「Carbonは一度だけ名を挙げられる。Argonが実際の作業を行う。」と記されたタイトルカードが、副題「Google Research、2026年11月13日」とともに、数え上げられた3つの事実の上に示されている。Gemini 4 Carbonは投稿本文中で1回名を挙げられ、Gemini 4 Argonは13回名を挙げられ、最大の単一成果物はCourtade-Kumar予想の5000万行に及ぶLean 4形式化である。
Engineering & Research

Gemini 4 Carbonはラボへ行った。Google自身の記事はGemini 4 Argonを13回も取り上げている

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

Lean 4の5,000万行。Courtade–Kumar予想——情報理論における2013年の成果で、ノイズを含むビット列が圧縮後どれだけ残るかに関するもの——の証明を機械検証するには、これだけの行数が必要だった。そしてこれは、2026年11月13日に「Advancing science & engineering with Antigravity's /teamwork」というタイトルで公開された研究記事の中で最大の単一成果物である。この投稿は、現在流布している主張の出典である。その主張とは、研究者がGemini 4 Carbonを物理学、数学、生命科学にまたがる多段階の問題に活用しているというものである。Carbonはその投稿に登場する。名前が挙がるのはちょうど1回だけで、冒頭にある3つのモデルのリストの中である。その下に続くケーススタディはすべて——予想、形式化されたヴェイユ予想、NMR構造決定、Goエンジン、Zirconカーネルの書き換え——本文ではGemini 4 Argon、または階層名なしの「Gemini 4」、あるいはハーネスそのものに帰されている。

それはスキャンダルでもなければ訂正でもない。それに基づいて予算を組む前に正しく押さえておく価値のある区別だ。というのも、この2つのモデルはツイートが示唆するようには互換ではなく、しかもCarbonの価格は2026年12月1日——今日から14日後——に2倍になる予定だからだ。以下では、この投稿が実際に述べていること、精査に耐える主張はどれか、ベンダー報告によるもので未再現のものはどれか、そしてGoogleの外にいる読者が今週それらのいずれをどう扱えるかを示す。

投稿、番組、そしてたった一文

Google Researchは11月13日にこれを発表し、Google FellowでGoogle ResearchのVPであるVahab Mirrokniの功績とした。冒頭段落はモデルを単一のリストで挙げている:「Gemini 4 Argon、Gemini 4 Carbon、Gemini 4 Hydrogen、およびAntigravityの/teamwork(さまざまなGeminiモデルを基盤とする)のようなマルチエージェントワークフローを用いて、これらの協働は新たなイノベーションを生み出した…」この文が、論旨におけるCarbonの存在のすべてである。その下の本文で名前を数えると、Argonは13回、Hydrogenは1回登場し、Carbonは再び登場しない。

その理由は、恥ずべきことではなく構造的なものだ。/teamwork はモデルではなくハーネスである。専門特化したエージェントのプールを動かし、各エージェントにはそのステップに必要なファイルとツールだけを与え、作業を新たな後継者へと引き継ぐことで数日間にわたる実行でもコンテキストが腐らないようにし、各プロンプトをタスクに合わせて選ばれたワークフローパターンへと振り分ける。Google が実際に売っているのはその検証レイヤーだ — Lean 4 チェッカー、未改変のテストスイート、実行シミュレータ、ハードウェアカウンター — これらは反証装置として機能し、どの候補回答が生き残るかを決める。ハーネスがオーケストレーションを担い、証明チェッカーが判定を下すのであれば、その下にあるモデルは、それを取り巻くループほどには重要ではない。Argon、2026年10月13日から有償 API で呼び出し可能なモデルこそが、キャンペーンを実行したモデルである。

Carbonがリストに入るべきだとする根拠自体は確かに存在するが、その性質は異なる。CarbonはGoogleが公開した中で最も強力な汎用モデルであり、Artificial Analysisでは現在、Intelligence Index v5.0.1で60を記録して81モデル中4位に位置している。11月13日の投稿には、それを否定する内容は何もない。また、その中にはCarbonが実際にその作業を担っていることを示す内容も何もない。

Screenshot of the Google Research blog post 'Advancing science & engineering with Antigravity's /teamwork', dated 13 November 2026 and credited to Vahab Mirrokni, showing the opening paragraph that lists Gemini 4 Argon, Gemini 4 Carbon and Gemini 4 Hydrogen alongside Antigravity's /teamwork multi-agent workflows.

検証しやすさの順に並べた結果

この投稿は研究ブログとしては異例なほど具体的で、そのおかげで、主張をどれほど印象的に聞こえるかではなく、どのような種類の証拠に裏付けられているかによって整理することができる。

• 機械検証済みで、原理上検証可能 — Courtade–Kumar の証明は Lean 4 で端から端まで形式化され、5,000万行に及び、人的貢献も明記されている。CUHK のチームが、問題を14変数の最適化に還元する候補関数を提案した。またこの分類には、約180万行・28,800回のサブエージェント呼び出しにわたる Weil 予想の形式化、91万9,000行超の一般環上のヒルベルト第10問題、1927年以来未解決のバーコフ予想、そして最近公開された非形式証明のギャップを発見・修正したとシステムが報告する3次元 Bochner–Riesz 予想も含まれる。コンパイルが通る Lean 証明は、ベンチマークスコアとは異なる種類の主張であり、その点は Google の功績に値する — ただし「生成された証明コード5,000万行」は、優雅さではなく探索量についての記述でもある。

• 測定済み、測定内容は説明されている — 分子化学の結果。自己修正ループで動作する30の専門エージェントと、物理法則に基づくスペクトルシミュレーターが、NMR構造解明ベンチマークでトップ1完全一致率95%、トップ3で100%に到達した。Googleはこれを単一エージェント性能のほぼ2倍と説明している。これはこの投稿の中でライフサイエンスに関する主張に最も近いものであり、最も引用されそうな箇所でもある。ベンチマークに使われた分子は投稿内で名指しされておらず、単一エージェントのベースライン数値は比率でしか示されておらず、独立した再現もまだ存在しない。

• ピアレビューに準じるが、アンケート付き — STOC 2027でのDeep Review。総投稿数578件のうち3分の1超にあたる投稿の著者が、草稿への自動フィードバックにオプトインした。進行中の70名の著者へのアンケートでは、90%がフィードバックは大半またはほぼすべて事実に基づくと評価し、90%が再び利用したいと回答、30%超が実質的な証明上のバグを発見したと述べ、14%が修正に1時間以上を要する技術的な不足を報告した。これらは自身の投稿について述べた自己選択による回答者であり、対照研究より弱いが、推薦の声よりははるかに強い。

• 本番システムからのエンジニアリング数値 — Zirconマイクロカーネル向けの約80万行に及ぶRustへの書き換えが単体テストを通過し、arm64で起動;libgav1を約17万行のRustへ移植して100%のビット完全一致を達成し、最終的に元のC++と手書きアセンブリより20%〜30%高速化;TPUカーネル作業では17個のJAXBenchカーネル全体で幾何平均4.09倍の高速化を報告;Connected Componentsは兆エッジ規模のグラフへスケールし、RAM使用量を6分の1に;9x9のGoエンジンは8日足らずで約2,600Eloを獲得し、KataGoの16訪問時と32訪問時の間に位置。これらは同社が公開を選んだ内部測定値であり、外部監査はなく、ほとんどの場合リリースされた成果物もない。

• 投稿には一切記載なし — コストに関する記述。キャンペーンの予算、トークン数、結果あたりの請求額のいずれも、記事のどこにも出てこない。5,000万行の証明や8日間の自律トレーニング実行を出力に含むシステムにしては、これは自らキャンペーンを計画する読者が最も知りたいと思われる欠落点である。

誰の功績かという観点でもう一度そのリストを読むと、構図がはっきりしてくる。ハーネスが結果を生み出し、検証器がそれを認定し、人間の専門家が問題を枠づけ、モデルはエンジンである——三者のうちの一つのエンジンにすぎず、その投稿はどれに頼ったのかを名指ししている。

なぜハーネスの結果はモデルの結果ではないのか、そしてその違いをどう価格付けするか

両者を混同する誘因は明白だ。ベンチマークスコアは比較できる数値であり、ハーネスの結果はワークフローについての物語だからだ。ハーネスに利害関係のない第三者によって測定されたCarbonの比較可能な数値は、Intelligence Index v5.0.1で60——81中4位——であり、その上には65のClaude Fable 5.2が、下には55のGPT-6.1 Solがいる。同じページでは、Carbonのコストはインデックスタスク完了1件あたり5.48ドル、時間はタスクあたり33.2分とされており、どちらも同価格帯の中央値を大きく上回っている。なぜなら、中央値のモデルが7860万トークンで終える処理を完了するために、Carbonは2億500万出力トークンを書き込むからだ。

Screenshot of the Artificial Analysis model page for Gemini 4 Carbon, showing an Intelligence Index of 60 and a rank of fourth of 81, a time to first answer token of 72.88 seconds, output speed of 62 tokens per second, 33.2 minutes per Intelligence Index task, input and output pricing of $2.00 and $10.00 per million tokens with a 95% cache discount, a cost of $5.48 per Intelligence Index task, 7.62 billion input tokens and 205 million output tokens, and a 1M-token context window with text, image, speech and video input.

その冗長性は、証明探索における欠陥ではない。タスクがパラメータ空間を探索し、候補をLeanで検証することであるなら、より多く書くことが手法である。タスクがサポートチケットであるなら、それは請求額になる。11月13日の投稿は第一の場合の証拠であり、第二については何も語っていない。そして、それを「Carbonが我々のエージェントのモデルだ」と読むチームは、自分たちが動かしていないハーネスから結果を借用しており、しかも自分たちにはないかもしれないタスク種別についてそうしている。

転用できるのは設計パターンであり、それはGoogleだけのものではない。並列探索、意見を持たない外部の反証者、ステップごとの新しいコンテキスト、そして生成側の推論を決して見ない批評者である。それらは一つひとつが、どのモデルを呼ぶかではなく、どのようにモデルを呼ぶかの性質である。

部外者が実際に手に入れられるもの、そして12月1日以降にかかる費用

この投稿は、最も実行に移しやすい段落で締めくくられている。外部の科学者や開発者は本日から、AntigravityとDeep Reviewで/teamworkおよび/boostを備えたGemini 4モデルを利用でき、Googleは1万人の学術研究者に最高利用枠への6か月間の無料アクセスを提供する申請受付を開始した。研究室にとって、このプログラムこそが本当のニュースだ。また、提示されている唯一の無料の道でもあるが、上限があり、申請による選考が必要で、期間限定である。

他の皆はトークンを購入します。Gemini 4 Carbonは、Googleが発表してから13日後の2026年11月10日に、有料のGemini APIで一般提供開始となりました。料金は入力トークン100万個あたり$2.00、出力トークン100万個あたり$10.00で、この料金は11月30日まで適用され、12月1日には$4.00と$20.00になります。キャッシュ済み入力は同日に$0.10から$0.20へ変わります。このモデルに無料枠はなく、処理されるすべてのトークンが課金対象で、思考トークンも含まれます。今日の料金で見積もった6週間の研究キャンペーンは、12月のコストの半分で見積もったキャンペーンであり、それは今すぐ始めるべきだという根拠か、より高い数字で請求額を試算すべき理由のどちらかです。

CarbonはOrcaRouter上でgoogle/gemini-4-carbonとして、Googleの定価に0%のマークアップを加えずにルーティングされており、カタログの他のモデルと同じキーと同じOpenAI互換エンドポイントを使用します。このことがここで地味ながら重要なのは、12月1日の変更がベンダーによる価格変更であり、パススルー料金では当社側の数字が再価格設定サイクルを待たずに当日にGoogleの数字と連動するためです。モデルページには現在の仕様範囲が掲載されています——1,048,576トークンのコンテキスト、最大65,536トークンの出力、入力はテキスト、画像、音声、動画、PDF、出力はテキスト、ネイティブのツール呼び出しと構造化出力——これはGoogle自身のローンチ投稿が公開しなかった仕様表です。

Screenshot of the OrcaRouter model page for google/gemini-4-carbon, showing a 1,048,576-token context window, a 65,536-token maximum output, multimodal input across text, image, file, audio and video with text output, tool calling and structured outputs, and pricing of $2.00 per million input tokens and $10.00 per million output tokens.

その投稿が未解決のまま残している問い

Googleは今や、20日間で、Carbonを中立のインデックスで1位にした発表、それを呼び出し可能にし独自の割引の期限を明記した一般提供の投稿、そして2つの兄弟モデルの隣のリストでそれを使用した研究投稿を公開した。公表していないのは、Carbonだけに帰属する単一の結果で、明記されたコストで、第三者が再実行できるタスクにおけるものだ。それが存在するまで、11月13日の正直な要約はツイートより狭く、より有用だ。ハーネスは機能し、検証器が興味深い部分であり、13回名前を挙げられたモデルはキャンペーンが実際に実行したものである。

この記事で比較したモデル1

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新