Gemini 4 Argonの性能を比較。Apolloの新機能とAnthropicの営業AI事例

Googleは9月30日、新しい最上位モデル「Gemini 4 Argon」を発表しました。独立した評価でも高い成績が出ていますが、ClaudeやGPTをあらゆる分野で上回ったわけではありません。まず押さえたいのは、何を評価すると強いのか、そして誰が使えるのかという点です。

1. Gemini 4 Argon発表。高い総合性能と「万能ではない」評価結果

一般提供に先立ち、限られた防御担当者へ提供

Googleの発表によると、最初の提供先はFairwind Programに参加する信頼されたサイバー防御担当者です。一般の開発者・企業・消費者への提供は今後で、具体的な開始日は示されていません。発表されたことと、自社ですぐに導入できることは分けて考える必要があります。

APIの導入時価格は100万トークンあたり入力2ドル、出力10ドル。その後の価格は入力4ドル、出力20ドルです。導入時価格がいつまで続くかは公表されていません。費用を試算する際には、最初の単価だけで長期の予算を組まない方がよいでしょう。

独立評価では、何を測るかによって競合との順位が変わる

Artificial AnalysisのIntelligence Indexは、事務作業、プログラミング、科学的な問題など10種類の評価を集約した指標です。v4.3.2の掲載値を並べると、ArgonはGemini 3.8 Flashを上回り、GPT-6 Astraと同じ表示スコアに達しています。一方、Claude Opus 5.5には差が残っています。

出典：Argon、Gemini 3.8 Flash、GPT-6 Astra、Claude Opus 5.5。各社の推論設定や代替モデルへの切り替え条件は異なり、計算量を同じにそろえた比較ではありません。また、Flashは別の製品クラスです。「前のGeminiと同じ料金で性能だけが上がった」という読み方はできません。

Argonはこの評価ではAstraと同じ表示スコアを、より少ない費用で得ています。ただし、1.99ドルは導入時の入力2ドル・出力10ドルを用いた費用です。また、ここでの「1課題」はこの試験に含まれる問題を指し、自社の問い合わせ1件や資料1本の処理費用ではありません。実際の費用は、使うトークン量や再試行の回数でも変わります。

ところが、Vals Index v2.1ではArgonが68.90%、Opus 5.5が66.97%、Astraが63.13%となっています。こちらは金融・コード・法律・税務の課題を、米国GDPに基づく比重で集計する指標です。Opusの数値には、提供元が回答を拒否した一部課題を別モデルが処理した結果も含まれます。

この違いは、一方の評価が間違っていることを意味しません。試験に使う課題も、総合点への重み付けも、実行条件も異なるためです。Valsでの優位は、その評価が扱う知識業務でArgonを検討する根拠にはなりますが、日本企業のあらゆる業務で成果が増えることの証明にはなりません。

コメント：総合順位から、任せたい課題の成績へ進む

Google自身の比較表にも、Argonが優位でない項目があります。たとえばTerminal-Bench 4.0ではArgonが57.4、Opus 5.5が66.4です。ターミナルを使って課題を処理する能力では、総合指標とは別の結果が見えています。

ただし、この表もすべてをGoogleが同条件で測ったものではありません。評価方法の資料には、Argonの自社測定値と、他社の公開リーダーボードや報告書の数値を組み合わせた項目があると記されています。実行を制御するソフトウェアや推論設定が違えば、モデル単体の能力以外も結果に影響します。

自社の既存エージェントを置き換えるか考える際は、まず任せたい作業に近い評価を探すことになります。そのうえで一般提供が始まったら、今のモデルが失敗する具体的な課題を、同じ資料・ツール・予算で再実行する。そうすれば、「総合点が高い」から一歩進んで、「自社が困っていた失敗を減らせるか」を確かめられます。

Argonには独立評価による裏付けがある一方、一般利用者が長期運用して得た再現性のある検証は、まだ十分に確認できません。現段階では、導入候補に加える判断と、実際の置き換え判断を分けておくのが妥当です。

2. Apolloが営業向けAI機能を発表。顧客情報の統合は提供開始、作成・配信機能は今後

3つの機能は、提供時期が同じではない

営業支援サービスのApolloは9月30日、顧客情報の統合から営業・マーケティングでの接触までをつなぐ新機能を発表しました。中心となる機能と提供状況は次の通りです。

同社の発表では、Builder StudioとMessaging OSは「近日提供」とされています。具体的な開始日や各機能の料金・契約条件は、この発表文だけでは確認できません。

コメント：文章を作る能力より、顧客情報の食い違いを減らせるか

営業文面の生成や、指示に沿ったツール作成は、すでに他のAIでも可能です。今回の発表で注目したいのは、そうした処理をApollo内の顧客情報や接触履歴につなげる設計です。

たとえば、ある会社の担当者が商談中なのに、別のチームから初回営業メールが届く場合を考えます。文面を上手に書くだけでは、この問題は解消しません。誰が、いつ、どの相手と話しているかを判断材料に含めて、連絡するかどうかを決める必要があります。

統合された情報を使って接触の重複を減らせるなら、既存の文章生成とは異なる価値があります。一方、同じ会社がCRMに別名で登録されていたり、最近の商談が記録されていなかったりすれば、AIも正しい状況を把握できません。複数の情報源をつなぐことと、その内容が正確であることは別の問題です。

導入を検討する企業は、すでに提供された情報統合の範囲を確かめながら、自社の顧客データで同一企業・同一人物を正しく扱えるかを見るとよいでしょう。その確認を経てから接触の自動化へ進めば、単に送信量を増やすのではなく、顧客に合った対応につながるかを評価できます。今回の発表だけで、重複連絡の削減や売上増加が実証されたわけではありません。

3. Anthropicが自社の営業AI事例を公開。「商談化率2倍超」の対象を読む

AIが質問に答え、購入と営業担当への相談を振り分ける

Anthropicは9月30日、Claude Managed Agentsを使って自社の問い合わせ対応を作り直した事例を公表しました。これは新製品の発売ではなく、既存の基盤を使った運用実績の報告です。

AIは顧客の要望を聞き、料金やセキュリティなどの質問に答えます。その後は、購入手続きに進む、会話内容とともに営業担当者へ引き継ぐ、質問への回答だけで終える、という3つの形で対応します。顧客は最初にAIと人のどちらと話すかを選べます。

同社によると、AIから営業担当者へ引き継がれた見込み客は、従来のフォーム経由の見込み客に比べて、商談につながる割合が2倍超になったといいます。出典はAnthropicの営業責任者による自社事例であり、第三者が検証した結果ではありません。

コメント：「AIの効果」と「担当者に届く顧客の変化」を分ける

この結果から、「AIを入れると全問い合わせの成約率が2倍になる」とは言えません。比較しているのは、以前のフォームから来た見込み客と、AIとの対話を経て営業担当者へ引き継がれた見込み客だからです。商談化と成約も、同じ段階ではありません。

AIの説明で顧客の理解が深まった可能性はあります。一方で、質問だけの人や、その場で購入できた人が別の経路へ進み、営業担当者には商談に近い人が集まるようになった可能性もあります。公開された情報だけでは、それぞれの影響を分離できません。

それでも、この事例には学べる点があります。AIにすべての商談を完結させる役割を与えるのではなく、質問に答えた後の行き先を分け、必要な場面では会話の経緯ごと人へ渡している点です。担当者への引き継ぎを、単なる自動化の失敗として扱う必要はありません。

自社でも同じ仕組みを試すなら、担当者に渡った案件の商談化率だけでなく、問い合わせ全体からの購入件数と、回答だけで終わった件数も追う必要があります。引き継ぎ後の成績が上がっていても、その手前で購入を諦める人が増えていれば、全体として改善したとは限らないためです。

今回の「2倍超」は有望な運用結果です。その価値を自社に生かすには、倍率だけを目標にせず、顧客がどの経路を通って購入や相談へ進んだのかまで把握することが大切になります。

---

Link AIでは、企業の生成AI活用に向けた業務整理や導入効果の検証を支援する「AIアセスメント」を提供しています。モデルの比較方法や、営業AIの導入効果を確かめる指標を整理したい方は、お問い合わせください。