Gemini 4 Carbonは何に向く？Fable 5.2に近い品質を約6分の1の費用で出す、資料照合の強み

Gemini 4 Carbonは、図表入りの資料から成果物を作る評価MKAで、Fable 5.2に近い品質を約6分の1の費用で出しました
長い資料のつながりを追う評価GraphWalksでも、前の版のArgonから10点以上伸びています
品質差は統計的に有意ではなく、費用に人の確認時間は含まれないため、合格1件あたりの総費用で比べるのが確実です

11月10日、Googleが最上位AI「Gemini 4 Carbon（ジェミニ4カーボン）」の提供を広げました。対象は有料の開発者・企業と最上位プランの加入者です。図表入りの資料から成果物を作る評価では、「Claude Fable 5.2（フェイブル）」に近い品質を約6分の1の費用で出しました。

前回取り上げたFable 5.2と並べると、Carbonの得意な仕事が見えてきます。Fable 5.2に近い精度を、はるかに安く出せること。そして、資料どうしを照合して確かめる力です。 コスパが要り、確認も要る仕事に向くモデルと言えます。この記事は、精度・コスパ・照合の3つの見出しで整理します。

Argon（アルゴン）と同じ単価の最上位モデル

同じ単価の札を持つ、アルゴンとカーボンの2体のロボットを描き、両モデルのAPI単価が同じことを示す図

Carbonは、Googleが「最強」と呼ぶモデルです。Googleは、能力を伸ばしながら、安全性と信頼性を損なわないことを目標に掲げています。

APIの単価は、前の版のArgonと同じです。導入価格は12月から2倍になりますが、Argonも同じく上がるため、両者の価格差は生まれません。そのうえで、長い資料をたどる評価や誠実性の評価などで、Argonより成績が伸びています。

ただし、Googleは大半の仕事にはArgonを勧めています。Carbonは、Argonより多くのトークンを使い、探索と検証を重ねる、難しい仕事向けのモデルという位置づけです。

使えるのは、有料のAPIと、最上位プランの加入者向けのGeminiアプリなどです。

特徴1 精度：Fable 5.2に近い品質

Gemini 4 CarbonとFable 5.2の品質を縦の棒で並べ、高さがほぼ同じであることを示す図

精度を比べる物差しとして、ここでは「MKA（エムケーエー）」を使います。Googleが評価機関と共同で公開した、図表入りの資料から成果物を作る評価です。

10の分野の専門家と作った200の課題で、複数の資料を読み込んで仕上げる、手間のかかる仕事が並びます。

たとえば人員配置の課題では、人員のCSV、部門間の人の流れを示す図、配置ルールのPDF、Excelテンプレートが渡されます。AIはこれらを読み合わせ、指定の書式でExcelを納品します。

結果は次のとおりです。「難項目の品質」は、旧世代のモデルが十分にこなせなかった難しい採点項目を、どれだけ満たしたかの割合です。★は、品質は最高値、費用は最小値に付けています。

Gemini 4 Carbon：難項目の品質 54.34%、平均API費用／課題 ★5.63ドル
Claude Fable 5.2：難項目の品質 ★56.56%、平均API費用／課題 35.28ドル
GPT-6 Astra：難項目の品質 50.24%、平均API費用／課題 6.03ドル

難項目の得点差は約2ポイントです。Googleの技術報告でも、この実験では統計的に意味のある差は出ていません。

Carbonが上回る評価もあります。Anthropic自身の比較表では、業務の流れを自動で処理する評価で、Carbonが約54%、Fable 5.2が約51%でした。

反対に、同じ表のコード修正の評価では、Fable 5.2が約49%、Carbonが約41%でFableが上です。比べた思考の設定は両者で違います。

特徴2 コスパ：課題あたりの費用は約6分の1

大きく膨らんだ財布から、小さな財布へ矢印が伸び、費用が約6分の1になることを示す図

差がはっきり出るのは費用です。MKAの1課題あたりの平均API費用は、Carbonが約6ドル、Fable 5.2が約35ドル。約6分の1の費用で、ほぼ同じ品質に届いています。

やり取りの回数も、Carbonは平均約47回で、Fable 5.2の約3分の1でした。

ほかの評価でも、向きは同じです。

コード編集ツールの評価：正答率はともに約60%。1課題の費用は、Carbonが約9ドル、Fable 5.2の最大設定が約33ドル
業務の自動化の評価（Zapier）：Carbonの費用は、Fable 5.2の半分以下。ただし費用の算出基準は、両者で完全には同じではありません

Fable 5.2のAPI単価は入力8ドル・出力40ドルで、12月からのCarbonの2倍です。単価の差より、仕事1件で使う量の差が大きく効いています。

読むときの条件が1つあります。ここでの費用は、APIの使用量から計算した課題あたりの平均で、人が確かめて直す時間は入っていません。

また、Fable 5.2は思考の設定を下げると安くなります。どの設定なら必要な品質に届くかまで含めて、比べる必要があります。

特徴3 照合：資料どうしの関係を追って確かめる力

契約・規程・台帳の3つの資料を線でつなぎ、項目どうしを虫眼鏡で照合して確かめる様子を示す図

3つ目の特徴は、資料どうしの関係をたどり、食い違いなく確かめる力です。

さきほどの人員配置の課題を、もう一度見てみます。AIは、帯のように絡み合った図から部門間の人の流れを追い、人員の数字や配置ルールと照らし合わせます。

見栄えだけでは点が取れない、照合の課題です。 公開されている課題の資料と採点例は、こちらのページにまとめました。

長い資料の中で関係を追う力は、OpenAIが公開した「GraphWalks（グラフウォークス）」という評価で測れます。点どうしのつながりを大量のテキストで渡し、指定した点から何段階か先にある点を、すべて答えさせる評価です。問題の例は、こちらのページにもまとめました。

点数は、必要な点を取りこぼしても、余計な点を混ぜても下がる仕組みです。Googleの比較表にある、とても長い入力（25万〜100万トークン）でのGraphWalksの結果は次のとおりでした。

Gemini 4 Carbon：約96
Gemini 4 Argon：約84
GPT-6 Astra：約72

この表にFable 5.2の値はなく、旧版のFable 5.1が約65でした。Carbonは前の版のArgonから10点以上伸び、長い資料の中でつながりを見失わない力がはっきり上がっています。

ただし、これは関係がはっきり書かれた一覧をたどる力です。契約書の例外条項や、議事録の中の因果関係のように、自然な文章から関係を読み取る力は別に考える必要があります。関係を取り出す工程と、取り出した関係をたどる工程を、分けて見るとよいでしょう。

確かめる姿勢を示す評価もあります。Googleの誠実性の評価では、欠けた実験データを勝手に補わず、方法の問題を指摘する力がArgonから大きく上がりました。一方で、知識問題の評価では誤答が増えた設定もあるため、重要な数字は最後に人が原文で確かめましょう。

会社の仕事なら、契約・規程・管理台帳の突き合わせや、システム移行での依存関係の確認に当たります。Googleも、複数のシステムにまたがる障害の原因調査を、得意な仕事に挙げています。

Carbonに向く仕事と、Fable 5.2を試す場面

照合・確認の道と最高精度の道に分かれた分かれ道で、仕事に応じてどちらを選ぶかを考える図

3つの特徴を合わせると、Carbonが向くのは、コスパが要り、しっかり確認することも求められる仕事です。

複数資料の突き合わせとレビュー：契約と規程、台帳どうしの整合を見る
決めた書式で繰り返し作る報告・集計：図表とルールを照合し、同じ形の資料を作る
テストで確かめられる移行や原因調査：結果を機械で確かめられる仕事

最後の点には実例があります。Googleの発表に載った利用企業HubXのエンジニアは、1万4,000件のテストを持つコードで実際の不具合16件を直させたと述べています。解決率は94%でした。修正で別の機能を壊すこともなかったそうです。テストが薄い古いシステムに、そのまま当てはまる数字ではありません。

一方で、Carbonの結果が完成条件に届かない仕事は、Fable 5.2にも同じ条件で作らせてみる価値があります。そのとき見るのは、追加の費用で、どの手直しが減ったかです。

なお、「Carbonは地道な作業向け、Fable 5.2は創造的な仕事向け」と単純に分ける根拠は、今回の評価からは出てきません。MKAの品質の差も小さく、Carbonを定型の処理だけに限る必要はないでしょう。