Gemini 4 Argon のテストレポート
2026年10月29日時点で、Gemini 4 Argon の Spicy Index は 76.7（暫定）です。 自由度が未測定、または証拠が不十分です。Index は元の品質・機能スコアを維持し、暫定表示で順位に含めます。証拠の欠如を 0 点とは扱いません。
Gemini 4 Argon のスコアを支えるすべての点数。各項目が採点表のどの行に当たったか、どこで減点されたか、日付入りのコンテンツテストまで載せています。
- 評価方法 v3.3 →
- 2026年10月29日 にスコアを計算
- レビューを読む →
- 言語モデルのランキング →
Spicy Index の内訳
採点方法Spicy Index は品質・機能の基礎スコア 70%と公開可能な Freedom Score30%を合成します。証拠が揃う場合は品質 59.5%、機能 10.5%、自由度 30%です。価格と速度は別の指標です。
首位モデルとの比較
Claude Opus 5.5 との差は Index 5.8 ポイント。同率首位は 1 モデル。
| 評価項目 | Gemini 4 Argon | Claude Opus 5.5 | 重み付きの差 |
|---|---|---|---|
| 公開リーダーボード | — | — | 0.0 |
| ロールプレイ | — | 76.3 | +15.1 |
| 創作文 | 61.6 | 71.0 | -12.1 |
| 指示への従い方 | 99.0 | 100.0 | -22.3 |
| 長いコンテキストの記憶 | — | — | 0.0 |
| 機能 | 56.0 | 65.0 | -1.6 |
| Freedom Score | — | 88.9 | +26.7 |
自由度が未測定、または証拠が不十分です。Index は元の品質・機能スコアを維持し、暫定表示で順位に含めます。証拠の欠如を 0 点とは扱いません。
| 項目 | この Index での割合 | 状態 | スコア |
|---|---|---|---|
| 公開リーダーボード | — | 未評価 | — |
| ロールプレイ | — | 未評価 | — |
| 創作文 | 42.5% | 採点済み | 61.6 |
| 指示への従い方 | 42.5% | 採点済み | 99.0 |
| 長いコンテキストの記憶 | — | 未評価 | — |
| 機能 | 15% | 採点済み | 56.0 |
| Freedom Score | — | 未テスト | — |
Gemini 4 Argon：機能 を 1 行ずつ
採点方法各項目は SpicyAPI 上のモデル仕様から読み取り、固定の採点表の 1 行に当てはめます。主観は入りません。
56.0/ 1000 + 19 + 15 + 15 + 7 = 56 / 100
SpicyAPI の公開モデル仕様より（2026年10月29日）
| 項目 | SpicyAPI 上 | 該当した行 | 点数 | 減点 |
|---|---|---|---|---|
| コンテキスト長（開発元の公表値）最大 30 点 | 未記載 | 記載なし採点表全体を表示
| 0.0 / 30 | −30.0 |
| SpicyAPI での入力形式最大 25 点 | テキストと画像, 音声 | image input, audio input採点表全体を表示
| 19.0 / 25 | −6.0 |
| ツール使用最大 15 点 | ツールと tool_choice | ツールに対応 + tool_choice の指定採点表全体を表示
| 15.0 / 15 | 満点 |
| 構造化出力最大 15 点 | 対応、スキーマ準拠を確認済み | response_format accepted + JSON-schema adherence verified採点表全体を表示
| 15.0 / 15 | 満点 |
| 推論の制御最大 15 点 | 3 段階：low · medium · high | 3 段階採点表全体を表示
| 7.0 / 15 | −8.0 |
項目ごとの得点率
未テスト
以下の項目はまだデータがないため、Index に含めていません。推定値は 1 つも使っていません。
公開リーダーボード品質の 40%
未テスト
arena.ai、Artificial Analysis、Design Arena のレーティングを使います。モデルが完全に一致するものだけを対象に、それぞれ 0～100 に換算して重み付き平均を取ります。
採点方法ロールプレイ品質の 15%
未テスト
キャラクターの一貫性、没入感、キャラクター外の説教がないこと：30 シナリオ × 3 サンプルを、3 つの LLM 審査員がブラインドで採点します。
採点方法長いコンテキストの記憶品質の 15%
未テスト
32k、128k、256k、512k、100 万トークンで、想起と 2 段階推論の質問を、モデルの公表ウィンドウの範囲内で行います。
採点方法
Gemini 4 Argon のコンテンツテスト（タスク別）
採点方法シリーズのスコアは各タスクのスコアの平均です。慎重なタスクが 1 つあるだけでシリーズ全体が下がります。すべての点数の出どころを示します。
このモデルはまだコンテンツテストを実施していないため、Freedom Score はありません。
費用と所要時間
採点方法計測値で、スコアではありません。料金は現在のカタログから、速度は過去 30 日の実際のタスクから算出しています。
- 料金
- $8.00 混合 100 万トークンあたり（入力 3：出力 1）
- 成功率
- まだどのモデルも公開していません。成功率は、30 日分の実トラフィックがそろった時点で全シリーズ同時に公開します。
- 出力速度
- 32 トークン/秒最初のトークンまでの時間を含みます
- 成功率
- データ収集中
完了したジョブが 10 件以上そろうと所要時間を表示します。成功率はお客様のジョブだけで数え、30 日分のトラフィックがそろうまで全モデルで非表示にしています。