GoogleはArgonがロボットに何をすると言っている？
主任エンジニアのKanishka Rao氏によるロボティクスの記事では、Argonを「汎用の物理推論モデル」と位置づけ、デモを4つの用途に分けています。ロボット制御、Real2Sim（実際の映像から物理シミュレーションを作ること）、動画の物理的理解、研究と自己改善です。Argonが新しいロボットの頭脳だとはどこにも書かれておらず、フロンティアモデルを新しい分野に向けた、という印象です。つまり、Argonはロボットの周辺で役に立つということです。
目玉の数字はERQAで、3Dシーンに関する物理的・空間的な質問のテストです。Googleのチャートはツールなし、400問で、Argonが首位です。
Gemini 4 Argonに関するGoogle自身のERQAチャートを、同じ4つのスコアで描き直したものです。
このチャートを引用する前に、2つ注意があります。1つ目は、Google自身が実施した結果なので、他者が再現するまではベンダーの主張として扱うべきだという点です。2つ目は、Gemini Robotics ER 2のページにあるERQAのバーとは比較できない点です。そちらはER 2が78.5%で、比較対象も異なり（Opus 5は67.2%）、モデル一覧も評価環境も違うので、一方から他方を引き算することはできません。この数字だけでArgonとER 2を選ぶのは、当てずっぽうと同じです。
ロボットに関わるもう1つの重要なスコアは動画です。長尺動画理解のテストであるLVBenchで、GoogleのArgonの表は91.7%を掲載しています。GPT-6 Astraは87.5%、Claude Opus 5.5は83.7%、Claude Fable 5.1は79.7%です。
Argonは実際にどんなロボット作業をこなす？
記事とDeepMindのページにあるデモをすべて確認しました。パターンは一貫しています。Argonはコードを書き、シミュレーションを作り、動画を判断します（Googleが以前のGeminiモデルから進めてきたエージェント型ビジョンと同じ考え方です）。物理ロボットはその作業の下流にあります。
- ヒューマノイドによるコーンホール。 社内テストで、Argonはコーンホールの動画を見て空間をマッピングし、全身の関節の動きを導き出し、シミュレーションコードを書きました。AptronikのヒューマノイドApolloでは、ロボットが
7連続でシュートを決めました。Googleはこのパイプラインを「Video-to-Sim-to-Real」と呼び、数週間かかっていたシミュレーションのモデリングが数時間になるとしています。 - Spotとフットペダル式のゴミ箱。 ArgonはBoston DynamicsのSpot（12自由度の脚、6自由度のアーム）を制御します。ゴミ箱のMuJoCoデジタルツインを作り、実際のペダルを踏む前にそこで練習します。
- VLA向けのシミュレーションデータ。 実際の卓上を撮影した1枚の写真から、Argonは較正済みのMuJoCoツインを作り、
4,500+のランダム化したエピソードを収集しました。Googleによれば、これにより実機の成功率が56%から75%に上がり、完了時間が35sから24sに短縮しました。 - 動画のラベル付け。 双腕のALOHA 2ロボットが折り紙のキツネを折る136秒の映像から、Argonは4階層のラベルを作成しました。1つの目標、6つのサブタスク、17の接触レベルのプリミティブです。さらに、失敗中は進捗を据え置く品質管理も行います。
- 価値関数。 60秒のリング仕分けエピソードで、軌跡を
28のセグメントに分け、進捗が前進、中立、後退のいずれかを付けました。 - 6自由度アームでの自己改善。 SO-101アームのピックアンドプレース作業が、試行と自己反省を3回繰り返すうちに
58.9sから22.9s、17.4sへ短縮しました。 - 論文の再現。 論文ごとに1つのプロンプトで、
68個のインタラクティブなMuJoCo WebAssemblyサンドボックスを作成しました。
DeepMindのページにある2つのパートナーコメントが動画面を裏付けています。Cartwheelのチーフサイエンティスト、Andrew Carr氏は、Gemini 4を3D再構築エンジンに組み込んだところ、ベンチマークで実行時間が約100分の1、トークン使用量が90%減ったと述べています。Roboflowは、製造、物流、空撮画像の物体検出評価でArgonが1位だったとしています。どちらもGoogleが公開したパートナーの発言なので、監査ではなく主張として読んでください。
ArgonとGemini Robotics ER 2、それぞれの位置づけは？
Googleはロボティクスのラインを、動作モデルと推論モデルに分けています。Gemini 3.8 Flashのような汎用モデルとは大きく異なる設計です。Gemini Robotics 2はカメラ入力をモーター制御に変換するビジョン・ランゲージ・アクションモデルで、ER 2はその上位にあるプランナーです。ドキュメントのERの概要には、空間推論、エージェント型ビジョン、タスクのオーケストレーション、動画の進捗判定、ストリーミングエンドポイントが並んでいます。そこにあるコードサンプルはすべてgemini-robotics-er-2-previewを使っており、ロボティクスのドキュメントにArgonは一切登場しません。
実用上の使い分けは、私の意見ではなくドキュメントによるものです。ArgonのモデルページはLive APIを非対応としており、gemini-robotics-er-2-streaming-previewエンドポイントはリアルタイムのストリーミングロボットエージェント向けに用意されています。
| 作業 | 選ぶもの | 理由 |
|---|---|---|
| ロボットや人間の動画を物理シミュレーションにする | Argon | Googleのデモによれば、コード、3D推論、長尺動画が1つのモデルに揃っている |
| 長いロボットのエピソードにラベルを付ける、採点する | Argon（短いクリップならER 2） | エージェント型動画モードは、長い映像で動画トークンを最大88%削減する |
| 長いセッションで制御コードや学習コードを書く | Argon | 1Mの統合コンテキストと、ロングデコードで最大1Mの出力トークン |
| カメラと音声をストリーミングするリアルタイムエージェント | ER 2 Streaming | Live API上に構築されている。ArgonはLive API非対応 |
| 実行中の成功検出と進捗確認 | ER 2 | 動画の進捗分類が明記された機能としてある |
| モーターポリシーへ引き継ぐ計画 | ER 2 | Googleは、モーター実行をVLAに渡す層だと説明している |
| ネットワークなしでロボット上で動くモデル | どちらも不可 | Googleのオンデバイスの選択肢はGemini Robotics On-Device 2 |
ER 2について1つ気になる点があります。ドキュメントではGemini 3.5 Flashをベースにしているとされていますが、API変更履歴では現在gemini-3.5-flashが非推奨とされ、Gemini 3.6 Flashに振り分けられています。これがER 2にとって何を意味するかを述べた記述は見つからなかったので、どちらとも決めつけない方がよいでしょう。旧世代のロボティクスエンドポイントであるER 1.6は、8月31日に終了しました。
ロボティクスで重要になるArgonのAPI機能は？
Gemini 4 Argonのガイドにスペック表があり、その中のいくつかの項目は、ベンチマークよりもロボティクスの開発者にとって重要です。
1,048,576トークンの単一ウィンドウを入力、思考、出力で共有し、思考レベルは3段階（low、medium、high）です。- ロングデコードは最大
1Mの出力トークンで、最大64Kずつのホップに分けてバックグラウンド実行されます。長いシミュレーションや制御プログラムに向いています。 - 動画入力、テキスト出力。 入力はテキスト、画像、動画、音声、PDFで、出力はテキストのみです。
- 関数呼び出し、コード実行、構造化出力に加え、プレビューでコンピューター操作にも対応しています。これはAIエージェントのAPI連携が頼る機能で、APIファーストのエージェントプラットフォームやMCPサーバーがモデルを自社ツールにつなぐ際にも必要です。
- デフォルトの動画は1秒あたり1フレーム。 ラベル付けには十分ですが、反応が必要な用途には不向きです。エージェント型動画モードはオプトイン式で、Googleは5〜10分を超える映像に最適としており、5分未満のクリップには静的なデフォルトを推奨しています。
Googleの動画トークンの計算では、デフォルト解像度でおよそ1秒あたり100トークン、高解像度で300トークンです。私の計算では、高解像度の動画1時間は約108万トークンになり、1回のリクエストではArgonのウィンドウに収まりません。クリップに分けるか、エージェント型モードを使う前提で計画してください。
ロボット作業でのArgonの費用は？
Gemini APIの料金ページによると、Argonは2026年11月30日まで100万トークンあたり入力$2、出力$10で、12月1日からは$4と$20です。キャッシュ入力は$0.10で、その後$0.20に上がり、暗黙的キャッシュのみです。出力には思考トークンも含まれるため、シミュレーション作業で長い推論を走らせると、大半が出力として課金される点に注意が必要です。ラインナップ全体はGeminiの料金ガイドをご覧ください。Argonの詳細な内訳はArgonの料金ガイドにあります。
| エンドポイント | 100万トークンあたり入力/出力、導入価格 | 100万トークンあたり入力/出力、以降 | 無料枠 |
|---|---|---|---|
| Argon、標準 | $2 / $10（2026年11月30日まで） | $4 / $20（2026年12月1日から） | なし |
| Argon、バッチまたはフレックス | $1 / $5 | $2 / $10 | なし |
| Argon、優先 | $3.60 / $18 | $7.20 / $36 | なし |
| ER 2プレビュー、標準 | $1 / $5（2026年12月31日まで） | $2 / $10（2027年1月1日から） | あり |
| ER 2プレビュー、バッチ | $0.50 / $2.50 | $1 / $5 | なし |
| ER 2ストリーミングプレビュー | $1 / $5 | $2 / $10 | あり |
日付のずれは、計画時に押さえておくべき点です。Argonの価格はER 2より1か月早く倍になるため、12月の大半は、ER 2がまだ導入価格のままなのにArgonは2倍を払うことになります。
デフォルト解像度の動画1時間分の入力のみの費用。Googleのトークンレートと料金ページに基づきます。
具体例を見てみましょう。Googleの折り紙クリップと同じ136秒のロボットエピソードを1,000本ラベル付けするとします。1秒あたり100トークンなら、1本あたり入力13,600トークン、合計13.6Mです。出力は思考を含めて1エピソードあたり4,000トークンと仮定し、合計4Mとしました。この出力の数字は私の仮定であり、Googleの数字ではありません。
| ルート | 導入価格 | 以降の価格 |
|---|---|---|
| Argon、標準 | $67.20 | $134.40 |
| Argon、バッチ | $33.60 | $67.20 |
| ER 2、標準 | $33.60 | $67.20 |
| ER 2、バッチ | $16.80 | $33.60 |
ここで問題になるのは費用ではありません。どちらでも安いからです。問題は、同じ映像でこのラベル付け作業についてER 2やArgonの結果をGoogleが公開していないことです。安いほうのルートが同じ品質でラベルを付けられるかどうかは、分かりません。1,000本に決める前に、50本のクリップを両方に通して比較してください。
ロボット開発者の反応は？
Hacker Newsのスレッドは201ポイントに達しました。有益なコメントは、実機で試した個人開発者と、モデルをどこで動かすべきかという議論の2つに分かれています。
"I am very new to robots and recently decided to go crazy and buy a humanoid from Unitree. I've spent a while building some tools in order to integrate LLMs with vision capabilities that can control the robot motion in a simple manner... and while I saw Opus and Astra crashing against tables, beds and surfaces (yeah, my LIDAR data isn't being used yet), Argon 4 takes a lot of precautions to avoid crashing against walls and other objects!"
これは、1台のロボットでライダーなしという、趣味の開発者による1つの体験談なので、ベンチマークではなくデータポイントの1つです。ただ、空間推論の話とは一致しており、GeminiとClaudeの比較の議論も、こうした実際の使用感が中心です。
デプロイの問題については、ほとんどのアプリケーションはデータセンターへの接続があれば足りる、という意見がありました。
"I think for 95%+ of applications.. you just need a link to a data center anywhere. My assumption is the hardware will have one/several smaller models running on it for locomotion, balance, etc. Then the hardware 'phones home' for decision making and planning."
これはGoogleの役割分担と一致していますし、ドメイン特化モデルが一般に大きなプランナーと組み合わされる形でもあります。上にArgonやER 2のようなクラウドのプランナー、モーターの近くに軽量なポリシーを置く構成です。別のコメント投稿者のjacquesm氏は、ロボティクスは電力予算、モデルサイズ、コストが「最悪の交差点」に位置すると反論しており、これはホスト型モデルよりOn-Device 2を選ぶ最も強い論拠です。
確認できなかったこと
Argonをロボットで動かしたわけではなく、この記事の限界をはっきりさせておきたいと思います。
- ロボティクスの結果はすべてGoogleのものです。 コーンホールの実行は社内テストとされています。
56%から75%へのシミュレーション結果には、再実行できる公開のタスク一覧やコードがありません。 - レイテンシの数値がありません。 ロボティクスの記事にもAPIドキュメントにも見当たらず、Argonでの閉ループ制御は未解決の問いです。Google自身の制御デモは、複数ターンにわたって1ステップずつ動いています。
- 同じ評価環境でのArgonとER 2の比較がありません。 上述のとおり、2つのERQAチャートはモデル一覧が異なります。
- 今日APIを呼び出してはいません。 変更履歴とモデルページでは、
gemini-4-argonは10月13日から一般提供とされています。Googleのローンチ記事は、開発者はAI StudioとGeminiプラットフォームから使えるとしていますが、ロボティクスの記事はAI StudioアプリをGoogle AI Ultraの購読者向けとしているため、ご自身のアカウントで確認してください。 - 安全性。 Googleのローンチ記事は、サイバーやバイオなどの悪用に対する安全対策を説明していますが、ロボット固有の安全ガイダンスは見つかりませんでした。人の近くで動くものは、独自のテストが必要です。
どこから始めるべき？
今週ロボティクスチームにいるなら、次の順で進めます。
- まずオフラインの作業を選ぶ。 Real2Simと動画のラベル付けは、Argonのデモが最も具体的で、間違えても失うのは1時間であって、壊れたアームではない2つの場面です。
- シミュレーションでリハーサルする。 GoogleのSpotデモ自身が、実際のペダルに触れる前にMuJoCoで練習しています。どのモデルを使うにせよ、この習慣をまねてください。
- ループにはER 2を使う。 ストリーミング、成功検出、複数ロボットのオーケストレーションが必要なら、Googleがそのために文書化しているエンドポイントから始め、Gemini Robotics 2の解説を読んでください。
- 50クリップの比較テストを行う。 自社の映像でArgonとER 2を比較し、勝ったほうをバッチで見積もります。
- 代替案を確認する。 すでにKimi K3やOpus 5.5など別のフロンティアモデルを使っているなら、Argonの代替案ガイドと独立したレビューで、主にターミナル中心のコーディングで劣る点が分かります。コストを比べているなら、Opus 5.5の料金、GPT-6 Astraの料金、Fable 5.1の料金、Opus 5.5の代替案もご覧ください。
eeselを試す
Argonはインフラであり、自社のロボットスタックに組み込むモデルです。eeselは従業員です。気がかりなキューがロボティクス企業自身のカスタマーサポートなら、eeselのAIヘルプデスクチームメイトは既存のヘルプデスクに参加し、ドキュメントと過去のチケットから学び、本番の問い合わせに答える前にそれらのチケットでリハーサルされます。この記事のテーマである、実機の前にシミュレーションという習慣と同じです。無料で始められ、その月に最も優れたモデルで動くため、後でより良いGeminiが出ても作り直しではなくアップグレードで済みます。この即戦力という考え方が他の仕事にどう広がるかは、AI従業員のガイドで扱っています。先に見てみたい方は、AIチームメイトのガイドをお読みください。
eeselのアクティビティビュー：AIチームメイトがチケットに対して行うすべての操作が記録され、フィルターできるので、対応範囲を広げる前に確認できます。
よくある質問
Gemini 4 Argonはロボットを制御できますか？
Gemini 4 ArgonはGemini Robotics ER 2より優れていますか？
ロボティクス用途でGemini 4 Argonはいくらかかりますか？
Gemini 4 ArgonはGemini APIで使えますか？
gemini-4-argonは2026年10月13日から一般提供で、有料ティアのみ、無料枠はありません。ロボティクスの記事では、AI StudioアプリはGoogle AI Ultraの購読者向けとされているため、利用可否はサインイン方法によって変わります。ローンチの概要は基本のGemini 4 Argonガイドをご覧ください。