Gemini 4 Pro「argon」流出画像を検証　Googleがまだ認めていないこと

拡散しているGemini 4 Proのスクリーンショットは、興味深い内部実験の兆候ではあっても、正式な製品発表ではない。9月14日付の投稿では、モデルの内部コードネームを**「argon」**とし、非常に大きいコンテキストと出力上限が示されたとされる。しかしGoogleは、コードネーム、画面の真偽、ベンチマーク、API提供、価格、発売時期のいずれも公表していない。815

流出画像で主張されている内容

元のSNS投稿とその後のリーク報道によれば、この画像はGemini 4 Proによるビジュアル生成を、高負荷（high effort）設定で実行した場面だという。生成には2.4分かかり、画面には出力上限25万6000トークン、コンテキストウィンドウ200万トークンが表示されていたとされる。適応型推論（adaptive reasoning）を採用している、という説明もある。815

ただし、これらは内部ビルドの特性とされる情報にすぎず、出荷時の仕様ではない。スクリーンショットが実在するテスト環境を映していたとしても、その上限が本番環境で適用されるのか、どの入出力モダリティーに対応するのか、料金はいくらか、第三者評価でどの程度安定して性能を出せるのかは分からない。

Googleは過去にGemini 1.5 Proで200万トークンのコンテキストウィンドウを提供している。このため数字そのものは不自然ではないが、それは今回の流出情報の真正性や、Gemini 4 Proが同じ上限で発売されることを裏づけるものではない。1

本題は画像品質より「長時間動くコーディングエージェント」か

報じられた生成画像への反応は割れている。画像だけで、最先端の画像生成モデルを明確に上回ったとは言いにくい。一方、長大なコンテキスト、非常に大きい出力、推論負荷を調整できる仕組みが組み合わさるなら、重要度は画像品質だけにとどまらない。

公開モデルとして実現すれば、大規模なリポジトリーを扱うソフトウェアエージェントでの活用が想定される。コードとドキュメントをより多く一度に読み込み、複数ファイルにまたがる実装方針を組み立て、大きめのパッチを出し、ツールを使う長い処理を反復する、といった用途だ。以前のGemini 4関連リークも、コーディング、長時間のワークフロー、大きなコンテキスト処理を強みとして挙げているが、仕様や評価結果は未検証だと明記している。3

重要なのは、トークン上限の大きさは容量の主張であって、リポジトリー規模のソフトウェア開発を確実に遂行できる証明ではないことだ。実運用での価値は、コードの正確性、ツール実行の信頼性、長文脈での情報検索・想起、遅延、コスト、そして複数ステップの作業で失敗した際の立て直しに左右される。

確認済みのGeminiロードマップとの関係

未確認のGemini 4 Proテストが注目される背景には、Googleが公表してきたProモデルの計画がある。

• Googleは2026年2月にGemini 3.1 Proをリリースした。4
• 5月のGoogle I/Oで、GoogleはGemini 3.5 Proを開発中であり、翌月の投入を見込むと説明した。17
• その6月目標はずれ込んだ。Reutersは7月、Googleがとくにコーディング能力の改善に取り組むなか、フラッグシップモデルが予定より遅れていると報じた。18
• 同月後半、GoogleはGemini 3.5 Proをパートナーとテスト中であり、Gemini 4のトレーニングを始めたと明らかにした。17

ここから言えるのは限定的だ。Googleには遅延したProモデルの投入計画があり、次世代モデルの開発にも着手していた、ということにとどまる。Gemini 3.5 Proが正式に中止されたこと、「argon」がGemini 4 Proの公式コードネームであること、あるいは10月の一般公開が決まったことは、いずれも確認されていない。

引用した報道時点で、GoogleはGemini 4のモデルカード、公開APIのモデルID、価格、ベンチマーク報告、文書化されたコンテキスト上限を公表していなかった。7

なぜGemini 4 Proが戦略上重要なのか

Gemini 3.5 Proの遅延が注目されるのは、課題として報じられたのが開発者や企業にとって重要な最前線AIの用途であるコーディングだったためだ。18 Reutersによれば、期待されていたProモデルがパートナー試験の段階にある間も、Googleは軽量なGeminiモデルを投入し続けた。17

仮にGemini 4 Proが登場するなら、200万トークンといった数字だけでは不十分だ。開発者が確かめたいのは、主に次の点になる。

• 推論の質：高負荷モードが、追加の時間とコストを正当化できるほど難しい作業を改善するか。
• コーディングエージェントの信頼性：複数ファイルへの正しい変更、ツール実行、一貫した計画の維持を行えるか。
• 長文脈の実効性：巨大なコードベースを入力できるだけでなく、必要な情報を正確に取り出して使えるか。
• マルチモーダル性能：画像などの生成品質が、単に機能として存在するだけでなく競争力を持つか。
• 導入コスト：レイテンシー、トークン単価、レート制限が、デモ以外の長時間エージェント運用に耐えるか。

Gemini 3.8 Flashの状況は、製品の位置付けがなぜ重要かを示している。Artificial Analysisは、高推論設定での同モデルを59点と報告しており、Gemini 3.7 Flashから3点の上昇となった。Flashモデルとして意味のある改善ではあるが、複雑で長期的なタスクで性能が実証された、広く利用可能なPro級フラッグシップの代わりにはならない。14

次に注目すべき証拠

次に意味を持つのは、一次資料か再現可能なアクセスだ。Googleによる発表、モデルカード、API一覧、料金ページ、技術報告書、独立機関のベンチマーク結果が必要になる。それまでは、このスクリーンショットを「野心的な目標を掲げた内部実験についての報告」と見るのが妥当だろう。

要点は明快だ。主張されている25万6000トークン出力と200万トークンのコンテキストは、実装されればコーディングエージェントにとって非常に重要になり得る。しかし、それが実際に製品として提供されることを示す公開証拠は、まだない。815