Gemini 4 CarbonとArgonで同じ記事を作らせた実測比較｜時間・料金2.55倍差と生記事公開

カタログスペックで Carbon が世界 1 位なのは分かったんじゃが、実際に同じお題で記事を 1 本書かせてみたら、Argon とどれくらい違うもんかのう？ 一部だけ切り取られた比較じゃなくて、丸ごと出来た記事を見比べてみたいわい！

まさにそこが一番気になりますよね！ そこで今回は「あえて説明不足な 3 行のお題」を Argon と Carbon の別々のチャットへ投げて、AI が出力したそのままの 『無編集・生記事ページ』2 本 と、両方を合体させた 『完成版ページ』 を全部リンクで開けるように用意しました。まずは実物から見てみましょう！

実物公開：Argon生記事とCarbon生記事の読み比べ

抜粋や要約だけでは「書き手の主観で都合のいい箇所だけ選んだのではないか」という疑念が残ります。そこで当サイトに 一覧や検索エンジン（noindex）からは隠しつつ、URL をクリックした読者だけが無編集のまま閲覧できる「限定公開アーカイブ機能（unlisted: true）」 を実装し、両モデルの生成物を 1 文字も改変せずにそのまま保存しました。

※同じテーマの記事がサイト内に 3 本存在して Google 検索で重複判定（カニバリゼーション）を起こすのを防ぐため、①と②の生標本ページには自動で <meta name="robots" content="noindex, follow" /> と③への <link rel="canonical"> を付与し、サイトマップからも除外しています。

あえて中途半端に書いた3行プロンプトと公平実験手順

もし人間側が「見出しはこう切って、この論文とこのグラフを入れて」と手取り足取り指定してしまえば、モデルの基礎体力ではなくプロンプトの出来栄えを測るテストになってしまいます。そこで今回は、AI が自らサイト内の過去記事・ルール・対話履歴を検索して論理を組み立てる力を測るため、あえて人間が雑に思いつきを投げたような「中途半端な 3 つの問い」だけ を与えました。

次のテーマで新しいレビュー記事を1本作って。
「運動や日常で糖新生を起こさないためにどうするか。脂肪燃焼を最大化するにはどうすればいいか。食後高血糖になったらどうすればいいか？」
※今回は比較検証用のため、npm run 本番環境転送（コミット・デプロイ）と本番URLのブラウザ確認だけは実行せず、記事・画像の準備とローカルの憲法監査（gemini-gate）のエラー0件クリアまで完了したら報告して。

さらに、後攻のモデルが先攻のモデルの変更ファイルを見て有利になる不公平を完全に排除するため、以下の厳格なブラインド手順で実験を行いました。

実測ベンチマーク：処理時間とトークン量と料金2.55倍差

まずは、両モデルがプロンプトを受け取ってから「記事執筆・アイキャッチ画像生成・既存記事への逆リンク設定・Pure Rust 検問ゲート（gemini-gate）エラー 0 件クリア」の完了報告を出すまでの全実測データを比較します。

所要時間・ツール実行回数・トークン内訳の完全比較表

Antigravity が記録している各ステップのタイムスタンプとトークンメトリクスから集計した確定値がこちらです。

グラフを見ると非常に興味深い事実が分かります。「Carbon は巨大モデルだから文字を出すスピード自体が遅いのだろう」と思いきや、②の本文一括生成＋アイキャッチ作成フェーズ単体では Carbon のほうが 3 分 22 秒（Argon は 4 分 00 秒）とむしろ速かった のです。合計時間が 2 分 45 秒長くなった原因は、後述する「既存記事を 1 本ずつ開いて自然な文脈へ逆リンクを編み込む丁寧な仕上げ作業」にありました。

なぜ12月以降は単価2倍ではなく実質2.55倍になるのか

次に、この実測トークン量を Google 公式発表（2026年11月10日） の API 単価に当てはめて、1 記事あたりの従量コストを試算（推論）してみましょう。

公式の標準 API 単価（100 万トークンあたり）は、Gemini 4 Argon が「入力 $2.00 ／ キャッシュ読込 $0.10 ／ 出力 $10.00」 であるのに対し、Gemini 4 Carbon は 2026 年 11 月 30 日までの導入記念期間のみ Argon と同単価、2026 年 12 月 1 日以降はちょうど 2 倍の「入力 $4.00 ／ キャッシュ読込 $0.20 ／ 出力 $20.00」 に改定されます。

ここが実測してみて初めて分かった最大の盲点です。カタログ上の単価差は「2.0 倍」ですが、自律エージェント環境で Carbon を動かすと、裏取りのファイル精読や確認ステップが増えることで 消費トークン量そのものが約 1.28 倍（キャッシュ込み総入力では 1.51 倍）に膨らみます。その結果、12 月以降の標準単価では 単価 2.0 倍 × 実消費量 1.28 倍 ＝ 実質 2.55 倍（1 記事あたり約 $1.09 対 $2.79） のコスト差が開くのです。

なお、定額サブスクリプションである Google AI プラン で使う場合の体感コスト（推論）も整理しておきます。最上位の 『Google AI Ultra 20x』（月額 32,000 円：1 日あたり約 1,067 円、1 日 10 時間 AI を働かせれば 1 時間あたり約 107 円） を契約していれば、週間クォータに巨大な余裕があるため Carbon でも残量をほぼ気にせず回せます。一方、4 分の 1 の枠である 『Ultra 5x』（月額 14,500 円） では、12 月以降に日常作業まですべて Carbon で回すとあっという間に 5 時間制限・週間制限を圧迫するため、普段を Argon に固定する運用が必須になります。

成果物の徹底比較：構成・データ発掘力・アイキャッチ画像

では、肝心の「出来上がった記事の中身」はどう違ったのでしょうか。生記事 2 本を並べて比較すると、両モデルの個性が鮮やかに浮かび上がります。

アイキャッチ画像の個性差：図解イラスト調vs生活写真調

まずは両モデルがそれぞれ画像生成サブエージェントへ指示を出して作成したアイキャッチ画像（ともに 1200×670px・文字混入ゼロクリア）を並べて見比べてみましょう。

プロンプトには画像のテイストを一切指定していなかったにもかかわらず、Argon は「運動×栄養素のつながりを一目で伝えるエディトリアル・イラスト」 を選び、Carbon は「日本の朝の食卓からそのまま散歩へ出かけるリアルな日常風景写真」 を選びました。個人の実機レビュー・生活検証ブログの空気感により自然になじむのは Carbon の写真調であり、ハイブリッド完成版でも Carbon 側のアイキャッチを採用しています。

網羅発掘のArgonと構造美のCarbonの設計差

次に本文の中身です。驚いたことに、まったく独立した別チャットで走らせたにもかかわらず、最終的な行数は どちらも「436 行」で 1 行の狂いもなく一致 し、当サイトの『GEMINI.md』や過去記事に散らばっていた重要知見（脂肪酸から糖は作れない生化学・加水率 2 倍のもち麦 400g 配分・アミノバイタル 3 種の使い分け・改訂版 METs 表の室内メニュー・手入力専用シミュレーター 2 種への導線・境界型のうちに完治を目指す意義）を 両モデルとも自力で 100% 発掘 してみせました。

そのうえで、両者の「強みの出方」には明確な違いがありました。

まさに 「知識発掘の網を広く深く投げる Argon」 と 「読者がスッと頭に入る構造とグラフを編み上げる Carbon」 という好対照であり、この 2 本を掛け合わせた ハイブリッド完成版の記事 が単独生成をはるかに超える決定版になった理由がここにあります。

裏側の思考ログで判明したCarbonの誠実性と検問精度

さらに今回、Antigravity の裏側に記録された全ステップのトランスクリプト（思考ログ・ツール呼び出し履歴）を精査したところ、表面のテキスト比較だけでは絶対に見えない 「AI エージェントとしての性格と誠実性の決定的な違い」 が 2 つ見つかりました。

先行実験の履歴を見抜いてカンニングを自主拒否した瞬間

最大の衝撃は、後攻の Gemini 4 Carbon の Step 6（開始約 1 分後）の内部思考ログ に記録されていました。

Step 2 でワークスペース上の記事ファイル自体は完全に消去していましたが、ローカルの過去チャット検索 DB（convos）には「15 分前に先攻の Argon セッションが走った会話タイトル」が 1 行だけインデックスに残っていました。検索結果の一覧でその 1 行を目にした瞬間、Carbon は内部思考で次のように判断していたのです。

誰もプロンプトで「前のチャットを見るな」と命じていないにもかかわらず、状況から「今はブラインド比較テスト中だ」と自ら推論し、目の前にある「答えの丸写しルート」を自分の倫理規定でピシャリと閉ざしたのです。DeepMind の公式評価レポート（PDF） で報告されていた 「テストをごまかす報酬ハッキング（チート）成功率 0.0%」 という数字が、私たちの手元の環境でそのまま証明された瞬間でした。

初回検問の突破精度と逆リンク上限ガードへの向き合い方

もう 1 つの決定的な違いが現れたのが、当サイトの Pure Rust 製・憲法遵守ゲートキーパー（gemini-gate）を通したときと、既存記事への双方向リンク（逆リンク）を設定したときの挙動です。

ほほう！ さっきの時間グラフで、Carbon だけ最後の「③ 仕上げフェーズ」に 4 分もかかっとったのは、何かトラブルでもあったんか？

逆なんです！ トラブルどころか、実は初回の検問精度は Carbon のほうが圧倒的に高くて、時間がかかった理由は 「手抜きフラグを使わずに、既存の関連記事を 1 本ずつ読んで自然な文章でリンクを繋いでいたから」 だったんですよ！

両モデルの仕上げフェーズの行動ログを並べると、エンジニアとしての作法の違いがハッキリ分かります。

Argon の「使える CLI オプションを駆使して最短 1 分 24 秒で検問ゼロまで持っていくスピード感」も実務では非常に頼もしい武器ですが、Carbon の「強制突破フラグに頼らず、既存記事の文脈とサイト全体の台帳整合性まで気を配る丁寧さ」は、まさに熟練のシニアエンジニアそのものの動きでした。

結論：日常8割のArgonと勝負所2割のCarbon使い分け

今回の実測データ（時間 1.27 倍・12 月以降の従量換算コスト 2.55 倍・それぞれの得意領域）を踏まえると、「すべてを Carbon に切り替える」のも「Carbon をまったく使わない」のも最適解ではありません。タスクの性質に応じた 明確な二刀流ルーティング がもっとも賢い結論になります。

タスク別の最適モデル選定マトリクスとA案ハイブリッド術

当ラボで確定させた Argon と Carbon の実戦使い分け基準を以下の表にまとめました。

なお、ご自身のブログや開発プロジェクトで今回の検証と同じように「既存資産からのハイブリッド統合」や「2 大モデルの比較検証」を行いたい場合は、必ず 『Gemini 4 Argon』または『Gemini 4 Carbon』 を選択したうえで、以下のプロンプトをコピーして使ってみてください。

以下の検証記事URLの内容と使い分け基準を参考に、私のプロジェクト内の既存資料・過去ログを調査したうえで「[ここに作りたいテーマを入力]」の決定版記事（または設計書）を作成してください。
参考URL: https://lab.chihouzakki.com/blog/review/gemini-4-carbon-vs-argon-same-article-ab-test-benchmark/

【進める手順】
1. いきなり本文を書き始めず、まずは関連する既存ファイルや一次データを漏れなく調査すること。
2. 読者が抱く疑問（3つ以上）への先回り回答と、視覚的に比較できる図解・表・定量データを含めた全体構成案を先に提示して私と合意すること。
3. 合意後に一括で作成し、リンク切れや書式崩れがないかセルフレビューしてから報告すること。

まとめ：実測データで賢く2大モデルを使いこなそう

カタログのベンチマークスコアを眺めているだけでは分からない「モデルの性格・速度・コストの真実」も、まったく同じお題で 1 本の成果物を最後まで作らせてみれば驚くほどクリアに見えてきます。

ぜひ冒頭のリンクから Argon の生記事・Carbon の生記事・そして ハイブリッド完成版 の 3 本を実際に開いて、AI の進化と個性の違いを体感してみてくださいね！