Googleは2026年11月10日、AIモデル「Gemini 4 Carbon」の提供対象を、有料の開発者・企業向けAPIとGoogle AI Ultra加入者に拡大した。10月の限定公開から利用できる対象が広がり、API向けに設定されていた導入価格も11月30日で終了することが明らかになった。
同時に、複数のAIエージェントに開発作業を分担させ、並列実行する新機能「/swarm」のプレビュー版も発表された。APIはトークンの使用量に応じて課金される一方、Google AI Ultraでは契約に含まれる利用枠を消費する仕組みだ。複数のエージェントを組み合わせる場合、どの作業にCarbonを使い、作業全体でどれだけのトークンや利用枠を消費するかが、導入効果を判断する重要な要素となる。
Gemini 4 Carbonを有料APIとGoogle AI Ultraへ提供拡大
Gemini 4 Carbonの有料APIは、Google AI StudioとGemini for businessを通じて提供される。また、Google AI Ultra加入者には、Antigravity、Geminiアプリ、Google検索のAI Modeを通じて順次展開される。Googleは11月10日の公式発表で、Android StudioとCodeMenderも利用先として挙げている。ただし、日本を含むすべての地域やアカウントですぐに利用できると明言しているわけではなく、実際の提供状況は利用環境ごとに確認する必要がある。
10月28日の発表では、「Fairwind Program」を通じて、一部のサイバー防御担当者に限定して提供されていた。今回の発表によって開発者や企業も有料APIから利用できるようになったが、サイバー防御向けの「Carbon for cyber」に用意された高度な能力や評価結果が、そのまま一般向けAPIにも当てはまるわけではない。利用対象の拡大と、特定分野に向けた機能の開放は区別する必要がある。
Antigravityでは、モデル本体と新機能「/swarm」で利用可能な環境にも違いがある。Gemini 4 CarbonはGoogle AI Ultra加入者向けにAntigravityのApp、CLI、IDE拡張で提供されるが、/swarmのプレビュー版はAppとCLIが対象だ。IDE拡張でも/swarmを利用できるという発表ではない。また、11月30日までの導入価格は一般公開版CarbonのAPIに適用される条件であり、Google AI Ultraの利用枠やFairwind Programの条件にそのまま適用されるものではない。
科学研究向けには、別の支援制度も設けられている。Googleは今回の発表の約4週間前から、1万人の科学者を対象にGemini 4 Argonを6カ月間無料で提供するプログラムの募集を開始しており、すでに数千人を受け入れたという。現在の参加者と今後新たに参加する研究者には、Gemini 4 Carbonも追加で利用できるようにする。ただし、対象要件や選考が設けられ、毎週段階的に参加者を受け入れる仕組みであり、科学者なら誰でも無条件で利用できる制度ではない。
「/swarm」で複数のAIエージェントが開発作業を分担
今回発表された「/swarm」は、複数のAIエージェントが役割を分担し、並列にソフトウェア開発を進めるための機能だ。調整役のエージェントが専門の作業エージェントを起動し、それぞれを独立したGitワークツリーで動作させる。これにより、同じリポジトリに対する変更を、作業場所を分けて並行して進められる。さらに、検証担当のエージェントがテストを実行し、コードの差分を確認して実装上の問題を調べる仕組みも備える。
Antigravityチームの公式ブログによると、各エージェントは追記専用の共有掲示板を通じて直接情報を交換できる。調整役を介してすべての情報をやり取りするのではなく、担当者同士が進捗や必要な情報を共有できる設計だ。独立した作業環境とエージェント間の通信を組み合わせることで、複数の作業を同時に進めながら、最終的な成果物をまとめる構成となっている。
特徴の一つは、担当する作業ごとに使用するAIモデルを指定できる点だ。必ずしもすべてのエージェントにGemini 4 Carbonを割り当てる必要はなく、複雑な設計や全体の調整、サイバーセキュリティ監査、検証などにCarbonを利用し、通常のコード編集や実装には、より軽量で高速なモデルを使う構成も選べる。高度な推論が必要な仕事と、比較的単純な処理を切り分けることで、作業の性質に応じたモデルの使い分けが可能になる。
Google自身も、大部分のソフトウェア開発や知識労働にはGemini 4 Argonが適していると説明している。一方、Carbonは複雑な多段階のコーディングやデバッグ、自由度の高い科学研究などを想定したモデルだ。探索や推論、検証にArgonより多くのトークンを使う設計であり、すべての作業をCarbonに切り替えることが最適だと主張しているわけではない。むしろ、難しい判断が必要な工程にCarbonを集中的に割り当てることが、モデルを使い分けるうえでの重要な考え方となる。
Googleは/swarmについて、社内で5週間にわたって試用したと説明している。ただし、これはGoogle自身による検証であり、第三者が独立して効果を確認した結果ではない。また、エージェントが待機している間はトークンを消費しない仕組みだというが、作業中の消費までなくなるわけではない。複数のエージェントを並列実行する場合は、個々のエージェントではなく、システム全体の利用量を把握する必要がある。
API料金は12月から2倍に、並列実行の総費用が課題
Gemini 4 Carbonの一般向けAPI料金は、2026年11月30日を境に変更される。Googleが11月10日の発表で示した料金条件によると、導入価格は入力100万トークン当たり2ドル、出力100万トークン当たり10ドルだ。12月1日以降はそれぞれ4ドルと20ドルになり、入力・出力とも単価が2倍に引き上げられる。
| 課金対象 | 2026年11月30日まで | 2026年12月1日以降 | 変更倍率 |
|---|---|---|---|
| 入力100万トークン | 2ドル | 4ドル | 2倍 |
| 出力100万トークン | 10ドル | 20ドル | 2倍 |
同じ量のトークンを使用した場合、12月1日以降の料金は導入期間中の2倍になる。入力は4÷2＝2、出力は20÷10＝2という計算であり、同一モデルで消費量が変わらない場合の比較だ。ただし、実際の作業では推論の進め方や再試行の回数によってトークン消費量が変動するため、作業全体の支払額が常に正確に2倍になるとは限らない。
さらに、複数のエージェントを同時に動かす場合には、API料金だけでなく利用枠の消費にも注意が必要だ。Antigravityチームは公式ブログで、次のように注意を促している。
並列のマルチエージェントシステムは、通常のチャットよりもはるかに速く利用枠を消費する。
待機中のトークン消費をなくしたり、単純な処理を軽量モデルに任せたりしても、複数のエージェントが作業を進めれば、その分だけシステム全体の消費量は増える可能性がある。Google AI Ultraの利用枠をAPI料金に換算する具体的な方法や、/swarmで利用できる枠の詳細は公表されていない。また、モデルを役割ごとに使い分けることで何％の費用を削減できるか、どの組み合わせが最適かについても具体的な数値は示されていない。
そのため、導入時に比較すべきなのは、モデルが1回応答する際の料金だけではない。開発作業が完了するまでに消費した総トークン数、所要時間、生成されたコードや成果物の品質に加え、人間による確認や修正に必要な時間も評価する必要がある。Carbonがより多くのトークンを使って推論した結果、後工程での修正や再実行が減るのであれば、単価が高くても作業全体では有利になる可能性がある。逆に、成果物の品質がほとんど変わらないのであれば、軽量モデルを利用した方が合理的な場合もある。どちらが適しているかは、同じ作業を実行して比較しなければ判断できない。
MKAベンチマークで品質2位、費用は首位モデルの約6分の1
Googleは、複雑な知識労働におけるAIモデルの能力を評価するため、Artificial Analysisと共同で「Multimodal Knowledge Agent（MKA）」ベンチマークを開発している。このベンチマークの公式解説によると、図面や図表、文書のページ構成などを読み取り、複数の工程を経て成果物を完成させる能力を測定するものだ。10分野・83職種の専門家が合計200の課題を作成しており、熟練した人間でも3〜8時間を要する仕事が対象となっている。短い質問に正しく答える能力ではなく、実務に近い複雑な作業を完了する能力を評価する点が特徴だ。
採点では、各課題について約70項目のyes/no形式の確認基準を用いる。評価の配点は事実の正確さが75%、視覚的なデザインが25%で、すべてのモデルを同じ「Stirrup」、ツール、実行環境で動作させ、応答ターン数の予算も統一している。Googleによると、Google以外のモデルを使った自動採点と専門家による評価の一致率は96%だったという。ただし、これは採点結果の一致度を示す数値であり、AIが人間の仕事の96%を代替できるという意味ではない。
Googleの説明では、Gemini 4 CarbonはMKAで成果物の品質が2位となり、1位のモデルと比較した平均タスク費用は約6分の1だった。これは、同じ評価条件において、品質と費用のバランスで一定の競争力を示した結果といえる。ただし、費用差はベンチマークで設定された実行条件に基づくものであり、一般の開発業務や企業の実務でも同じ費用差が生じるとは限らない。
また、評価に使われる200課題は非公開で、別枠として10課題が公開されている。MKA自体がGoogleとArtificial Analysisの共同開発による評価であることも踏まえ、結果を解釈する必要がある。実務に近い多段階の課題を測定している点では参考になるものの、特定企業の開発環境や業務における性能を直接保証するものではない。
Gemini 4 Carbonのモデルカードでは、誤った情報の生成に加え、応答の遅延やタイムアウト、高い推論設定によるトークン消費量の増加などが制約として挙げられている。また、知識のカットオフは2026年3月で、分野によってはさらに古い情報しか持たない場合もある。最新のソフトウェア仕様や研究成果、外部環境の変化を扱う仕事では、モデルが生成した内容を別途確認する必要がある。
Gemini 4 Carbonの利用を検討する際には、ベンチマークの順位や1回当たりのAPI料金だけでなく、実際の作業を完了するまでの費用と品質を比較することが重要になる。特に/swarmを利用する場合は、Carbonを担当させる工程と軽量モデルに任せる工程を分け、成果物の品質、検証負担、完了時間、総トークン消費量を測定する必要がある。11月30日までの導入価格と12月1日以降の通常価格の両方で費用を計算すれば、価格変更後もCarbonを使う価値がある作業を具体的に見極められる。高度な推論によって成果物の品質や開発効率が実際に改善する工程を特定できるかが、導入判断の鍵となる。
