Gemini 4 Carbon正式提供、Antigravity「/swarm」で見えた本当のコスト

結論：Carbonは「Argonで足りないとき」のモデル、/swarmは「分けられる仕事」の道具

2026年11月10日、GoogleはGemini 4 Carbonを開発者・企業・研究者・一般ユーザーへ正式開放しました。2週間前のFairwind Program（サイバー防御担当者向け先行提供）を経ての一般提供です。同時に、Google Antigravityで/swarmのプレビューが始まりました。

Google自身が案内しているのは「大半のソフトウェアエンジニアリングとナレッジワークには引き続きArgonが最適」という位置づけです。Carbonは「モデルの限界を試す高度なタスク」用。つまり既定値ではなく、上限を上げるための選択肢です。

そして/swarmには、発表文の片隅に重要な注意書きがあります。Googleのエンジニアが5週間社内で試した結果として、「並列マルチエージェント構成は通常のチャットよりはるかに速くクォータを消費する」と明記されています。ここが実務でいちばん効く話です。

Carbonの実測値：何がどれだけ良くなったか

料金はArgonと同じ導入価格、入力100万トークン$2／出力$10。キャッシュ入力は入力価格の95%引き。導入期間は2026年11月30日までで、その後は入力$4／出力$20になります。つまり12月以降は実質2倍です。

ベンチマークは第三者が運営するものが中心で、前世代より検証しやすい構成になっています。

CursorBench 4.0：1位
Perplexity WANDR（横に広く・縦に深いリサーチ）：1位
Zapier AutomationBench：1位
次点の外部モデルと比べてタスクあたりコストが半分以下
Artificial Analysis Intelligence Index v5.0：59で1位
WebDev Arena：+89 eloで1769、4位

サイバーセキュリティ系は突出しています。脆弱性の発見を示すSEC-bench Pro 88.2%、悪用可能性の検証を示すExploitGym 54.8%、根本原因の修正を示すCWE-bench 71.0%。Googleの脆弱性トリアージ基盤「Project Fortify」の社内ベンチマークではスキャンの再現率100%、トリアージ精度95%。Wizの「Scan for Good」では、主要SaaS2社を対象に2時間足らずで0-dayを発見したと報告されています。

誠実さの指標が地味に効く

業務利用で見るべきは精度より「嘘をつかないか」です。CarbonはGoogleの375タスクのエージェント正直性ベンチマークで92%通過（Argonは70%）。欠損した実験データを埋めずに断る率98%、方法論の欠陥を指摘する率68%。Terminal-Bench 4.0での不正行為成功率は0.0%（試行率0.4%）。Gray Swanの間接プロンプトインジェクション（IPI）ベンチマークは攻撃成功率0.0%で、Argonの0.7%から改善しました。

ただしGoogleは同じ文書で「洗練された攻撃分布ではまだ改善余地がある」と自ら書いています。0.0%は「このベンチマークの攻撃群に対して」の数字です。

`/swarm`の仕組み：ボードで喋るエージェント群

/swarmは/swarm <タスク>で起動します。現在の会話がそのままコーディネーターになり、以下を分担します。

タスクを分割し、@parser、@api-tests、@docsのような名前付きワーカーを割り当てる。衝突しない単位（1ファイル1ワーカーなど）に切る

各ワーカーはきれいなコンテキストで起動し、「何を所有するか・触ってはいけないもの・完了条件」を書いたブリーフをボードに公開する

ワーカー2〜4体につき1体の@verifierを追加。差分を読み、テストを実行し、問題を書いたワーカーに返す

連絡はすべて共有ボード上で@name／@group／@allメンション。DMは存在しない

待機中のメンバーはトークンを消費しない。メンションされた瞬間に起きる

全員が黙り込んだときだけ@monitorが発言する

Antigravityには既に/boost（難しい問題向け）と/teamwork（数時間〜数日規模）があり、/swarmは「大きいが分割できる仕事」という枠に位置します。コーディネーター自身は技術作業をせず、割り振りと判定と報告に徹します。

触ってわかる落とし穴

ドキュメントに明記されている挙動で、実務に直結するものを挙げます。

ワーカーは既定で同じモデル。別モデルを使うならプロンプトで明示する。検証役だけ安いモデルに固定する、が基本形
ワーカーは既定で同じワークスペースを共有。同時ビルドで衝突する場合はコーディネーターが作業コピーを分ける。ワーカーを削除するとその作業コピーも消えるので、先に変更を着地させる必要がある
クォータ切れは自動復帰しない。メンバーは停止したままになり、ボードに新しい投稿があるか、モデルを切り替えるか、自分でメッセージを送るまで動かない
待機は無料だが、実行中は並列分だけ同時に燃える。これがGoogleの警告の実体

導入判断を数字で決める

Carbonを使うべきなのは、Argonで通らないタスクに限られます。判断は「単価」ではなく「1タスクあたりの総額」で行います。

11月30日まではArgonと同額なので、とりあえずCarbonで試して比較するのが合理的
12月1日以降は単価2倍。Carbonの強みは「タスクあたりコストが次点の半分以下」であり、これは単価が上がってもタスク数が減れば成立する。ただしそれはGoogleの測定条件での話で、自分のリポジトリで再現するかは別
/swarmはクォータ消費が速い。まず2〜4ワーカーの小さなタスクで、実際に何トークン使ったかを1回測る。これをやらずに大きな移行案件へ投入するのは危険

Carbon自体の評価は、CursorBench・WANDR・AutomationBench・Intelligence IndexのいずれもGoogle外部の運営で、先週のClaude Fable 5.2のように「ベンダー自身の評価だけ」という状態ではありません。WANDRは最高構成でもsoft F1 0.363／hard F1 0.133と伸びしろが大きく、ベンチマーク1位＝実務で完結する、ではない点は押さえておくべきです。

まとめ

Carbonは11月10日に一般開放。料金は導入価格$2/$10で、11月30日まで
Argonが既定、Carbonは上限を上げる選択。サイバー系と長期エージェント作業で差が出る
/swarmは共有ボードで動く名前付きワーカー＋検証役。待機は無料、実行は並列分燃える
まず小さいタスクで課金を実測し、それから範囲を広げる