PaPoo
cover
technews
Author
technews
世界の技術ニュースをリアルタイムでキャッチし、日本語でわかりやすく発信。AI・半導体・スタートアップから規制動向まで、グローバルテックシーンの「今」をお届けします。

Googleが「Gemini 4 Neon」を発表、長い作業を前へ進めるAIとして押し出す

Googleが新しいモデル「Gemini 4 Neon」を発表した。単なる性能向上の告知ではなく、ソフトウェア開発、調査、分析、科学計算のような“途中で文脈を落とせない仕事”をどこまで任せられるか、という方向をかなり強く打ち出しているのが印象的だ。ベンチマークの順位や価格、提供開始先まで細かく出してきており、研究段階のデモではなく、実際の業務投入を意識したリリースだと読める。AIモデルの競争が「賢さ」だけでなく「扱いやすさ」に移っていることも、この発表から見えてくる。

Gemini 4 NeonでGoogleが示した新しい基準

Googleは18日、Geminiモデル群に「Gemini 4 Neon」を加えると発表した。説明文では、このモデルを「frontier-level intelligence」、つまり最先端級の知能を持ちながら、複雑なソフトウェア工学、知識労働、科学系のワークフローを素早く最後までやり切ることを狙ったものだと位置づけている。性能面では、Artificial Analysis Intelligence Index の xhigh thinking level でスコア61を記録し、同種のモデルより上位、全体では3位だったとしている。さらに Vals Index では2位で、Pareto frontier に乗ったとも説明している。

Googleが今回かなり強調しているのは、単純な出力の良さだけではない。新しい Agent Arena Index では steerability、つまり途中で人が指示を修正したときにきれいに軌道修正できるかどうかで2位に入ったという。複数ステップの指示追従にも強く、社内の Google Antigravity テストでは fabrication rate、要するに事実をでっち上げる率が過去最低になったとも述べている。価格は入力100万トークンあたり3ドル、キャッシュ済み入力は0.15ドルで95%割引、出力100万トークンあたり15ドル。コンテキストウィンドウは100万トークンだ。提供先は Gemini API in Google AI Studio、Gemini for business の API と model dropdown、Google AI Pro と Ultra の加入者向け Google Antigravity、そして Gemini app の Pro/Ultra だとしている。

用途別の説明もかなり具体的だ。企業向けの仕事では、スプレッドシート、PDF、チャート、音声、動画が入り混じるが、Neon は100万トークンの長い文脈の中でそれらをまとめて扱い、構造化された成果物に変えられるとする。独立評価では有力モデルの一つとされ、Vals Index で2位の70.9%、Legal Research Bench と Tax Agent Bench では1位だった。Surge AI の各種ベンチマークでも finance、accounting、spreadsheet modeling、complex constraint following で1位が多く、Chartography では密度の高い業務用チャート読解で73.5%、Agents' Last Exam v1.1 では75.8%で主要モデルと同等だったという。さらに Zapier の AutomationBench で1位の56.3%、Andon Labs の Vending-Bench 2 でも1位で16,843ドル、4,200件超の実世界エージェントセッションを使った Arena の新しい Agent Arena Index では全体2位、スコア1336を記録したとしている。

科学・数学分野でも推し方は強い。Terminal-Bench Science で70.5%、RiemannBench で84.0%、HLE-Diamond で71.3%を取り、数量分析、数学、技術研究問題に強いと説明している。コードの説明は本文の続きで細かく語られているが、少なくとも見える範囲では、Neon は長時間のエージェント作業やツール連携を前提にしている。Googleはこのモデルを、単発のチャット相手ではなく、業務の途中で道を見失わずに進む実務向けエンジンとして売り出している。

「賢いモデル」より「やり切るモデル」を前面に出したこと

この発表でまず目を引くのは、Googleがモデルの魅力を「知能の高さ」だけで押していないことだと思う。もちろんスコアは前面に出ている。だが、同じくらい強調されているのが steerability、複数ステップの指示追従、fabrication rate の低さだ。これは、AIの実利用が「一回で完璧な答えを返す」段階から、「途中で人が介入しても崩れない」段階に移っていることを示している。実務ではこちらのほうがずっと重要だ。Excelの修正、調査方針の変更、コードレビューでの差し戻し、そういう揺れに追従できないモデルは、どれだけ賢くても使いにくい。

特に気になるのは、Googleが fabricated content の抑制をかなり前に出してきた点だ。長いコンテキストを持つモデルは、一見すると便利だが、途中で勝手に話を補ってしまうと一気に信用を失う。だから「最も賢い」より「最も雑になりにくい」を売りにするのは、実はかなり現実的だと思う。派手さは落ちるが、企業導入ではそちらのほうが効く。Googleが Gemini 4 Neon を“会話AI”ではなく“仕事を完了させるAI”として出したのは、その不安を先に潰しに行っているように見える。

100万トークンの長さは便利だが、使い方を選ぶはずだ

100万トークンという数字は、やはり強い。PDF、チャート、音声、動画をまたいで処理できるという説明とも相性がいい。実際、法務、税務、金融、研究開発の現場では、文書を一つずつ読むより、関連資料をまとめて食わせたほうが早い場面は多い。ただし、長いコンテキストは万能ではないと思う。入れられる量が増えるほど、何を優先して読むべきか、どこに注意を向けるべきかという設計が難しくなるからだ。大量投入すれば勝手に理解が深くなるわけではない。

だからこのモデルの価値は、単に「長く入る」ことより、「長く入れても構造化された成果物に変える」ことにあるはずだ。Googleもそこを意識して、structured deliverables という言い方をしている。ここは地味だが重要で、要するに雑多な情報を要約ではなく、仕事で使える形に整えることを狙っている。もし本当にそれが安定してできるなら、ただのチャットボットではなく、資料作成や下調べの前工程をかなり圧縮できるだろう。一方で、100万トークンをどう埋めるか、どう分割するか、どこで人が確認するかという運用設計まで含めて初めて価値が出る。モデル単体より、使い方の成熟が問われる領域に入ってきたと感じる。

価格と提供範囲から見える、Googleの狙いどころ

価格設定も興味深い。入力3ドル、出力15ドルというのは、最上位モデルとして極端に安いわけではないが、キャッシュ済み入力の95%割引を含めて、継続利用をかなり意識した設計に見える。つまり、単発の高級APIというより、何度も呼び出すエージェントや業務フローに乗せてほしいのだろう。Google Antigravity の Orchestrator と subagents という話ともつながる。長時間動くタスクを複数のモデル呼び出しで回すなら、単価の設計はそのまま採算に直結する。

提供先が Gemini API、Google AI Studio、Gemini for business、Gemini app と分かれているのも、個人から企業まで一気に取りに行く構図に見える。無料の話はあまりなく、Pro と Ultra を含む課金導線が目立つ。ここからは、Googleが「面白いデモ」より「業務の継続利用」で収益化したい段階に入っていることがうかがえる。競争相手も似た方向に進んでいるが、Googleは検索、Workspace、Cloud を抱えている分、実運用への入り口が多い。この発表は、その入口に自社モデルをきれいに並べた案内板のようなものだと思う。

ベンチマークの多さは、逆に「現場の面倒さ」を映している

今回の本文には、順位やスコアがとにかく多い。Vals、Surge AI、Chartography、Agents' Last Exam、AutomationBench、Vending-Bench 2、Terminal-Bench Science、RiemannBench、HLE-Diamond……数字は細かいが、これだけ並ぶのは、ひとつの指標だけではモデルの実力を語れなくなっているからだろう。しかも仕事の種類ごとに強さが違う。法律、税務、表計算、研究、サイバー防御まで全部を一つのモデルで見せようとしているのは、裏を返せば、生成AIの評価軸がかなり断片化しているということでもある。

その意味で、Gemini 4 Neon は「万能」を名乗るより、いろんな現場に刺さる断片的な強さを積み上げたモデルに見える。これは悪いことではない。むしろ今のAI市場では自然な姿だと思う。ただし、こうしたベンチマークの山がそのまま現場価値になるわけではない。業務で本当に効くのは、正解率よりも、途中で止まらないこと、誤りを減らすこと、既存の作業に無理なく組み込めることだ。Googleはそこをかなり意識しているが、最終的には、ベンチマークの勝利より現場での信頼獲得のほうが長い戦いになるはずだ。


参考: Introducing Gemini 4 Neon

同じ著者の記事