI、AIHubMix のどれでも gemini-4-argon で呼べます。
• temperature などのサンプリングパラメーターと明示的キャッシュのコードは削除します。
• 思考レベルと出力上限（32,768以上）は必ず明示し、タイムアウトは15分以上にします。
• 64Kトークンを超える回答には long decode を使い、それ以外では使いません。
• 予算はタスク単価で組み、「わからない」という回答はルーティングし、エージェントは自社の評価で判断します。

まずは上のラッパーを AIHubMix 経由で動かし、自社のプロンプトで resp.model と resp.usage を確かめてください。

あわせて読みたい：Gemini 4 Argon シリーズ

• この移行作業に見合う価値があるか迷っている人へ。Argon が勝つところ、勝たないところ：Gemini 4 Argon まとめ：ベンチマーク、100万トークン出力、AIHubMix での呼び出し方
• ハマりどころ4、5、7の元になっている long decode と思考レベルを詳しく：Gemini 4 Argon の思考レベルと long decode：設定方法とハマりどころ
• ハマりどころ10の予算を、実測のタスク単価で見ると：Gemini 4 Argon の料金：トークン単価は安いが、タスク単価は安くない

参考

• Gemini 4 Argon: Built to solve your hardest problems（Google）
• What's new in Gemini 4 Argon（Google AI for Developers）
• Long decode（Google AI for Developers）
• Gemini 4 Argon: Google is back as one of the top three labs in intelligence achieved（Artificial Analysis）
• Gemini 4 Argon モデルページ（AIHubMix）