Gemini 4 Argonは、2026年10月13日よりGemini APIの有料プラン向け安定版モデルgemini-4-argonとして一般提供（GA）が開始されました。Google AI ProおよびUltraの登録ユーザーはGeminiアプリ内でも利用でき、UltraユーザーはAntigravityでも利用可能です。APIの無料枠はありません。Gemini 4 Argonをコーディングエージェントとして利用する場合の確定スペックは、入力・思考・出力で共有される1,048,576トークンのコンテキストウィンドウ、デフォルトで1リクエストあたり最大65,536出力トークン（バックグラウンドモードでは最大約100万トークン）、コーディングベンチマークのDeepSWE v1.1で77.9%というトップスコアを誇る一方、Terminal-bench 4.0およびFrontierSWE v2では他モデルに遅れをとっています。価格は11月30日まで入力100万トークンあたり2ドル、出力100万トークンあたり10ドル、12月1日からは4ドルと20ドルに改定されます。
もはや「モデルを使えるかどうか」が問題ではありません。真の課題は、新たなフロンティアモデルの登場がタスク管理ボードにもたらす混乱です。新モデルが登場するたびに環境全体を再構築しようとすると、どのエージェントがどのモデルで動作しているのか誰も把握できない状態が1週間も続くことになります。すでに信頼できるモデル上でGemini Agentが実際のタスクを順調に処理しているなら、Argonへの移行は1台のComputer上で値を1つ書き換え、前回の結果と比較検証するためのタスクを1回走らせるだけで済みます。ただし、このガイドを進める上で1つ注意点があります。GoogleはGemini CLIがArgonを正式サポートしているとは明言していないため、実際のタスクを任せる前に、手元のComputerで動作を確認する必要があります。
要約（TL;DR）
接続済みのComputerにGemini CLIをインストールし、有料のGemini APIキー、Gemini Enterprise Agent Platformキー、またはCode Assist（Standard／Enterprise）のライセンスで認証します（一般向けGoogleアカウントは6月18日にGemini CLIの利用権を喪失しており、ProやUltraのサブスクリプションはAPIキーの代わりにはなりません）。RuntimeがAvailable（利用可能）と表示されていることを確認し、その上にAgentを作成して、モデルをgemini-3.8-flashに固定します。次に値を1箇所だけgemini-4-argonに変更し、1行のスモークテストを実行して再スキャンを行い、以前実行したTaskを再度実行して結果を比較してください。ヘッドラインの宣伝文句ではなく、ベンチマークの具体的な項目に基づいてルーティングを判断しましょう。
判明している仕様と未確定の要素
2026年10月15日現在の状況：Googleは9月30日、Fairwindプログラムに参加するサイバーディフェンスパートナー向けにArgonを発表し、Gemini APIの変更履歴には10月13日にgemini-4-argonが一般提供されたと記載されています。また、Googleの価格設定ページによると、Argonは無料枠では提供されておらず、Batch推論およびFlex推論は標準料金の半額に設定されています。
コーディングチームにとって重要となる、Google公式の評価テーブルの数値は以下のとおりです：
| ベンチマーク | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| DeepSWE v1.1 | 77.9% | 74.1% | 74.2% |
| FrontierSWE v2 | 55.0% | 65.5% | 62.3% |
| Terminal-bench 4.0 | 57.4% | 58.2% | 66.4% |
| GraphWalks 256K to 1M (F1) | 84.2% | 71.8% | 66.8% |
| OSWorld-2.0 (offline subset) | 69.2% | 72.6% | 報告なし |
ただし、Googleが公表している測定方法の注記を踏まえて確認する必要があります。GoogleはArgonのDeepSWEおよびTerminal-benchのスコアを自社で計測していますが、競合モデルの数値の大半は各ラボの自己申告値または公開リーダーボードからの引用です。テスト用のハーネス環境によって結果は変動します。リリース以降、Cursorは自社のCursorBench（デフォルトeffort）でArgonのスコアを52.8%と報告しており、Opus 5.5と同等と位置付けています。詳細な項目別分析は、3モデル徹底比較記事をご覧ください。
実際の運用に影響を与える仕様変更が3点あります。第1に、100万トークンのウィンドウは共有枠であるため、大規模リポジトリの読み込み量が増えるほど出力に使える領域が少なくなります。第2に、同期リクエストはデフォルトで65,536出力トークンで打ち切られるため、最大出力を引き出すにはInteractions APIのバックグラウンド長文デコード（完了まで数分かかる場合があります）が必要です。第3に、Argonでは明示的なキャッシュ機能が廃止され、temperatureパラメーターも無視されるため、これらを含むGemini 3時代の古い設定は見直す必要があります。なお、ナレッジカットオフ、Vertex AIでの提供時期、Gemini CLIに関する公式発表は依然として未公開のままです。
ステップ1：Computer上にGemini CLI Runtimeを用意する
この手順には、Argon登場以前から存在する落とし穴があります。6月18日、Gemini CLIはGoogle AI Pro、Google AI Ultra、および無料の個人向けCode Assistアカウントへの対応を終了し、これらのユーザーはAntigravity CLIへと移行されました。Googleの移行案内にあるとおり、Gemini CLIの利用には有料のGemini APIキー、Gemini Enterprise Agent Platformキー、またはCode Assist Standard／Enterpriseライセンスが必要です。個人向けGoogleアカウントでのログインではRuntimeとして機能せず、ProやUltraのサブスクリプションも同様に対象外です（Geminiアプリ内では両プランともArgonを利用できますが、CLIの認証には使えません）。自律型エージェントを実行するなら有料APIキーを取得するのが最も確実であり、そもそもArgonの利用には有料キーが必須となります。
作業を実行するComputer上でGemini CLIをインストールまたはアップデートし、まずは通常のターミナルで動作を確認します：
export GEMINI_API_KEY="your-paid-project-key"
gemini -m gemini-3.8-flash -p "Reply with the word ok."
「ok」と返答があれば、そのホスト上でツールが正常に機能しています。続いてComputerの詳細画面を開き、再スキャンまたは接続テストを実行してください。Gemini CLI Runtimeのステータスが「Available」となれば成功です。「Detection failed」と表示されたり未ログインと報告されたりした場合は、詳細ページの指示に従って対処し、再度スキャンを行ってください。各ステータスの詳細はSharklyのComputers解説で説明しています。
ステップ2：Agentの作成とモデル設定の仕組み
Sharkly側で直接モデルを選択することはありません。Agentsのドキュメントにも明記されています。「AgentはRuntimeのデフォルトモデルに従います。特定のモデル名を保証または表示することはありません。」モデルを変更する場合、AgentやRuntimeのCustom arguments（カスタム引数）を指定するか、RuntimeやComputerのツール構成を変更する仕様となっており、Agent設定画面にモデル選択のドロップダウンは存在しません。
Agentはタスクの進め方を定義し、Computerは実行ホストを提供し、Runtime（ここではGemini CLI）がエージェントセッションを実行し、Taskが共通の実行記録として残ります。「Agents」メニューの「New Agent」からAgentを作成します。先ほどのComputerとGemini CLI Runtimeを選択し、デフォルトの作業ディレクトリを「Create temporary directory」に設定（各Taskに独立したディレクトリが割り当てられ、リポジトリを扱う実行でもクリーンなworktreeが確保されます）して、指示内容は簡潔に保ちます。その他の実行設定についてはSharklyのAgents解説を参照してください。
モデルの指定はGemini CLI側の設定で行います。Gemini CLIは公式ドキュメントで規定された優先順位に従ってモデルを決定します。まず-mまたは--modelフラグ、次にGEMINI_MODEL環境変数、続いてsettings.json内のmodel.name、最後にデフォルト値であるautoの順です。Computer上のGemini CLIユーザー設定ファイル（~/.gemini/settings.json）は、そのユーザーのすべてのGemini CLIセッションに適用されます：
{ "model": { "name": "gemini-3.8-flash" } }
# Agent環境変数：このAgentの実行にのみ適用
GEMINI_MODEL=gemini-3.8-flash
# またはAgentのCustom argument（Runtimeへの追加引数）
-m gemini-3.8-flash
通常は設定ファイルで指定するのが最も安全です。Agent単位のルーティングは、1台のComputerで複数のAgentをホストし、そのうち1つだけを新モデルに移行したい場合に役立ちます。全体に適用する前に、まずは1つのAgentでテストしてください。モデルをautoのままにしておくと、負荷やクォータエラー時に別のモデルへフォールバックしてしまい、公平な比較検証ができなくなるため、モデルは必ず明示的に固定（ピン留め）しておきましょう。
ステップ3：1つのAgentをArgonに切り替える
キーの認証トラブルとCLIの問題を混同しないよう、まずはAPIの直接呼び出しから検証します。対象のComputerから以下のリクエストを送信してください（Google公式のリクエスト形式です）：
curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-X POST \
-d '{
"model": "gemini-4-argon",
"input": "Your prompt here",
"generation_config": {"thinking_level": "medium"}
}'
これで応答が返ってくれば、そのキーでArgonを呼び出せる状態であることが確認できます（thinking_levelにはlow、デフォルトのmedium、highが指定可能です）。次に、Gemini CLI経由で試します：
gemini -m gemini-4-argon -p "Reply with the word ok."
この記事の記述ではなく、このスモークテストの成功こそが動かぬ証拠となります。GoogleはGemini CLIがArgonをサポートしていると公式には発表しておらず、10月1日時点のCLIソースコードにもArgonに関する記述はありませんでした。もしプロンプトが失敗した場合は、Gemini CLIをアップデートし（sharkly computer updateで特定のRuntimeのCLI更新を要求できます）、再試行してください。それでも失敗する場合は、AgentをFlashのまま据え置けば、タスク管理ボードの運用を止めることなく安全に対処できます。
テストが成功したら、設定値を1箇所だけ変更します。model.name、GEMINI_MODEL、または-m引数のいずれかを更新してください。Computerの詳細画面から再スキャンを実行し、「Available」になっていることを確認します。その後、以前Flashで実行済みのTaskを1件割り当て、Task画面に戻ってきた実行結果（差分コード、Agentが実行したテスト・チェック内容、レビュアーが修正を余儀なくされた箇所）をFlashの結果と直接比較します。
| 設定項目 | Argonへの移行時 | 理由 |
|---|---|---|
モデル設定値（model.name、GEMINI_MODEL、または-m） |
gemini-4-argonに変更 |
モデル名を指定する唯一の行 |
| Gemini CLIバージョン | 更新が必要な場合あり | Gemini CLIでのArgonサポートが公式未検証のため |
| 認証情報 | 有料キー、Agent Platformキー、Code Assistライセンスのまま維持 | 無料API枠がなく、Pro/UltraプランはGemini CLI非対応のため |
| 指示（Instructions）、Skills、リポジトリ、作業ディレクトリ | そのまま維持 | これらは作業内容を定義するものであり、モデルに依存しないため |
| Taskごとのタイムアウト時間 | 要見直し | Google公式アナウンスにより、難度の高いプロンプトでは数分要する場合があるとされているため |
| トークン料金 | 11月30日まで$2/$10、以降$4/$20 | 3.8 Flashは12月31日まで$0.75/$3.75で据え置き |
| Task、ボード、レビュー工程 | そのまま維持 | 結果の集約先は変わらずTaskであるため |
Argonに任せるべきタスク、任せるべきでないタスク
Argonを割り当てるべきケース：ごくわずかなコード変更のために膨大なコードベースを読み込む必要がある作業や、全体の一貫性を保ちながら大規模な変更を一括生成する作業です。具体的には、大規模リポジトリをまたぐモジュール横断的な不具合対応や、数千行規模のマイグレーションなどが挙げられます。Googleのベンチマークでも、ロングコンテキスト性能（GraphWalks 256K〜1MでAstraの71.8%に対し84.2%）やDeepSWEでの首位獲得がこの強みを裏付けています。Google社内でも、最大80万行以上のC/C++からRustへの移植プロジェクトでArgonが活用されていますが、本番環境への投入前には現在も人間による綿密な監査とレビューが実施されています。成果物を人間が適切にレビューできるよう、タスクのスコープは適切に区切ってください。100万トークン規模のエージェント実行は、処理速度の恩恵を得る前にレビュー負荷の壁に直面することになります。
Flashや他のRuntimeを維持すべきケース：ターミナル操作が中心となるタスク（Terminal-bench 4.0ではOpus 5.5がArgonに9ポイントの大差をつけています）、FrontierSWEに類似したタスク（Astraが10ポイント以上リード）、GUI操作を伴うタスク（AstraがOSWorld-2.0でリード）、あるいは日常的な定型バグ修正などです。コスト面でも、Argonのトークン単価は11月30日までFlashの約2.7倍、12月には5倍以上に跳ね上がります（Argonの値上げはFlashより1か月早く適用されるためです）。同じタスクボード上にあれば、Claude CodeやCodexのAgentへワンクリックで再割り当てできます。タスクに応じたモデル選定ガイドを参考にチーム内のルーティングルールを明文化し、誰がアサインしても一貫した判断ができる体制を整えましょう。
ただし、いずれの基準も手元の実際のリポジトリでArgonをテストしてみるまでは確定的なものとは言えません。
環境設計はそのままに、モデルだけを入れ替える
この運用の根底にあるのは「プロバイダー中立性」の設計思想です。フロンティアモデルは次々と登場し、分野ごとに勝者が目まぐるしく入れ替わります。新モデルが出るたびにワークフロー全体を作り直していては、毎月再構築に追われることになってしまいます。タスクの割り当て、コンテキスト、進捗状況、ブロッカー、成果物、そして人間によるレビューの仕組みを1箇所に集約しておけば、モデルは単にComputer上で切り替える「1つの設定値」に過ぎなくなります。リサーチ、実装、テスト、レポートはAgentが担当し、方向性の提示、権限の付与、最終承認は人間が行うという役割分担が成立します。
小規模な環境で複数のGeminiセッションを並行稼働させる場合は、Taskごとにworktreeを分ける運用が有効です。具体的な手順はGemini CLI並行実行ガイドで解説しています。手動でworktreeを構築することもできますし、Sharklyを導入してワークフロー全体の管理を効率化することも可能です。
