Googleのカムバックには30分の代償が伴う
Googleの Gemini 4 Argon は、フロンティアモデルの議論に決定的に再参入しました。これは検索大手にとって驚異的なカムバックです。ただし、この評価は独立したモデル能力の監査ではなく、あるクリエイターによる実機テストに基づいています。著名なAI開発者であるMatthew Berman氏は、最近の動画でArgonの印象的な生成能力を披露しました。
Berman氏は、Argonの独特なデフォルトの挙動を観察しました。明示的なスコープや「/goal」の指示がない場合、Argonは成果物を提供する前に一貫して約 30分間 タスクの反復を行いました。これは、Three.jsで構築されたハイパーリアルなサイバーパンク都市のような複雑な3Dレンダリングで顕著であり、約30分の自律的な構築を経てブラウザ上で60 FPSで動作しました。
この長時間の自律実行時間は、開発者にとって諸刃の剣となります。Argonが詳細でインタラクティブな3D環境で実証したように、ガイドなしの長い反復は、より豊かで洗練された結果をもたらす可能性があります。
しかし、これは同時に大きなレイテンシをもたらし、特に時間的制約のあるアプリケーションでArgonを展開する際に、開発者が明確なタスクの境界、反復制限、および明示的な目標を定義する必要性を浮き彫りにしています。出力の深さと実行の予測可能性のバランスをとることが極めて重要になります。
ネオンの街から物理ラボまで：Argonが構築したもの
Argonの初期出力：自然言語プロンプトから生成された three.jsサイバーパンク都市 は、報告によると60 FPSで動作しました。このアニメーションシーンでは、「2049 Amber」や「Biosynth」といった調整可能なビジュアルプリセットが提供され、ネオンの輝き、空の交通密度、および「Cockpit HUD」を含むさまざまな camera オプションの制御が可能でした。
次に、Berman氏は物理演算とインタラクティブ性を確認するために Rube Goldbergシミュレーション をテストしました。ドミノ、転がるボール、ピンボールのようなインタラクションを備えたこの複雑な装置では、カメラビューを制御できました。印象的ではあるものの、シミュレーションには不完全な点も見られました。ボールが一時的にスタックして2回目のクリックが必要になったり、一部のオブジェクトに軽微なクリッピングが発生したりしました。
印象的なインタラクティブ性にもかかわらず、視覚的な忠実度には限界がありました。Rube Goldbergマシンのテーマ環境（「Grand Canyon」や「Las Vegas」など）は、「ハイパーリアル」というプロンプトにもかかわらず、真のリアリズムを達成できていません。海に浮かぶボートのUnreal Engineデモでは、水と波の物理演算は強力でしたが、細部が繰り返されており、水中ビューが欠けているなど、Argonのグラフィックリアリズムの現在の限界を浮き彫りにしました。
デモは印象的だが、ベンチマークの結果はまちまち
視覚的なスペクタクルを超えて、Berman氏のテストはArgonの幅広いコーディング範囲を明らかにしました。Argonは Fall Guys風のゲーム を生成し、繰り返しのプロンプトを通じて反復的に改善されました。これは、モデルの洗練能力を示しています。さらに、ArgonはExcelのようなブラウザクローンを作成しましたが、これにはまだ数式の誤りが含まれており、さらなる開発の余地があることを示唆しています。
Berman氏はまた、Argonの報告されたベンチマーク結果も提示しました。このモデルはDeepSweeで77.9、Vibe Code Benchで91.9%を記録し、特定のコーディングタスクにおいて強力なパフォーマンスを示しました。Terminal Benchでは57、OSWorldでは69%、Agent’s Last Examでは39という結果でした。
これらのスコアを比較すると、Berman氏はArgonを主要なモデルの一つと位置づけ、特定のコーディングやコンピュータ使用のテストにおける強みを指摘しています。しかし、示された直接比較ではTerminal BenchのスコアがOpusを下回っており、単一のモデルがすべての指標で普遍的に優れているわけではないことが浮き彫りになりました。詳細については、Introducing Gemini 4 Argon - Google Blogのような公式発表を参照してください。Argonのパフォーマンスは高い能力を示唆していますが、同時に卓越した分野と成長の余地があることも示しています。
この記事が気に入ったら、毎朝同じようなものをメールで受け取れます。
1日1通 · 2クリックで解除 · サードパーティのトラッキングなし
フロンティアモデルであり、3Dの王者ではない
Argonの3D能力は印象的ですが、Matthew Berman氏のテストでは、それが絶対的な王者ではないことが明らかになりました。彼は、特にThree.js、Unreal Engine、Blenderを用いた3D作業において、ArgonがMetaのMuse Wonderよりも優れていると評価しています。しかし、全体的なグラフィックスや空間実行能力においては、依然としてAnthropicのOpusやOpenAIのAstraに後れを取っています。
この一貫性のないパフォーマンスは、重要な教訓を浮き彫りにしています。モデルの全体的なコーディングの評判やベンチマークスコアが、すべての特定のタスクにおいて洗練された出力を保証するわけではないということです。多くのコーディング領域で熟練しているArgonのようなフロンティアモデルであっても、広範なプロンプトなしでは、超リアルな3Dレンダリングや複雑な物理演算といった微妙な要求には苦戦する可能性があります。
生成されたソフトウェアは出発点として扱うべきです。Rube Goldbergマシンの時折発生するクリッピングのようなエッジケースや予期せぬ相互作用に細心の注意を払い、その挙動を徹底的に検証してください。モデルのデフォルトである30分の実行時間に頼るのではなく、明確な時間や完了目標を設定しましょう。コード生成のコストが低下したことで、製品の品質と実行力が重要な差別化要因へとシフトしています。
よくある質問
Gemini 4 Argonとは何ですか？
動画の中で、Gemini 4 ArgonはGoogleのフロンティアAIモデルとして紹介されており、コーディング、3D生成、エージェント形式のタスクでテストされています。
Gemini 4 Argonは何を構築できますか？
デモンストレーションには、インタラクティブなThree.jsシーン、物理演算ベースのRube Goldbergマシン、Fall Guys風のゲーム、ブラウザベースのスプレッドシートのクローンなどが含まれています。
Gemini 4 Argonは3D生成に最適なモデルですか？
動画の評価者は、能力は高いとしつつも、AnthropicのOpusやOpenAIのAstraの方がより優れた3D結果を生み出すと述べています。
なぜGemini 4 Argonはタスクに約30分かかるのですか？
作成者のテストでは、最小限の指示しか与えられない場合、約30分間動作することが多くありました。明確な目標と時間制限を設定することで、それを制御する助けとなります。