MIDM K 3.0 Pro vs Gemini 4 Argon：価格は10倍、インデックスは50ポイント差

最も安価に比較できる方法は、Mi:dm K 3.0 Pro と Gemini 4 Argonをスペック表で見ることではなく、割り算で比べることだ。Gemini 4 Argon の費用は入力トークン100万個あたり $2.00、出力トークン100万個あたり $10.00 で、Artificial Analysis の測定では Intelligence Index のタスクを1回実行するのに $1.99 かかる。Mi:dm K 3.0 Pro の費用は $0.20 と $0.80 で、Intelligence Index のスコアがないためインデックスタスクのコストはない。したがって、正直な捉え方は「安いモデル対高いモデル」ではない。能力1単位あたりのコストが既知の測定済みモデルと、トークンあたりのコストが既知の未測定モデルを対置するものであり、この2つの事実を互いに差し引くことはできない。できるのはリスクを価格に織り込むことだ。韓国製モデルが実際のワークロードに当てても価格優位が生き残るには、どのスコアを出す必要があるかを算出し、その数値が妥当かどうかを判断する。

2026年11月11日時点の各モデルの状況

• Gemini 4 Argon — 2026年9月30日にGoogleが発表し、2026年10月13日からGemini APIで一般提供されています。コンテキスト長は1,048,576トークン、1回の応答で最大943,718トークンの出力が可能で、テキスト、画像、音声、動画、ファイルにわたるマルチモーダル入力に対応しています。価格は100万トークンあたり入力$2.00、出力$10.00で、キャッシュ済み入力は$0.10です。

• Mi:dm K 3.0 Pro — 2026年10月29日よりKTのToken Factoryプラットフォームで課金対象となり、11月5日には国際的に提供開始。261,795トークンのコンテキスト、最大235,615トークンの出力、テキスト入力・テキスト出力に対応。100万トークンあたり入力$0.20、出力$0.80、キャッシュ入力$0.04で、現在KT自身のプラットフォームでは30%のプロモーション割引が適用されています。

• 独立評価 — Gemini 4 ArgonはArtificial Analysis Intelligence Indexで52.6を記録し、Vals Indexでは68.90%で首位にランクインしています。Mi:dm K 3.0 Proはどちらのリストにも掲載されていません。

• アーキテクチャ — GoogleはArgonのパラメータ数を公表していません。KTは自社モデルについて公表しています。総パラメータ120B、アクティブ12B、Mamba/MoE/アテンションのハイブリッド構成で、NVFP4のエキスパートを含むチェックポイントから提供されます。

安価なモデルをテストする価値があるかどうかを決める計算

まず、実際のリクエストにかかるコストから見ていきましょう。30,000トークンの文書を1,500トークンに要約すると、Gemini 4 Argonでは入力$0.06＋出力$0.015で$0.075の請求になります。同じリクエストをMi:dm K 3.0 Proで行うと、$0.006＋$0.0012、つまり$0.0072です。ほぼ10倍安い計算になります。

では、判断を変える部分です。Geminiモデルがそれらの要約の92%を初回パスで正しく処理し、未測定の韓国語モデルが84%だとします。10倍の価格でも、純粋なトークンコストでは安価なモデルが依然として勝ちます——$0.0072対$0.075です。しかし、8%の失敗率によってより強力なモデルでの2回目のパスが必要になり、その2回目が検証を含むために1回目より高コストなら、受理された要約あたりの実効コストはすぐに収束します。これが議論の全体であり、「ベンチマークなし」が評論的な不満ではなく価格設定上の事実である理由です。

代わりに損益分岐点に数字を入れよう。検証可能なタスクにおいて、韓国製モデルが10倍安いという条件でより良い買い物になるには、アルゴンの1ドルあたりの有用な出力に対しておよそ10倍以内に収まっている必要がある。アルゴンの52.6という指数が、あなた自身の評価で既に把握しているタスク成功率に対応するのであれば、問題はDeepSeekのフラッグシップ価格の5分の1の価格帯にある120Bのハイブリッドモデルが、Googleのフロンティアモデルに対して精度で10ポイント以内に収まるかどうかだ。そうなる可能性はある。しかし誰もそれを示していないし、立証責任は留まる側ではなく移行する側にある。

タスクあたりのコスト、つまりArtificial Analysisが実際に公開している数値です

Argonのインデックスタスクあたり1.99ドルという価格は理解する価値がある。なぜなら、それはトークン価格とは別物であり、モデル間の比較を公正にする数値だからだ。

このインデックスは、スコアをそれを得るのに必要なトークン消費量に対して正規化するため、冗長でタスクあたりのコストが高いモデルは、料金表から連想されるよりも劣って見える。Argonの1.99ドルで、Intelligence Index v5.0.1を構成する9つの評価スイート——AA-Briefcase、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0、AA-Omniscience、GDP.pdf、HLE-Diamond、CritPt v2、Terminal-Bench-Science——を1回通しで実行できる。Argonに対してフルスイートを1回実行すると2,407ドルかかる。同じ帯域のより安価なモデルであるGLM-5.3に対しては2,503ドルかかる。公表料金は低いのに、同じタスクを完了するのにより多くのトークンを要するため、より高くつくのだ。

その逆転こそが、単純な料金表の比較を信用すべきでない理由です。$2と$10のモデルでも、推論が少なく回答が短ければ、$1.40と$4.40のモデルより運用コストが安くなる場合があります。Mi:dm K 3.0 Proの余裕ある235,615トークンの出力上限と公開された推論トレースは、どちらも逆方向に働きます。推論や長い回答を出せるモデルは実際にそうするもので、請求額は魅力的に見える入力価格ではなく出力トークンに従うのです。

マルチモーダル入力は機能のギャップではなく、パイプラインのギャップである

Argonはテキスト、画像、音声、動画、ファイルに対応しています。Mi:dm K 3.0 Proはテキストに対応しています。この文はチェックボックスのように聞こえますが、実際にはチームが構築するものにおけるアーキテクチャ上の違いです。

Argon 上のドキュメントワークフローは PDF を送信します。Mi:dm K 3.0 Pro 上のドキュメントワークフローは抽出済みテキストを送信します。つまり、モデルの前段に OCR または解析ステージがあるということであり、それは 2 つ目のベンダー、2 つ目の障害モード、そして $0.20 の料金には現れない 2 つ目のコスト項目を意味します。クリーンなデジタル PDF のコーパスであれば、抽出ステージは安価で信頼性があります。スキャンしたフォーム、ダッシュボードのスクリーンショット、スライド資料、録音された通話の場合、抽出ステージこそがエラーの発生源であり、モデルの価格設定がどれほど安くても、表を台無しにするパーサーを補うことはできません。

音声と動画を扱うワークロードでは、音声・動画への対応如何で話は完全に決まる。通話の録音を聴けないモデルは、文字起こし分析の安上がりな選択肢ではない。それはカテゴリの外にあるのだ。

コンテキスト: 1M 対 262K、そしてそれぞれの数字が実際には何のためのものか

Argonの100万トークンのウィンドウは943,718トークンの出力上限と組み合わさっており、これは異例の組み合わせだ——ほとんどのモデルは長い入力と、それよりずっと短い出力を提供している。Googleの説明文ではこれを長デコードサポートと呼んでおり、1回の応答で約100万トークンを扱える。それは単なる文書読解ではなく、文書生成の能力でもある。

Mi:dm K 3.0 Proの261,795の入力は235,615の出力と対になっており、比率はほぼ同程度です — このモデルは読める量とほぼ同じだけ書けます。違いは絶対的な上限です。25万トークンはおよそ19万語で、大きな本1冊分に相当します。100万トークンは本4冊分です。

どちらの上限も十分に余裕があるため、ほとんどのワークロードはどちらにも達しません。差が問題になるのは、2026年には当たり前になったケースです。リポジトリ全体を保持するエージェントや、長いツール結果の連鎖を蓄積する調査タスクです。これらは262Kを超えて増え続け、その回避策——圧縮、要約、検索——は、まさにエージェントハーネスのうち情報を失う部分です。Argonのウィンドウは、さらに738,000トークン分、その故障モードを取り除きます。

韓国語、および韓国語モデルが実際に持つケース

Googleは韓国語専用に訓練しているわけではない。あらゆるものを対象に訓練しており、韓国語もその「あらゆるもの」の一つだ。KTは韓国語テキストを対象としたモデルを4世代にわたって構築しており、Mi:dm 2.0の韓国中心の12Bおよび2Bリリースから今回のモデルに至るまで続いている。企業向け資料では、この系列は韓国の社会、文化、ドメイン知識に合わせて調整されていると説明されている。

{{1}}その差は、ドメイン調整が常に本物であるのと同じ意味で本物です。つまり、国内のカスタマーサービス、規制、公共部門の文書の語彙やレジスターでは測定できますが、英語のコーディングベンチマークでは見えません。あなたのコーパスが韓国のコールセンターの文字起こしであれば、そのレジスターで訓練されたモデルは、フロンティアモデルが勝つと決めつける前に試す価値があります。あなたのコーパスが英語のソフトウェアであれば、その調整には何の価値もなく、262Kの上限はArgonの100万よりも価値が低いのです。{{/1}}

そのテストは安価で、決着をつける唯一の方法です。自分の韓国語コーパスから実データを200件取り、両方のモデルに構造化出力を生成させ、ホールドアウトの解答キーと照合して採点してください。$0.20と$0.80なら、その実験の韓国語モデル側の半分は1ドルをはるかに下回り、Argon側の半分は約8ドルです。この結果は、この特定の判断にとって公開されているどの指標よりも価値があります。なぜなら、その指標はあなたのデータで作られたものではないからです。

1つのキーを通して、それが何を変えるのか

Gemini 4 Argon は OrcaRouter 上で提供中です：google/gemini-4-argon は Google の定価で、追加のマークアップなし — 入力 $2.00、出力 $10.00、キャッシュ読み取り $0.10 — 同じエンドポイントと同じ請求書で 200 以上の他のモデルとともに利用できます。Mi:dm K 3.0 Pro は KT のみが提供しており、当社ではルーティングしていません。また、どこにも第二のプロバイダーは存在しません。

この非対称性は、ほとんどの比較対象よりもここで重要です。なぜなら、2つのモデルはリスクプロファイルの両極端に位置しているからです。Argonはルーティングモデルです。Googleのエンドポイントが遅くなったりエラーになったりすると、ルーティングルールによって、アプリケーションに気付かれずにリクエストを別のモデルへ移動できます。Mi:dm K 3.0 Proは1社のインフラストラクチャへの直接呼び出しであり、直近1日における可用性100%という数値は、その単一エンドポイントの測定値です。正直な数値ではありますが、保証ではありません。なぜなら、フェイルオーバー先が何もないからです。

実用的なパターンは、必ず成功させる必要があるものについては Argon をルーティング先のデフォルトにしておき、大量処理層では韓国語モデルを自前のタイムアウトとフォールバックの内側で直接呼び出すことです。大量処理層では、失敗したリクエストは単に再試行するか破棄すればよいからです。OrcaRouter では、フォールバックルールで再試行用にもっと安価なモデルを指定できます。これにより、10倍安価な実験は、安価なエンドポイントの挙動がおかしくても低コストのまま保てます。できないのは、Mi:dm K 3.0 Pro 自体へのフェイルオーバーです。なぜなら、1つのプロバイダーは1つの扉だからです。

各モデルの用途を簡潔に述べる

Gemini 4 Argonは、入力が乱雑な場合、コンテキストが長い場合、あるいは出力が重要な場合の作業に向いています。画像・音声・動画を読み取り、100万トークンを保持し、ほぼ100万トークンを書き出し、独立系インデックスで52.6を記録、Vals Indexでは68.90%で首位に立ちます。これは金融・法務・コーディング・税務のベンチマークであり、次点モデルに5ポイント差をつけるのは大きな差です。インデックスタスクあたりのコストは韓国製モデルの10倍、Claude Opus 5.5の約5分の1で、フロンティア帯の頂点ではなく中位に位置することになります。

Mi:dm K 3.0 Proは、入力がテキストで、コンテキストが25万トークンに収まり、出力が検証可能で、処理量が重視される作業向けです。同価格帯のほとんどのモデルより大きい出力上限、実に興味深いハイブリッドアーキテクチャ、単一プロバイダーを備える一方、いかなる公開評価もありません。KT自社プラットフォームでの$0.14と$0.56というプロモーション価格は、それが続く限り、バルク用途の主張をより強くします。

その2つの段落の間のギャップは、品質に対する判定ではない——判定が存在しないということだ。スコアのないモデルは悪いモデルではない。未知なのであり、未知のものは、そこへ移行する前に小規模でテストされる。それが推奨のすべてだ。答えが正しくなければならない場面ではArgon、答えが安価でなければならず、かつ誰かが確認している場面では韓国のモデル、そして次のワークロードがそのどちらに当てはまるかを見極めるために、自社のコーパスで200項目のテストを行うことだ。