10月18日、pbxscienceが「Google's Gemini 4 Argon Helped Untangle 6 Million Lines of Chromium Code」と題した記事を公開した。AIエージェントが11時間自律稼働して出した提案6件のうち、人間のレビュアーが採用したのはわずか2件——これがGoogleの最新フラッグシップモデルGemini 4 Argonの実力を示す、最も正直な数字だ。Chromiumの600万行リファクタリングという派手な実績の裏側で、何が起き、何が弾かれたのかを本記事は丁寧に追っている。
Gemini 4 Argonとは
Gemini 4 Argonは、Googleが2026年10月13日に一般公開した現時点での最上位フラッグシップモデルだ。前世代にあたるGemini 2.5 Proと比べ、APIでの入出力統合トークン上限が大幅に拡張されており（後述）、大規模コードベースへの自律エージェント適用を想定した設計が強化されている。発表時のメインの実績として挙げられたのが、ChromiumコードベースへのArgon適用だ。
600万行のChromiumコードを「数週間」で整理
Chromiumのコードベースは全体で約4000万行に上る。その中でChromeチームが長年先送りにしてきた課題が、ウェブページ処理のコアロジックと、ブラウザ機能が積み重なったレガシーフォルダ（約600万行）の分離だった。ChromeリーダーのParisa Tabrizは公開当日、この作業が「ブラウザの数十億ユーザーに影響する安定性問題のクラスを丸ごと解消する」と述べた。
このリファクタリングはコードの削除や全面書き直しではなく、アーキテクチャの整理だ。Argonは複数のクリーンなコード変更を同時に生成し、数百ファイルにまたがる構造改修を、本来かかるはずだった数ヶ月の作業を数週間に短縮して完了させた。プロジェクトに関わったGoogleエンジニアのErik Chenは、「数十年分の機能が互いに絡み合った状態をほぐす作業だった」と説明している。
実用上の変化として、Googleはこのリファクタリングにより「ライブなウェブページがタブ・サイドパネル・フローティングウィンドウ間をリロードなしで移動できるようになる」としている。ただしGoogleの表現は「will unlock（解放されるだろう）」という将来形であり、現時点ですべてのChromeリリースでこの挙動が実現されているわけではない点に注意が必要だ。
なお、Argonが生成した変更はすべてChromiumのテストスイートによるCI検証と人間のエンジニアによるレビューを経ている。
11時間の無人エージェント実験——提案6件中、採用は2件
Chromiumの事例と並んで読み応えがあるのが、Googleデベロッパーチームが公開した別の実験だ。
対象は**Agent Development Kit（ADK）for Python（Googleが提供するエージェント構築フレームワーク）のオープンソースリポジトリ。約20万5000行、800近いソースファイル、約1万7000本のユニットテストを持つコードベースに対し、Argonを11時間、無人で**走らせた。
ルールなし vs ルールあり
まずリポジトリのガイドライン（コーディング規約など）なしで実行したところ、Argonはまずベンチマークスクリプトを7分で書き、70分かけてコードを計測・精読してから初めて編集に入った。実際のボトルネックを発見したが、公開JSONスキーマを無断で変更したり、テストをごく一部しか実行しなかったりと、プロジェクト固有の慣習を知らないことによる問題が出た。
次にプロジェクトのガイドラインを.agents/skillsディレクトリに追加してから再実行すると、Argonは全1万6892本のユニットテストを実行し、レビュー可能な状態のプルリクエストを作成した。
結果
Argonが提案した最適化は6件。人間のレビュアーが採用したのは2件で、残り4件は「脆弱」または「合成ベンチマーク上のみ有効」として却下された。採用された変更の効果は以下のとおりだ：
- 長いセッションでのインメモリセッション準備時間を約40%短縮
- コールドインポートを21%高速化
- プロセス起動から最初のモデルリクエストまでの時間は変化なし
この結果が示すのは、Argonが自律的に動作するとしても、提案の3分の2は人間のレビューで弾かれるという現実だ。
その他の実績
元記事でGoogleが挙げている他の数字は以下のとおりだ：
- FuchsiaカーネルのコードなどC/C++コード約80万行をRustへ移行
- ビデオデコーダのSIMDコード約3万2000行を安全なRustで書き直し、以前のRustポートと比べて2.7倍高速なメモリ安全デコーダを実現
- GoogleのオープンモデルGemmaのvLLM上での推論をエンドツーエンドで2.85倍高速化
- Argonを利用したチームはエージェントによるコード投稿が35%以上増加し、コードのロールバックが約3分の1減少（ただし計測方法の詳細はGoogleから開示されていない）
なぜこれほどの長文処理が可能なのか
Argonが大規模コードベースを扱える技術的背景として、Gemini APIでの入出力統合1Mトークン上限がある。前世代Gemini 2.5 Proの出力上限が6万4000トークンだったのに対して大幅に拡張された。また長い出力の継続を可能にするコンティニュエーションプロトコルも新たに導入されている。
ただし1Mトークンの上限はAPIのオプトイン設定であり、GeminiアプリでのデフォルトではないとVentureBeatなど独立メディアが指摘している。通常のワークフローでまず動作を確認してから利用する方が無難だ。
開発環境Antigravity（GoogleがArgonと組み合わせて提供する長時間エージェント実行向けの開発環境）との連携も重要な要素だ。/goalコマンドで最上位の目標をコンテキスト圧縮後もピン留めし続けることで、長時間実行時にエージェントがタスクを見失うリスクを下げる。
料金：2026年11月30日以降は値上げ予定
APIの現行料金は入力トークン100万あたり2ドル、出力100万あたり10ドル（2026年11月30日まで）。以降は4ドル・20ドルへ引き上げられる予定であり、コスト試算をもとに導入を検討しているチームは移行タイミングに注意が必要だ。
注意点
Googleが挙げた実績はほぼすべてGoogle自身のエンジニアが、Googleが選んだシナリオで行ったものだ。何度失敗したか、レビューにどれだけの工数がかかったかは公開されていない。GoogleレベルのCI基盤を持たない企業が同様のアプローチを取ると、リスクは大幅に増す可能性がある。
詳細はGoogle's Gemini 4 Argon Helped Untangle 6 Million Lines of Chromium Codeを参照していただきたい。
