「Gemini 4 Neon's Stickman Game」と表示された生成タイトルカードがあり、サブタイトルは「デモではなく、swarm の主張」。その横に2枚のカードがある。左の「成果物」には、62.5秒・756 x 403の動画が挙げられており、プロンプトも設定も記録されていないブラウザゲームをプレイしている。右の「記録」には、日付付きのGoogle投稿3件——11月10日 /swarm 出荷、11月12日 Orchestrator 出荷、11月18日 Neon 出荷——が挙げられ、フッターには「投稿されたクリップ1本、日付付きGoogle投稿3件、未検証のトレーニング主張1件。」とある。
Guides & Insights

Gemini 4 Neonの棒人間ゲーム:デモではなく、スウォームの主張

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

2026年11月19日20:41 UTC、@chetaslua として投稿しているアカウントが、2人用の棒人間格闘ゲームの62.5秒の動画と4文のテキストを投稿した。そのゲームは「Gem​ini 4 Neon の群れによって作られた、純粋な JS コード」だと述べていた。そのモデルは「独特の好みを持ち、O​penAI や A​nthropic とは良い意味で異なる」と述べていた。そして要となる一文:「蒸留を行わず、RSI に時間をかけることの利点が今、表れている」。その時点で Gem​ini 4 Neon は一般提供開始から1日しか経っておらず、11月18日に公開され、Gemini 4 Carbon と Gem​ini 4 Hydrogen はすでにそれより先に提供されていた。したがって、これはリークでもプレビューでもない。これは、どのようにモデルが構築され、どのように使われたかについての主張であり、公開から1日後に、G​oogleではない人物によって、動画を添えて、それ以外何も付けずに発表されたものである。

これまでNeonについて書かれてきたことの大半は、その数値に関するものだった。そしてその数値は本当に興味深い。Extra High設定でのArtificial Analysis Intelligence Indexは61、Coding Agent Indexでは58.6で1位、そしてデフォルトのエフォートレベルはタスクあたりのコストでCarbonを下回る。本稿は投稿のもう半分、つまりこのモデルはスウォームの産物であり、G​oogleがどこにも記述していない訓練哲学の産物でもあるという半分についてだ。これらは切り離せる主張である。そのうち一方は、G​oogleによって日付付きでほぼ完全に文書化されていることがわかる。もう一方には公開された裏付けがまったくなく、両者の違いこそが有益な部分だ。

'made by swarms' が実際に名指しているもの

「swarms」を訓練に関する開示――再帰的に自分自身のコピーの群れによって構築されたモデル――と読む誘惑がある。投稿のどこにもそれを裏付けるものはなく、Google自身の公表物はすべて別のところを指し示している。Gemini 4の記録でswarmと呼ばれているものはちょうど1つだけあり、それは製品機能であって、訓練手法ではない。

2026年11月10日、Antigravityチームは「Gemini 4 Carbon and /swarm」というタイトルの投稿を公開しました。該当する文はモデルではなく、ハーネスについての説明です:/swarmは「プロンプトをエージェント群に渡します。すなわち、分離されたgit worktree内で編集が決して衝突しないよう、専門化された並列ワーカーを起動するコーディネーターと、テストの実行および差分への異議申し立てを専門とする敵対的検証者です」と説明しています。すべてのエージェントは「共有された追記専用のメッセージボード」上で協働し、アイドル時にはトークンコストゼロで待機し、エージェントが入力を必要とした瞬間にアクティブになります。エージェントは異なるモデルに固定できるため、コーディネーターがあるモデルで推論し、ワーカーが別のモデルで書くことができます。

それは通常の工学的な意味でのスウォームだ。共有キューと検証ステップを備えた並列プロセスである。これはGem​ini 4 Neonがどのように訓練されたかについては何も語っていない。投稿者がそれを意味したのか、それとももっと緩い意味で言ったのかは、4つの文からは復元できない。だが、その主張を記録と照らし合わせようとしているなら、記録上のスウォームは日付付きのAntigravity機能にすぎない。

Google​が公開した2人用の詳細

ここで、この投稿は興味深い形で曖昧さを脱している。Gem​ini 4 Neonを発表するAntigravityの投稿(11月18日公開)には、キャプション付きのデモ動画が含まれており、そのキャプションには次のように書かれている。「/swarmを指定してGem​ini 4 Neonを使用すると、Antigravityは、エージェントが2人目のプレイヤーとしてプレイする間に、組み込みブラウザーで動作する多層2人用ゲームをスキャフォールドする。」

それをツイートと並べて読んでみてください。動画の前日に公開されたベンダー自身のドキュメントから作られた、スワームによってスキャフォールドされた多レベル2人用ゲームで、エージェントを2人目のプレイヤーとし、ブラウザ上で動作するものです。ツイートは、それがAntigravityから出たとは述べておらず、アプリもAPIもAI Studioも名指ししておらず、プロンプト、エフォートレベル、トークン数、ソースファイルのいずれも示していません。しかし、2人用ブラウザゲームへの公に実証されたスワーム経路はAntigravityのものであり、それがまさにこのモデルで動作するものとして文書化されています。

それはクリップを検証しない。ベンダーによるキャプション付きデモと第三者の動画は別種の証拠であり、どちらも仕様ではない。それが実際に果たすのは、投稿の興味深い部分を具体的にすることだ。「群れによって作られた」は、その語をGoogle自身の資料が意味する通りに解するなら、訓練についての主張ではまったくない。それは、すでに9日間提供されているハーネスについての主張である。

スウォームを記録する3つの日付

swarmの話にはタイムラインがあり、これはほとんどのローンチ週の主張が得るものより多い。3件の項目はすべて、AntigravityブログにあるG​oogle自身のものだ:

• 2026年11月10日 — Gemini 4 Carbon は次を搭載して提供開始: /swarm(プレビュー版)。コーディネーター、隔離されたワークツリー内の並列ワーカー、敵対的検証者、共有メッセージボード、ロールごとのモデル固定。

• 2026年11月12日 — Gemini 4 Hydrogen は Orchestrator を搭載して提供されます。Orchestrator は、単一のトラジェクトリ内で Hydrogen とより強力なモデルの間で作業をやり取りするドロップダウンオプションです。投稿では、Terminal-Bench 4.1 において Carbon に近いタスク成功率を達成すると主張し、クォータ消費を24%削減し、19%高速に完了すると述べています。また、「数万のスワーム」が/swarmが公開されて以来

• 2026年11月18日 — Gemini 4 Neonが出荷され、OrchestratorはNeonをプランナー、Hydrogenをエグゼキューターとする組み合わせを新たに備える。同じ投稿では、NeonはデフォルトのHigh思考レベルでタスクあたりCarbonより32%安く実行でき、Extra HighではArtificial Analysis Intelligence Indexで61を記録すると主張している。

A generated single-column scoreboard titled 'Gemini 4 Neon — the scoreboard' with six rows: swarm harness /swarm, preview 10 Nov 2026; Orchestrator role planner, paired with Hydrogen; AA Intelligence Index 61 at xhigh; default effort high, 32% cheaper per task; cost per index task $6.44; training disclosure none published. A footer reads 'Per Google Antigravity posts and Artificial Analysis; RSI and distillation claim unaudited.'

それがGem​ini 4 swarmsに関する公開説明のすべてであり、製品についての説明である。3つの投稿すべてに欠けているものに注目しよう。「蒸留」「自己改善」「強化学習」「ポストトレーニング」という語は出てこない。ルーティングについてのOrchestratorの段落は、モデルではなくシステムとしてモデルの振る舞いを説明することに最も近いが、それは明示的に推論時のモデル選択についてであり、トレーニングについてではない。

Screenshot of the Artificial Analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 ranked 6 of 95, $3.00 input and $15.00 output per million tokens, $6.44 cost per Intelligence Index task, 21.5 minutes per task against a 12.4-minute median, 283 million output tokens during the evaluation against a 65.4-million median, a verbosity rank of 92 of 94, and a 3.482% output-to-input token ratio.

RSIの主張は領収書なしで届く

記事の後半は、その背後に裏付けとなる文書が存在しない部分であり、なぜそうなのかを正確に述べておく価値がある。というのも、その主張は明らかに間違っているわけではないからだ——それはある特定の仕方で検証不能なのだ。

まず頭字語から見てみよう。この文献では「RSI」は少なくとも二つの異なる意味で使われている。一つは再帰的自己改善で、モデルが後継モデルの改善に関与することを意味する。もう一つは棄却サンプリング反復で、サンプリング、フィルタリング、そして生き残ったサンプルへの微調整を何度も繰り返すことを意味する。「RSIに時間をかける」は、どちらかといえば前者のように読める。どちらの読み方も訓練パイプラインについての主張であり、G​oogleは両者のどちらかを選べるようなものは何も公表していない。ましてや一方を裏付けるものとなればなおさらだ。

それを掲載するはずのページを確認する。DeepMindのGeminiモデルページでは、Gem​ini 4 Neonが「2026年11月」の下に日付なしで掲載されており、能力、価格、提供状況について述べている。蒸留、自己改善、強化学習、ポストトレーニングについてはどこにも言及していない。Antigravityの投稿はハーネス統合に関するものだ。モデルカードは、通常ならトレーニングプロセスに関する主張が現れる場所だが、Neonのカードにはそれが載っていない。7つの欄が同じ文言「Gem​ini 4 NeonはGemini 4 Carbonから適応されたものだ」を記載し、Carbonカードを指しており、パラメータ数もなく、「distill」「prune」「quantize」の出現もない。

その最後の点によって、ツイートの前半と後半は互いに緊張関係に置かれる。「Gemini 4 Carbon から適応」は派生元を示す記述だ。別のモデルから適応されたモデルは、一見したところ、蒸留なしで構築されたモデルではない——ただし「適応」が私たちの誰にも見えない働きをしているのでなければ。その投稿は、モデルの出自に関する唯一の公式文書が存在の可否を明言していない技術について、それが存在しないと主張している。すべて真実かもしれない。しかし検証はできず、その主張をしている人物は根拠となる過程を示していない。

同じ文の反証可能な部分は検証しやすく、数字が効いてくるのもそこだ。もしNeonが本当に忍耐強く、蒸留されていない訓練プロセスの産物なら、速さではなくトークンあたりの能力にその見返りが現れると期待するだろう。独立系トラッカーが示すのは、能力がありながら異例に実行コストが高いモデルだ。Extra Highでインデックスは61だが、インデックスタスクあたり6.44ドル、タスクあたり21.5分(中央値12.4分に対して)、インデックス実行中に生成された出力トークンは2億8300万(中央値6540万に対して)で、冗長さの順位は参加モデルの中で最下位近くになる。これは長時間考えるモデルと整合するプロファイルだ。また他の多くのこととも整合する。それは訓練に関する問いにどちら向きにも決着をつけないし、公表された数値もそうしない。

このクリップが立証することと、立証しないこと

哲学を剥ぎ取ると、その成果物はそれを取り巻く議論よりも薄っぺらくなる。動画は756×403で、長さは62.5秒、ブラウザで動作する2人用の棒人間格闘ゲームを映している。投稿にはプロンプトも、モデルのバージョン文字列も、思考レベルも、トークン集計も、コードを1体のエージェントが生成したのか40体が生成したのかという記述もない。「Pure JS code」は出力言語についての主張であり、コードがどのように生成されたかについての主張ではなく、品質の尺度でもない。

そのクリップが実際に示していることは、限定的ではあるが確かなものだ。すなわち、素のJavaScriptでブラウザからプレイできる2人用ゲームを、このモデル上でスウォーム・ハーネスを通じて作成できるということ、そして一般提供開始から1日以内に誰かがそれをやってのけたということだ。これは能力の実証であり、ベンダー自身の投稿もその輪郭を裏づけている。一方、このクリップが示せていないのは、学習に関する主張だ。デモはそうした主張を裏づけられないからである。学習プロセスから棒人間ゲームに至る因果の連鎖は、あまりに多くの意思決定を経るため動画の中では見えず、関係者の誰も、それを再実行できる設定を公開していない。

ここが、この投稿全体を誠実に読んだときに最終的に行き着くところだ。swarm の部分は文書化され、日付も示され、原理的には再現可能である。学習の部分は、実際には行っていない作業について観察者が述べた主張であり、検証可能にする唯一のもの、つまり出典なしで公開されている。前者を出荷済み機能の説明として、後者を流布している仮説として扱えば、この投稿は単に興味深いだけでなく役に立つものになる。

確認できるテストのバージョン

スウォーム主張がハーネス主張であれば、それは自分のトラフィックで検証できるが、訓練主張ではそれはできない。必要な部品はコーディネーター、ワーカー、検証者であり、最も安価な版は各役割をすでに呼び出せるモデルに固定することだ。

• ブリーフを記録する — プロンプト、エフォートレベル、各ロールに固定したモデル。この3つがなければ、再実行は別の実験になる。

• 計測すべきはループであり、成果物ではない — 総トークン数、実時間、そしてその差分が合格するまでに何回の検証ラウンドを耐え抜いたか。

• 検証役は敵対的なままにしておく — Antigravityの設計では、ビルダーと、その出力を壊すことに専念するものを組み合わせており、この2つ目の役割が品質面の作業の大半を担っている。

今日どこでこれを動かせるかについての実用的な注意点です。Gem​ini 4 Neon は OrcaRouter のカタログには含まれていません。同カタログには現在 217 個のモデル識別子が登録されており、Gem​ini 4 ファミリーでは google/gemini-4-carbon と google/gemini-4-argon のみで、いずれも100万トークンあたり入力 $2.00、出力 $10.00、キャッシュ読み取りは $0.10 と記載されています。つまり、こちら側でコーディネーターとワーカーを分けるということは、Neon に固定するのではなく、この2つに振り分けるということであり、それを表現する場所がルーティング DSL です。プランナーとエグゼキューターを1回の呼び出しにまとめれば、フェイルオーバー経路によって、停止したワーカーが実行全体を巻き添えにすることがなくなります。比較のために言うと、同じ Neon のトラフィックは公表レートでは100万トークンあたり $3.00 と $15.00、バッチとフレックスはその半額であり、これがあなたが構築するあらゆるハーネスと突き合わせるべき数字です。

Screenshot of the OrcaRouter model page for google/gemini-4-carbon, showing the model header labelled by Google dated 2026-11-10, a 1,048,576-token context window accepting text, image, audio, video and documents and returning text, both the /v1/chat/completions and v1beta generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, a 10.60 s performance figure, zero-data-retention availability, and an OpenAI-compatible Python sample calling google/gemini-4-carbon through https://api.orcarouter.ai/v1.

注目に値するのは、次のクリップではない。誰か——Google であれ、これを投稿した人であれ——が、明示された effort level で Gemini 4 Neon 上の swarm 実行から tool-call log または token count を公開するかどうかだ。そうなればデモが測定になり、swarm の主張を、出荷済み機能に対して行うべきように検証できるようになる。RSI の主張には別のものが必要だ。現在どの Google ページにも存在しないトレーニング開示であり、それが存在するまでは、それについて最も正確に言えるのは、誤りであるというより未確認であるということだ。