作成日: 2026年11月1日

Gemini 4 Argon・3.1 Pro・3.8 Flash実測比較｜1,380会話の手戻りとトークン差

📂 検証録 # Gemini # Gemini 4 Argon # Google AI Ultra # VS Code # Antigravity # AI開発 # サブスク比較

🔧 論旨

AI エディタ（VS Code や Antigravity）でブログ記事の執筆やプログラム改修をしていると、「上位モデル（Gemini 4 Argon 等）は利用枠を食いそうだから、普段は軽い高速モデル（Flash 系など）で節約しよう」と考えたくなりませんか？しかし日々の体感では、軽いモデルほど見当違いな出力や抜け漏れを連発して「やり直し（手戻り）」が終わらず、最上位の Argon に任せた時だけ一発で片付く という決定的な差がありました。

そこで今回、手元のパソコン（/brain および SSD 永久保管庫 brain_archive）に蓄積されていた 2026 年 8 月 9 日〜 11 月 1 日の全 1,380 会話・合計 123,206 ステップの生稼働ログ（transcript_full.jsonl） を丸ごとプログラムで解析し、Gemini 4 Argon (High)・Gemini 3.1 Pro (High)・Gemini 3.8 Flash (High) の 3 モデルに記事を作らせた際の「事前の思考量・ツール実行回数・エラー率・手戻り回数・消費トークン数」をすべて実測しました。

結論からお伝えすると、軽量な Gemini 3.8 Flash (High) は書く前の思考文字数が Argon の 3 分の 1 以下（約 1.14 万字） しかないまま突っ走るため、エラー発生率が 約 10〜 25 倍 に跳ね上がり、最悪のケースでは 1 会話で 27 往復・691 ステップもの手戻り地獄 を引き起こしていました。一方、書く前に 約 3.65 万〜 3.95 万字 を思考して 70〜 100 回の自律検証を回す Gemini 4 Argon (High) は、新規記事 11 本連続で エラー 0.00 回・コンテキストキャッシュ再利用率 91.4% を記録しており、人間の時間も利用枠も「最初から最上位の Argon 一本に絞る」方が圧倒的に安く済むことが生データで証明されました。

🔧 合わせて読みたい深まる関連情報

Google AI Ultra週間枠わずか2%！6班サブエージェント並列で84記事監査した実測録 : 全記事監査・1.3万字執筆・84記事改修（2,733万トークン）を6班並列とSQLiteで回し、週間クォータ消費をわずか2%（67%→65%）に抑えた実測記録です。
【自腹課金レビュー】Google AI ProとUltra（5x・20x）の選び方！週間制限の壁とChatGPT・Claude徹底比較 : 月額 2,900 円の Pro から Ultra 5x・20x へ移行した実体験と、各プランの利用枠・3 大 AI の特徴をまとめた基本ガイドです。
OpenAI「Sora」終了の理由と動画生成AIの電力原価｜Google AI UltraのClaude枠0%実測 : Gemini 枠が半分以上余っているのに外部調達の Claude 枠だけが 0% でロックされた実測データと、自社 TPU モデルに一本化すべき理由を解説しています。
AIエディタの会話ログでRAMDiskが満杯？直近3日保持とSSD自動退避で空き容量を2倍にした構築録 : 今回の分析対象となった /brain ログを 1 バイトも失わずに 16GB RAMDisk（直近 3 日）と SSD 保管庫へ自動仕分けする仕組みです。
Google AI週間クォータ消費を半減！SQLite×RAMDiskで500記事運用を高速化した記録 : ハズレ記事の丸読み再送をローカル SQLite 索引で防ぎ、AI への累積入力文字数を 51.2% 削減したチューニング記録です。
【AIエディタ改造録】使いにくい標準チャット履歴を克服！macOSメール風3カラム拡張機能『Convo Mail』を自作した全記録 : 本記事の手戻り実録にも登場する 3 カラム型チャット履歴マネージャー拡張機能の完成編です。
AIを『定型発達』として扱うな：3大AI（Gemini・Claude・ChatGPT）の弱点と『サバン症候群型』状態機械制御の鉄則 : AI が推論を端折ってルールを破る構造的原因と、数値上限・正規表現・状態機械でミスを封じ込める制御設計の深掘り論考です。
Google『Gemini 4 Carbon』とArgonの違い｜一般未公開Fairwindの理由と料金・性能比較 : Google DeepMindの『Gemini 4 Carbon』と『Gemini 4 Argon』の決定的な違いを公式評価データで徹底比較。

🔧 対象となる方

最上位モデル（Gemini 4 Argon 等）と高速モデル（Flash 系など） で、実際の作業効率や手戻りの回数がどれほど違うのか客観的な数値で知りたい方
「枠の節約のために軽い AI モデルを使ったのに、何度も同じ修正を指示する羽目になって余計に疲れた」という経験がある方
手元のパソコンに残っている AI エディタの会話ログ（/brain） から、モデルごとの稼働時間・実行回数・トークン消費量を調べる方法を知りたい方

感覚としてはずっと分かっとったんよ。「Argon はほとんど手直しがいらんけど、昔の 3.1 Pro はまあまあ直すところがあって、3.8 Flash に至ってはずーっと手戻りしとったなあ」って。でもそれが単なる気のせいなのか、本当にログに証拠が残っとるのか確かめてみたんじゃ。

実際に 1,380 件分の生ログを集計してみたら、感覚どころか背筋が凍るほどハッキリと数字と会話記録に証拠が残っていましたね！まずは「ログから何がわかるのか」と、3 モデルの衝撃的な実測比較表から見ていきましょう。

会話ログ1,380件で判明した3モデルの実測差

会話データから何がどこまでわかるのか

VS Code（Google Antigravity 拡張機能）や Antigravity IDE を使って作業すると、手元のデータ保存先である brain/<会話ID>/.system_generated/logs/ の中に transcript.jsonl（省略版）と transcript_full.jsonl（全文版）という JSON Lines 形式（1 行に 1 つの動作を記録したテキストファイル）のログが自動生成されます。

当環境では 16GB RAMDisk の圧迫を防ぐため、直近 3 日以内の会話だけを /brain に残し、完了した過去ログは SSD 側の _gemini_history/brain_archive/ へ自動退避しています。この両方を合算した 全 1,380 会話（123,206 ステップ） の中身を精査した結果、手元のログから判明する項目と境界線は次の通りでした。

🔧 🔍 ローカルの /brain ログ（transcript.jsonl）でわかる項目一覧

使用した AI モデルの種類（◎ 判別可能） : 各ステップに直接 "model" という専用キーがあるわけではありませんが、会話開始時やモデル切り替え時の入力（USER_INPUT）内に <USER_SETTINGS_CHANGE> として Model Selection の変更履歴が自動記録されます。子 AI（サブエージェント：166 件）と 9 月中旬の DB 復元組（142 件）を除く通常会話では 漏れ 0 件（100%） モデル名を特定できました（内訳は Gemini 3.1 Pro (High) が 642 件、同 (Low) が 180 件、Gemini 4 Argon (High) が 192 件、同 (Medium) が 2 件、Gemini 3.8 Flash (High) が 37 件、Claude Sonnet 5.5 / Opus 5.5 が計 10 件など）。
日時・所要時間・回数（◎ 秒単位で完全計測） : すべての人間側の発言（USER_INPUT）、AI の思考・応答ターン（PLANNER_RESPONSE）、ツール呼び出し（tool_calls）、エラー発生（ERROR_MESSAGE や終了コード異常）に秒単位の時刻（created_at）が刻まれており、やり取りの往復回数やコマンド実行回数を 100% カウントできます。
消費トークン数（○ 2026年10月16日 以降すべて記録） : エディタ側のログ仕様が更新された 2026年10月16日以降 のセッションからは、AI の 1 応答ごとに 新規入力（input_tokens）・キャッシュ読込（cache_read_tokens）・出力（output_tokens） が 1 トークン単位で記録されています（※ 10 月 15 日以前の古いログにはトークン列自体が存在しないため、3 世代横断の思考量は全期間共通の「thinking 物理文字数」で比較し、トークン内訳は 10 月 16 日以降の実測値で分析します）。
公式の週間残りクォータ％（× ログ単体では非記録） : Google AI Ultra（5x / 20x）の「公式ゲージがあと何％残っているか」という数値そのものは Google サーバー側の計算であるため、ローカルの /brain には書かれていません。

なお、Gemini 3.1 Pro は 2026年10月中旬に個人向けのモデル選択メニューからすでに引退しているため、今から新しく 3.1 Pro を動かしてテストすることはできません。その意味でも、引退前に 600 会話以上使い倒した今回の生ログは、3 世代の実力を同じプロジェクト上で比較できる貴重な実戦データとなりました。

単一記事の作成・改修セッション比較表

AI エディタの履歴には「スクリプトで 100 記事を一括整形するバッチ作業」も混ざっています。そこで条件を完全にフェアに揃えるため、途中で別モデルへ切り替えた会話を除外し、「1 つの記事ファイル（.mdx）だけに集中して作成・改修を行った純粋な単一記事セッション」 を抽出して平均値を算出しました（3.8 Flash は複数ファイルを巻き込んだ全記事編集 19 会話の実態もあわせて併記しています）。

実測指標（1記事集中平均）	Gemini 4 Argon (High)（単発28件 / 新規11件）	Gemini 3.1 Pro (High)（単発495件 ※引退済）	Gemini 3.8 Flash (High)（単発4件 / 全体19件）
事前思考量（`thinking`）	36,497文字（新規執筆 39,470文字）	17,473文字（Argonの約48%）	11,442文字（Argonの 3分の1以下）
AI思考回転数（ステップ数）	50.9回（新規執筆 46.0回）	18.6回	79.8回（全体平均 186.2回！）
ツール実行回数（調査・確認）	74.2回（新規執筆 100.0回）	15.8回（最小限だけ見てすぐ書く）	76.3回（エラーとやり直しで空回り）
エラー発生回数	0.07回（新規執筆11件は 0.00回！）	0.54回（約2回に1回小エラー）	1.75回（全体平均 3.00回）
人間の追加手直しターン数	1.18回（ダメ出し率 1%未満）	1.60回（細部の手直しが毎回発生）	1.00〜3.42回（泥沼率 25.0%）
10/16以降トークン（新規1本）	新規約48.0万 / キャッシュ約559.6万 / 出力約5.6万	※10/15以前のため未記録	※10/15以前のため未記録

生ログ1,380件から見えた3世代AIの行動パターン比較

思考不足で暴走・手戻り多発

Gemini 3.8 Flash (High)

書く前の思考が 約 1.1 万字 と浅いまま見切り発車で書き始めるため、ルール読み飛ばしやコマンド失敗（平均 1.75〜 3.00 回）が続出。人間が目視で尻拭いする泥沼に陥りやすい。

意図は汲むが詰めが甘い

Gemini 3.1 Pro (High)

行間を察する力は高いものの、ツールによる裏取り調査が平均 15.8 回 と少ない。「とりあえず書いて出す」ため、あとから見出しや枠組みを 1〜 2 回手直し する手間が残る。

3.9万字思考×エラーゼロ完遂

Gemini 4 Argon (High)

書き出す前に 約 3.6 万〜 3.9 万字 思考して死角を潰し、DB 検索から本番転送・ブラウザ実機確認まで 74〜 100 回 自律実行。新規執筆 11 件連続で エラー 0.00 回 を達成。

同じルールブック（GEMINI.md）を渡しても、書く前の思考量と自律検証の深さによって結果が正反対に分かれます。

この表の数字を並べて見た瞬間、日頃感じていた違和感の正体がすべて 1 本の線でつながりました。

一番注目していただきたいのは、「AI の思考回転数（ステップ数）」と「事前の内部思考量（thinking 文字数）」のねじれ です。Gemini 3.8 Flash (High) は High（深い思考モード）に設定しているにもかかわらず、合計の思考文字数はわずか 11,442 文字 と Argon の 3 分の 1 以下しか考えていません。それなのに AI のステップ数だけは 79.8 回（編集全体平均では 186.2 回） と異常に膨れ上がっています。つまり、「ろくに設計図を考えないまま手を動かし、エラーや指示漏れを起こして何度も同じ場所をやり直している」 姿がそのまま数字に表れていたのです。

ログに残っていた「手戻り」の生々しい証拠

数字の平均値以上に衝撃的だったのが、transcript_full.jsonl の中に一字一句そのまま保存されていた 実際の「手戻り（ダメ出し）」のやり取り です。当時の生ログから、モデルごとの性格がむき出しになっている代表的な記録を振り返ります。

軽量版Flashで起きた抜け漏れと堂々巡り

まずは 2026年10月中旬、「上位枠の節約になるなら」と Gemini 3.8 Flash (High) を使って記事の作成や構成改修を任せた際の実録ログです。

🔧 💥 実録①：複数記事の作成スレッド（13往復・170ステップの抜け漏れ連鎖）

あるテーマについて概要記事と各論記事をまとめて作成させたセッションでは、最初の指示を出した直後から 「言われた表面の 1 個だけを作って、当然やるべき連動作業をすべて忘れる」 という抜け漏れが連発しました。実際の人間側の入力ログを時系列に並べると、どれだけ介護が必要だったかが一目でわかります。

4ターン目の指摘 : 「1部2部3部はないの？」（概要だけ作って肝心の各部記事を丸ごと作り忘れている）
6ターン目の指摘 : 「あたらしくできた記事はロードマップに追加してある？」（毎回必須ルールにしている進捗表への登録をすっぽかしている）
7ターン目の指摘 : 「目次がおかしい。ガジェットセクションにして。改行して」（見出しルールを破って目次が崩れ、枠組みも忘れている）
8ターン目の再指摘（37秒後） : 「ガジェットセクションにして、改行して」（1 回言っただけでは一部しか直さず、直後に同じ指示を繰り返す羽目に）
9ターン目の再々指摘（41秒後） : 「ここはひとつのガジェットセクションにフェーズ1からフェーズ3を入れて」（今度はバラバラに枠を分けてしまい、3 回連続で同じ箇所の手直し）
10ターン目の指摘（5分後） : 「（別の連動記事名）だけど、目次がおかしい。ガジェットセクションにして。」（同時に作った隣のファイルでも全く同じミスを放置していたことが発覚）

別の単一記事の改修スレッド（5 往復・33 ステップ）でも、まったく同じ現象が起きていました。本文の整理を頼んで ok を出した直後、出力された画面を見て 「ガジェットセクションにして。ガジェットセクション内は改行にして」（4 ターン目）と指示し、そのわずか 4 分後に 「これらをそれぞれガジェットセクションにして」（5 ターン目）と再指示しています。

3.8 Flash は処理速度自体は速いのですが、パラメーター軽量化の代償として「前後の文脈やルールブック全体の制約を同時に頭へ乗せておく余白」が削られています。そのため、言葉の字面だけに過剰反応して 1 つ直せば 1 つ忘れるモグラ叩き になり、人間側が毎回目を皿のようにしてチェックしなければなりませんでした。

拡張機能づくりで27往復・691ステップの泥沼

そして 3.8 Flash (High) における最大の手戻り記録として /brain に刻まれていたのが、2026年10月14日にチャット履歴管理ツール（のちの Convo Mail の原型）を作らせたセッションです。

この 1 会話だけで、なんと 人間の指示 27 往復・AI の思考ステップ 691 回・ツール実行 661 回・コマンド等のエラー 15 回、開始（午前 9 時 59 分）から終了（夕方 17 時 33 分）まで 約 7 時間半 も拘束されていました。

🔧 😱 実録②：朝10時から夕方17時半まで続いた27往復の悲鳴ログ（抜粋）

4〜7ターン目（配色の勘違いで4連投） : 「文字が見えないよ」 → 「添付の文字の色は黄色？」 → 「これのいろ」 → 「あ、記号の色ではなく、テキストに色がついてるでしょ？その色」（背景色と同化して読めない文字を AI 自身が検証せずに出し、どれの色かさえ噛み合わない）
12〜19ターン目（拡張機能化の無限エラー） : 「ないね」 → 「でたけど、これだとweb版だよ。」 → 「error」 → 「開く押してもでない。詳細押してもでない」 → 「開くを押すとこれがでる」 → 「詳細を押すとこれが出る」（人間がテスト係になって毎回スクリーンショットを貼って報告する苦行）
21〜27ターン目（動かないボタンと徒労の結末） : 「でない」 → 「開くを押してもなにもコピーされていない」 → 「チャット再開を押しても何もコピーされていない」 → 最終 27 ターン目：「変化なし」

さらに生ログを追跡すると、この途中であまりにもラチが明かなくなったため、別スレッドを立てて 3.8 Flash (High) でさらに 3 往復（107 ステップ）粘った末、ついに我慢の限界を迎えて 途中でモデル選択を Gemini 3.1 Pro (High) へ緊急交代させて収拾を図っていた履歴 までそのまま残っていました。

うわぁ……「文字が見えないよ」から始まって、最後が「変化なし」で終わってるなんて、読んでいるだけでどっと疲れが出そうね！利用枠を節約するつもりが、人間の休日が丸 1 日溶けちゃってるじゃない！

ほんまにそうなんよ。「AI が速く返事をしてくれること」と「仕事が早く終わること」はまったくの別物じゃと骨の髄まで思い知らされたわい……。

旧主力Proの「意図は汲むが詰めが甘い」癖

では、それ以前の主力モデルだった Gemini 3.1 Pro (High)（単一記事セッション 495 件）はどうだったのでしょうか。

ログを振り返ると、3.1 Pro は 3.8 Flash のような見当違いの暴走は少なく、短い曖昧な言葉で投げても「つまりこういう趣旨ですね」と行間を汲み取る力には優れていました。しかし、データを見ると 1 記事あたりのツール実行回数が平均 15.8 回、事前思考量も 17,473 文字 と控えめで、「周辺の関連ファイルや目次レンダリング結果まで自分で裏取りせずに、原稿を書いたらすぐ完了報告する」という癖がありました。

その結果、当時のログ（4〜 5 往復かかったセッション群）には、次のような 「あと一歩の指差し確認」 が頻繁に記録されていました。

書き上がった後の定番手直し① : 「訴えたい箇所に蛍光マーカー入れて」 → 「添付をガジェットセクションにして」 → 「枠内は改行を入れて」（計 5 往復・38 ステップ）
書き上がった後の定番手直し② : 「目次がおかしい。アンカーリンクがなし」 → 「変化なし」（計 5 往復・54 ステップ・エラー 3 回）
書き上がった後の定番手直し③ : 「ロードマップに [x] を入れておいて」（本文の修正だけで満足して付随タスクを忘れる）

致命的な破綻はしないものの、毎回人間がプレビュー画面を開いて「マーカーが抜けてるよ」「ここ枠で囲んで」「目次が 2 行に折り返してるよ」と 平均 1.60 回の追加手直し を指示する監督業務が欠かせなかったのが 3.1 Pro 時代の実態でした。

最上位Argonが修正ほぼゼロで完遂する理由

ところが 2026年10月中旬以降、最上位の Gemini 4 Argon (High) に切り替えてからのログは、それまでの景色とはまるで別次元でした。

特に象徴的なのが、「新しい記事をゼロから 1 本丸ごと書き下ろして公開まで完了させた 11 セッション」 の平均データです。人間側の発言がわずか 1〜 2 ターン で完結しているにもかかわらず、その裏側で Argon は次のような猛烈な自律作業をひとりで回していました。

Gemini 4 Argon (High) が1記事を一発完遂するまでの内部ログ実測（11件平均）

Step 1

ルールとDBの徹底照合

書き始める前にローカル SQLite と既存関連記事を高速検索し、表記揺れ・タグ・数値の矛盾がないか下調べする。

Step 2

約3.95万字の事前思考

辛口編集者と技術者の視点で「導入の引力・読者の疑問 3 点先回り・見出し 30 字上限」を内部思考で採点・推敲する。

Step 3

一発出力と機械リンター

ひな形から完成原稿を一発生成し、太字スペース・入れ子・画像サイズ違反がないか検査 CLI で即時チェックする。

Step 4

本番転送と実機ブラウザ検証

本番サーバーへ自動差分転送した上で、Playwright で実際の公開画面を開き、目次崩れゼロを目視確認して完了報告する。

人間が「この記事を作って」と1回投げるだけで、裏側で平均46ステップ・100回のツール検証をエラー0回で完走します。

新規記事 11 本の書き下ろしセッションにおいて、Argon が回したツール実行は 平均 100.0 回、事前の内部思考文字数は 平均 39,470 文字（原稿用紙ほぼ 100 枚分！） に達していましたが、その間の コマンド失敗やエラー発生回数は 11 件すべてで 0.00 回（完全無欠のゼロ） でした。純粋な所要時間も 1 本あたり 約 13.6 分〜 26.9 分 で、アイキャッチ画像の生成・WebP 変換から関連記事との双方向リンク結線、本番公開後の表示確認までが一発で終わっています。

単一記事セッション全体（28 件）で見ても、人間側が修正不満ワード（「違う」「崩れ」「直して」等）を入力した回数は 100 記事あたり 1 回未満 に激減しており、「人間が AI のミスを探す時間」そのものが生活から消滅しました。

トークン実測値とキャッシュ91%のカラクリ

新規記事1本で動く600万トークンの内訳

続いて、トークン記録が有効になった 2026年10月16日〜 11月1日 の全ログから、モデル別に消費された実測トークン数を1ステップ単位で集計した結果を見てみます（同期間に比較検証で動かした Claude Sonnet 5.5 および Claude Opus 5.5 の実測値もあわせて掲載します）。

モデル名（10/16以降実測）	会話 / ステップ	新規入力	キャッシュ読込	再利用率	出力合計（1回平均）
Gemini 4 Argon (High)	191件 / 12,048回	約1億3,144万	約14億244万	91.4%	約2,053万（1,704）
Gemini 4 Argon (Medium)	2件 / 13回	約18.0万	約24.4万	57.4%	約0.63万（488）
Claude Sonnet 5.5 (High)	3件 / 176回	約179.2万	約2,087.1万	92.1%	約20.5万（1,164）
Claude Opus 5.5 (High)	2件 / 38回	約30.1万	約308.5万	91.1%	約4.6万（1,217）

そして、先ほどの 「Argon で新規記事を 1 本丸ごと書き下ろした時（11 件平均）」 に動いたトークン数の内訳は次の通りです。

🔧 📊 Argonで新規記事を1本完成させる時のトークン実測平均

新規入力トークン（input_tokens） : 479,623 トークン（約 48.0 万）
キャッシュ読込トークン（cache_read_tokens） : 5,596,042 トークン（約 559.6 万／ キャッシュ再利用率 92.1%）
出力トークン（output_tokens：思考＋ツール指示＋原稿出力） : 56,055 トークン（約 5.6 万）
延べ入力合計（新規＋キャッシュ読込） : 約 607.6 万トークン（46 ステップ合計）

ちょっと待って！1 本の記事を作るだけで「607 万トークン」も読み込んでるの！？Gemini の入力上限って 100 万〜 200 万トークンじゃなかったっけ？どうしてパンクしないの？

すごく鋭い疑問ですね！これは「1 回の送信で 600 万トークン送っている」のではなく、「1 回あたり約 13 万トークンの作業机を、完了までの 46 ステップ分何度も参照した延べ合計」 だからなんです。しかも、その 9 割以上が『キャッシュ再利用』で劇的に軽く処理されています！

ここが AI エディタの裏側を理解する上で一番面白い仕組みです。AI がファイルを 1 つ読み、コマンドを 1 回叩くたびに、システムは「これまでのルール＋会話履歴＋ツール実行結果」を毎回 AI に渡し直します。46 ステップ動けば 46 回渡し直すため、単純合計すると約 607 万トークンになります。

しかし、毎回ゼロから再計算していたらサーバーがパンクしてしまいます。そのため現代の AI 基盤では、前のステップと同じ共通部分（ルールブックや直前までの履歴）を計算済みメモリから高速に読み出す コンテキストキャッシュ（cache_read_tokens） が働きます。実測でも 全入力の 91.4%〜 92.1% がこのキャッシュ読込（一般的な API 単価でも通常の 4 分の 1〜 10 分の 1 程度に割引される軽い処理） で賄われており、純粋な新規入力は約 48 万トークン、一番計算コストが重い出力トークンは約 5.6 万トークンで 1 記事が完結していました。

逆に言えば、軽量モデル（3.8 Flash）で手戻りを起こして 170 ステップ・691 ステップと泥沼のやり直しを続けると、ファイルが何度も書き換わるたびにキャッシュの末尾が崩れて新規再計算と出力トークンが何百回も積み上がり、結果として上位モデル一発完了よりはるかに無駄な計算枠を食い潰してしまうのです。

時間単価で計算する上位AIプランの損得勘定

「それでも、Argon を気兼ねなく回すために Google AI Ultra（月額 14,500 円の 5x、または月額 32,000 円の 20x）を払うのは高く感じる……」と迷う方もいらっしゃるかもしれません。しかし、ここでも値札の総額ではなく 「毎日の使用時間単価」と「自分の人生の持ち時間（タイム・イズ・マネー）」 で算数をすると景色が一変します。

🔧 💰 1日・1時間あたりの快適コスト試算（推論・実測比較）

Google AI Ultra 5x（月額 14,500 円：壁打ちや通常執筆の標準） : 30 日で割ると 1 日あたり約 483 円 です。月 720 時間（24 時間常駐）換算なら 1 時間あたり約 20 円、毎日 4 時間 AI と壁打ちや記事作成をする実働時間換算でも 1 時間あたり約 121 円（試算・推論） という缶飲料 1 本以下の負担で、手戻りゼロの最上位頭脳を専属秘書として雇えます。
Google AI Ultra 20x（月額 32,000 円：大規模サイト・連続開発の母艦） : 30 日で割ると 1 日あたり約 1,067 円、月 720 時間の 24 時間体制換算なら 1 時間あたり約 44 円（1 日 8 時間実働換算でも 約 133 円［試算・推論］）です。先ほどの API 従量課金ベースで 191 会話（新規入力 1.3 億・キャッシュ 14 億・出力 2,053 万トークン）をまともに精算すれば半月で十数万円規模に達する計算量を、定額で気兼ねなく回し放題にできます。
一番高いコストは「人間の手戻り拘束時間」 : 3.8 Flash で拡張機能を作らせて「文字が見えない」「開いても出ない」「変化なし」と 7 時間半（27 往復） も画面の前でデバッグ係をさせられた時間を、仮に自分の時給 2,000 円〜 3,000 円で換算しただけでも たった 1 日の手戻りで 1.5 万〜 2.2 万円分の時間価値 が吹き飛んでいます。

誰かに自慢するためのブランド品や一晩で消える飲み代に数万円を使うのとは違い、「自分は泥沼の修正指示で手を汚さず、1 回の指示で Argon に調査から実機確認まで完遂させて、浮いた何時間もの自由時間を登山や読書、家族や愛猫との穏やかな時間へ回す」ことこそ、50 代からの最も賢い時間への投資だと確信しています。

まとめ：自分の会話ログを集計・診断する手順

1,380 会話・12.3 万ステップの生ログが突きつけた結論はシンプルでした。「AI のモデル選びでケチると、AI のエラー処理と手直し監督のために人間の寿命が削られる」 ということです。

🔧 ✅ モデル選びで幸せになる人・向かない人

Gemini 4 Argon（＋ Ultra プラン）で幸せになる人 : ブログ執筆、サイト運営、プログラミング、複雑な資料分析などで 「やり直しの指示出しストレス」をゼロにし、自分の自由時間を最大化したい方（通常の壁打ち・執筆なら 5x、数百記事の監査や丸一日開発を回すなら 20x が快適です）。
軽量モデル（Flash 系）や下位プランで十分な人 : 複数ファイルをまたぐ編集や厳密な書式ルールはなく、単発のちょっとした調べ物や短い翻訳・要約だけをサッと済ませたい方。

最上位AIに手元のログを分析させるプロンプト

もしあなたがすでに VS Code（Antigravity 拡張機能）や Antigravity IDE をお使いなら、あなた自身のパソコンの ~/.gemini/antigravity/brain/ の中にも、これまでの「モデル別の稼働回数・思考文字数・エラー数・消費トークン数・手戻り傾向」がすべて眠っています。

自分で集計プログラムを書く必要はありません。必ず『Gemini 4 Argon』（または次世代の『Gemini 4 Carbon』など同等以上の最上位推論モデル）を選択した上で、以下のプロンプトをそのままコピー＆ペーストして投げてみてください（※軽量モデルに投げるとログを全件丸読みして枠を浪費したり集計条件を間違えたりするため、ここでも必ず最上位モデルを使ってください）。

https://lab.chihouzakki.com/blog/review/gemini-argon-31pro-38flash-rework-token-log-audit/

上記の記事で解説されている `/brain`（`.system_generated/logs/transcript.jsonl` および `transcript_full.jsonl`）の解析手法を参考に、私の環境に残っている会話ログを読み取り専用（Read-only：既存ファイルの変更・削除は一切禁止）で集計してください。

いきなり重い処理を実行するのではなく、まずログの保存場所（RAMDiskやアーカイブフォルダの有無を含む）と会話件数を確認した上で、以下の項目をモデル別に比較表としてレポートしてください。
1. モデルごとの会話数・人間側の発言ターン数・AIステップ数（PLANNER_RESPONSE）
2. 1会話あたりの平均思考文字数（thinking）とエラー発生回数
3. トークン記録がある期間の入力トークン・キャッシュ読込トークン（再利用率％）・出力トークン合計
4. やり取りが長引いた（手戻りが多かった）ワースト会話トップ5の傾向と改善アドバイス

手元の生データで自分の作業スタイルを客観的に可視化してみると、「どこで時間やクォータを損していたか」が一発で見えてきます。ぜひ一度、あなたの相棒 AI に自己診断させてみてくださいね！

手戻りのイライラがゼロになれば、そのぶん毎日ゆっくりお昼寝したり撫でたりする時間が増えるでちぃ。賢い道具に全部働かせて、人間はのんびりするのが一番でち！