Gemini 4 Carbon・Hydrogen・Argonの選び方：用途と総コストで比較

日常的なコーディングやエージェントのワークフローを新しく作るなら、まずHydrogenを評価します。入力と設定を整えても解けない難しい推論課題にはCarbonを検討し、既存の評価で要件を満たしているArgonはそのまま残します。 新しい名前のモデルが登場したという理由だけで、動いているアプリを移行する必要はありません。

これは2026年11月13日に確認したGoogleの仕様に基づく選定方針です。3モデルを同じテストセットで動かした性能ベンチマークではありません。以下の課題例や費用計算は、自分の環境で比較するための材料であり、実測したモデルの成績ではありません。

HydrogenはCarbonより後に登場しました。「最も高性能なモデルか、安いモデルか」という選択に、もう一つ候補が加わった形です。GoogleはHydrogenを効率的な実行、ArgonをCarbonほど推論資源を使わない高度な作業、Carbonを深い検証が必要な難問に位置づけています。これは評価を始める手がかりです。最終的には成果物の合否、所要時間、タスク全体の請求額で判断します。出典はGoogleのHydrogenガイド（英語）、Argonガイド（英語）、Carbonガイド（英語）です。

選択を左右する違い

用途の提案は編集上の判断です。Argonが常にHydrogenより優れている、Carbonなら難問に必ず勝つ、という主張ではありません。名前、規模、発売順から万能な順位は決まりません。

2026年11月13日に撮影した公式発表です。リリースの背景を示すもので、Ofoxでの接続やモデル実測の画面ではありません。英語の発表原文。

共通機能だけではCarbonにする理由にならない

3モデルともマルチモーダル入力を受け取り、テキストを出力します。仕様には関数呼び出し、構造化出力、Computer Useなどが含まれます。ただし、画像や動画を入力できることと、それらを生成できることは別です。成果物が画像、動画、音声なら、対応する生成モデルを選びます。思考レベルを上げても出力形式の制約は解消しません。

大きなモデルにしても、アプリに足りない実行環境は用意されません。ツール呼び出しは操作の提案であり、プログラム側で実行、結果の返却、例外処理、権限の適用が必要です。UI自動化でも、モデルが指示する操作と、スクリーンショットを撮ってクリックするクライアントを分けて考えます。Computer Useのコントローラー解説で役割を確認できます。

実際の接続経路については、Hydrogen、Argon、Carbonの英語仕様を確認してください。GoogleのネイティブAPIで使える機能が、すべてのゲートウェイやSDKでも使えるとは限りません。

100万コンテキストは「入力100万＋出力100万」ではない

入力、思考、出力は1,048,576トークンの枠を共有します。入力が大きいほど、推論と回答に使える余裕は減ります。また、通常の同期リクエストの予算と、長文生成の最大能力も同じではありません。

Googleが示す既定の思考・出力予算は65,536トークンです。それを超える生成には、対応する継続処理やバックグラウンド実行が必要になります。生のHTTPリクエスト1回あたりの上限とSDKの継続動作は異なるため、非ストリーミングの呼び出しが毎回65Kの可視文字・トークンを返すと考えないでください。書籍並みの長文を生成する前に、長文生成ガイド（英語）を確認します。

根拠付きの報告書なら、まず無関係な入力を減らし、納品物を定義します。出力用の予算が残っていないリクエストは、Carbonに変えても直りません。

合格させたい仕事から選ぶ

機能実装や対話型Webアプリ

新しいワークフローではHydrogenから評価します。変更範囲、実行可能なリポジトリ、テスト、完了条件が明確な依頼なら、もっともらしいコードを書いただけなのか、実際に機能を完成させたのかを区別できます。

例えばCSVアップロード画面を作らせ、ヘッダー検証、不正行の表示、修正済みファイルの出力を求めます。プロジェクトが起動すること、不正な入力を正しく拒否すること、出力時に必要な列を保持すること、狭い画面でも操作できることが合格条件です。見栄えのよい画面でも、エクスポートボタンが動かなければ不合格です。スクリーンショットだけでは確認できません。

Argonで既に動いており、移行の利点を測定できていないなら、その構成を残します。Carbonを試す価値があるのは、複雑な依存関係や設計上の衝突が原因の場合です。パッケージ不足、ブラウザーの利用不可、テストコマンドの誤りは、先に環境を直します。

複数コンポーネントにまたがる再発バグ

断続的な再試行の競合、サービス間の状態不整合、一つ直すと別のケースが壊れる修正など、複数の仮説を同時に検討する問題ではCarbonが候補になります。深い検証を重視するという公式の説明はこの用途に合いますが、入力する証拠は依然として必要です。

失敗するテスト、最小再現例、関連ログを渡し、無関係な書き換えを禁止します。原因の説明、対象を絞ったパッチ、そのパッチがなければ失敗する回帰テストを求めてください。再現できない段階では、確信に満ちた「修正済み」より、仮説を絞る診断実験が適切な中間成果になることもあります。

モデルを切り替えるときは、現在の仮説と失敗した確認項目を引き継ぎます。「もっと頑張って」とだけ頼み直さないでください。必要なファイルが最初から渡されていなかったなら、モデル変更よりファイル追加が有効かもしれません。

PDF・表計算・矛盾する資料の比較

請求書の合計抽出、仕様書2件の比較、証拠一覧の作成など、入力と出力形式が明確ならHydrogenで最初の評価をします。矛盾する資料、曖昧な定義、文書をまたぐ推論が難所ならCarbonを評価します。Argonで安定して処理できている既存手順も有効な選択肢です。

合否は主張単位で決めます。数値にはファイル名とページまたはセル参照を付け、欠損値は欠損のまま示します。合計は文章の回答とは別に再計算し、矛盾する値を勝手に平均せず並べて示します。

同じ文書課題を各モデルに渡すための依頼例です。

添付のサプライヤー仕様書を比較してください。
要件、サプライヤーの値、単位、出典ファイル名、
ページまたはセル参照、未解決の矛盾を表にしてください。

一般知識で欠損値を埋めないでください。
定義が異なる項目は分けて扱ってください。
表の後に、矛盾を解消するために必要な最小限の質問を列挙してください。
合格条件は、すべての値を提供ファイルにたどれることです。

これは評価用に提案したプロンプトです。実行成功の報告ではなく、生成された表の正しさを保証するものでもありません。

複数段階のツール処理

モデルとワークフロー設計は別々に評価します。例えば「資料を読む → 事実を抽出する → ツールを呼ぶ → 結果を検証する → ファイルを保存する」という流れでは、実行ループにHydrogen、難しい計画やレビューにCarbonを検討できます。

役割を分けるのは境界が明確な場合だけです。計画モデルは仕様と合格基準、実行モデルは限定した変更、検証担当は成果物の確認を受け持ちます。エージェントを増やすと引き継ぎのトークン、重複コンテキスト、連携ミスも増えるため、並列化が必ず節約になるわけではありません。

互換性のない会話履歴を別モデルや別プロバイダーへそのまま渡さず、作業状態を明示的なファイルに保存し、移行先APIのツール呼び出し・結果形式に従います。ツール利用後にリクエストが失敗したら、推論能力の問題と決めつける前にGeminiのthought signature処理を調べます。

トークン単価ではなくタスクの総額を比較する

以下は2026年11月13日に確認したGoogle Gemini APIのStandard有料枠の料金で、単位は100万トークンあたりの米ドルです。Ofoxやサブスクリプションの価格、Batch・Flex・Priorityの見積もりではありません。出力料金には思考トークンが含まれます。出典はGoogle料金表（英語）です。

確認した資料ではHydrogenに同様の12月1日値上げは示されていません。将来も価格が変わらないという保証ではありません。

CarbonとArgonの単価が同じでも、タスク費用は同じとは限りません。推論の長さ、各ターンの重複入力、失敗した試行、検証、ツール料金によって変わります。これらのモデルではGoogle APIの暗黙的キャッシュを使います。従来の明示的キャッシュのリクエストを、そのまま費用削減策として流用することはできません。

キャッシュなしの基本式は次のとおりです。

モデル費用 = 未キャッシュ入力トークン / 1,000,000 × 入力単価
           + 課金対象出力トークン / 1,000,000 × 出力単価

タスク費用 = 全試行のモデル費用の合計
           + 該当するツール、実行環境、その他サービスの料金

採用したusageフィールドに思考が既に含まれているなら、二重に加算しません。実際に呼ぶAPIの集計定義を確認し、キャッシュ入力が報告される場合は、対応単価で別に計算します。

使用量をそろえた計算例

完了した1タスクで、未キャッシュ入力100,000トークン、思考を含む課金対象出力10,000トークンを消費し、有料ツールは使わないと仮定します。これは仮の使用量による計算例で、実測ではありません。

• Hydrogen：0.1 × $1.50 + 0.01 × $7.50 = $0.225。
• 11月30日までのArgon・Carbon：0.1 × $2 + 0.01 × $10 = $0.30。
• 12月1日以降のArgon・Carbon：0.1 × $4 + 0.01 × $20 = $0.60。

この比較で分かるのは単価の差だけです。成功するモデルや実際の消費量は予測していません。

推論量と再試行が増える計算例

入力を100,000トークンに固定し、Carbonの1回の試行で課金対象出力が30,000トークンになると仮定します。この試行は導入期間の料金なら$0.50、発表済みの12月料金なら$1.00です。

Hydrogenで最初の例と同じ使用量の試行を3回行うと、合計$0.675です。この仮定では、成功するCarbonの1回は導入期間中ならHydrogenの3回より安く、12月料金では高くなります。ただし実際の再試行ではキャッシュ、出力量、推論以外の失敗原因が変わるため、節約予測としては使えません。

記録すべきなのは、失敗した試行も含む合格したタスク1件あたりの総費用です。単価の低さは、十分な完了率と許容できる遅延があって初めて役立ちます。

既定モデルを変える前に小さく評価する

評価用CSVをダウンロードして、自分の結果を記録してください。英語の列名と空欄だけのファイルで、ベンチマーク点数は入っていません。実際の業務から代表例を選び、現在の手順が失敗する例も含めます。

モデルID、プロバイダー、クライアントの版、思考レベル、トークン上限、ツール設定、経過時間、使用量、結果を残します。最初の使いやすさの比較は各モデルの公式既定値で行えますが、「既定設定での比較」と明記します。Hydrogenはhigh、CarbonとArgonはmediumから始まるためです。

2回目は共通のmediumなどでそろえても構いません。ただし同じ設定名でも内部計算量が同じとは限りません。CarbonとArgonにxhighは文書化されていないため指定しません。

回答を見る前に合格条件を決めます。全モデルが通るなら、必要な遅延と総費用で選びます。失敗したら、証拠不足、無効なAPI要求、実行環境、推論のどこに原因があるかを切り分けます。ばらつきが分かるだけのケースで繰り返してください。一度勝った回答だけでは総合順位を決められません。

モデルを疑う前に利用権限と接続を確認する

Google APIの利用枠、Geminiアプリの契約、Antigravityの契約、第三者APIの残高は別の仕組みです。一般向け製品にモデルが表示されても、現在のAPIプロジェクトから呼べる証拠にはなりません。Hydrogenに無料API枠があることも、無制限の呼び出しや有料枠と同じツール利用を意味しません。

接続や要求の失敗には、既存のArgon利用ガイドとGemini APIエラーの切り分けを参考にしつつ、対象モデル自身の条件を確認します。これらの記事には対象版と日付があり、内容をHydrogenやCarbonへ無条件に適用できません。

Ofoxを使う場合は、アカウントに実際に表示されるモデルとプロトコルを起点にします。本記事は、3モデルやGoogle固有の全機能がOfoxで利用可能だと確認したものではありません。接続経路はOfox Gemini APIドキュメント、要求の検証はエラー処理ガイドを参照します。テキスト応答1件の成功だけでは、ストリーミング、構造化出力、ツールの往復処理を検証したことにはなりません。

新規アプリなら、範囲を限定したHydrogenの課題と入力、合格基準を保存するところから始めます。既存のArgonアプリなら動いている版を基準として残します。推論の難しさが原因だと切り分けたケースでCarbonを評価し、追加の時間と費用に見合う成果が得られる場合に採用してください。