おとぼけドラゴンの逆襲？Gemini ArgonはOpus 5.5・GPT-6 Astraに勝てるのか

公式の成績表は強い。ただし科目ごとに見ると話は変わる。

Googleが9月30日に発表した比較表の19行を確認すると、Argonは13行で単独首位、1行で同率首位、5行で他モデルを下回ります。これはGoogleが選んで公表したテストの結果であり、世界中の全評価で勝ったという意味ではありません。[1]

ソフトウェア開発の評価だけでも、DeepSWE v1.1はArgon、FrontierSWE v2はAstraが首位です。総合王者探しより、自分が何を作るかが重要です。

10月20日に確認したArtificial Analysisでは、Intelligence IndexはOpus 5.5が58、ArgonとAstraが53でした。一方AutomationBench-AAではArgonが78%、Opusが70%、Astraが68%です。[2][3]

設定はArgon High、Opus Max Default Fallback、Astra Maxで、計算量をそろえた比較ではありません。Intelligence Indexは百分率ではなく、AutomationBench-AAとGoogleのAutomationBenchも同じ評価として混ぜられません。強さは認められますが、全面勝利とは言えません。

同じドラゴンでも、操縦席が変われば結果も変わる。

OhMyUnicornは架空の軍艦の参考画像から、Blenderコードを書き、レンダリングを見て修正する課題を実施しました。艦を作った対戦相手はAstraとArgonで、3モデルの軍艦対決ではありません。[4]

最初のArgonはClaude Codeのプロキシ構成で停止や待ち時間に悩まされました。その後Antigravity CLIで再実行すると、3つの推論設定すべてで完了。更新後の記録は、高設定の見た目がAstra高設定と肩を並べると評価しています。

AstraのCodex CLI高設定は18.5分、156部品。ArgonのAntigravity高設定は40分、11部品でした。部品数が多ければ美しいとは限りませんが、分解・編集・リギングを続けるなら構造の違いが効いてきます。

見栄え、編集しやすさ、速度は別の目標です。モデルを『使えない』と決める前に、ツールが正しくつながっていたかを確認したいところです。最初の停止原因は、モデル自体に確定していません。

これは作者の個別実行で、私たちによる再現実験や盲検比較ではありません。API価格換算は約5.24ドルと5.36ドルですが、Astraは実際にはサブスクリプションを使用しており、二つの実支払額ではありません。

同じ作者の小惑星都市でも、Antigravityへ変更し画面を確認できるようになったArgonは改善しました。ただし近接時の細部はOpusのほうが好みとのこと。ツールの改善は、すべての細部での勝利を保証しません。[5]

スコアだけでなく、3社の風洞作品を開いてみよう。

VisualForge Benchは、車、流線、カメラ、操作パネルを備えた実行可能な作品を公開しています。3作品の初期画面を開いて確認しました。これはモデルが書いたコードによる3D作品で、Argonがネイティブに動画生成した例ではありません。[6]

Astraはオレンジの車と明るい展示空間で、右に操作パネル。Opusは白いストライプの赤い車と暗めの風洞で、左右に操作系を配置。Argonは赤黒の車に黄色の線、上部の計器列と右側の長い操作パネルという構成です。

主役が分かりやすいか、ボタンが本当に画面を変えるか、自分のブランドや商品に応用しやすいか。この3点を試してみてください。

私たちが確認したのは初期表示で、全ボタン、スマートフォン操作、速度、物理精度の検証ではありません。風の表現は模式的で、工学用CFDではありません。またOpusのプロンプトハッシュはほかの2作品と異なるため、完全同一プロンプトの3者盲検比較とは呼べません。原サイトの一部採点はOpusモデルが行うため、平均点から万能の勝者を決めていません。

関連動画は作品紹介ページがリンクするオリジナル動画です。全編を通して視聴したわけではなく、動画タイトルを結論として採用していません。

YouTubeで関連レビューを見る ↗

おとぼけドラゴンが、本当にドラゴンを倒した。

10月15日の研究プレプリントは、4体のArgonエージェントがランダム生成されたMinecraftの世界で協力し、エンダードラゴンを倒したと報告しています。所要27時間14分、プログラム2,783本、死亡605回でした。[8]

Mineflayerのプログラム用インターフェースからキャラクターを操作し、難易度はEasyです。人と同じように画面・キーボード・マウスで遊んだわけではなく、OpusやAstraとの同条件比較でもありません。

注目点は長時間の計画、コーディング、協調、失敗からの復帰です。すべての仕事を任せられるという証明ではありません。それでも、ミームで笑われるドラゴンから、実際にドラゴンを倒すチームへ。なかなか良い逆転劇です。

王冠を争う資格はある。でも独走王者ではない。

Argonには強い公式成績と見る価値のある作品があります。ツール変更後の改善を見ると、ミーム一枚で切り捨てるのは難しいでしょう。ただし独立評価も作品比較も、全分野での圧勝を示していません。

サイト、制作ツール、ブランド素材を作るなら、『自分のこの仕事を、より確実に完成できるのは誰か』と問い直したい。完成するか、使えるか、次の修正で壊れないかを見ましょう。

自分の素材、同じ目標、近い時間予算で、失敗と手戻りも記録する。どの龍に王冠を載せるかより役に立ちます。次のミームで舌を出すのは誰なのか。まずは作品を提出してもらいましょう。

ミームは強気でも、結論は急がなくていい。

画像検索では、Geminiをおとぼけ役にした複数の版だけでなく、最強に描いた逆転版も見つかりました。『よくおとぼけ役にされる』とは言えても、『歴代ずっと負け続けた』という検証にはなりません。

関連する原投稿を下にまとめました。Xの一部原文は直接取得できず、投稿日は推定していません。各世代の日時・出典・測定結果を完全に照合できる歴史合集は見つかっていません。