gemini-4-carbon の選び方：タスク・コンテキスト・推論強度・コストによるモデル選定ガイド

まず選定課題を明確に定義する

モデル選定で最もよくある失敗は、「どのモデルがより強力か」を単一変数の問題として扱ってしまうことです。ベンチマークのスコア、パラメータ数、宣伝文句はすべて外部シグナルにすぎません。あるモデルがあなたのシステムでどう振る舞うかを本当に決めるのは、そのモデルがどんなタスクに置かれ、どんな形態で出力し、どれだけのコストを負担するかです。したがって、どのモデルのドキュメントを開く前に、次の3つの前提条件を明確に書き出しておきましょう。

タスク種別：生成、抽出、それとも判断

タスクによってモデルへの要求は大きく異なります。創造的生成では多様性と言語の自然さが重視され、構造化抽出ではフォーマットの安定性と長い入力への忠実性が重視され、分類・判断系のタスクでは一貫性、つまり同じ入力を複数回呼び出したときに予測可能な結果が得られるかがより重視されます。タスクをこれらのカテゴリに分類して初めて、何を重点的にテストすべきかが分かります。

出力形態：下流システムが消費できるもの

出力形態はハード制約であり、好みの問題ではありません。下流がパーサー、データベース書き込み、フロントエンドコンポーネントである場合、モデルが解析可能なテキスト構造を安定して出力できるかどうかは、どれだけ美しい文章を書けるかよりもはるかに重要です。本インターフェースの出力はプレーンテキストであり、フォーマット制約はプロンプトまたは後処理層で自行補完する必要があります。入力側はテキストと画像をサポートし、音声、動画、PDF はサポート範囲外です。これらのモダリティが関わるシーンは選定段階で除外するか、前段階で変換を行う必要があります。

コスト制約：単価以外の構造的コスト

Token 課金のモデルでは、コストは単なる数字ではなく、リクエスト構造に応じて変化する関数です。入力長、出力長、リトライ回数、複数回の書き直しを行うかどうかが、最終的な請求額を変えます。さらに見落とされがちなエンジニアリングコストもあります。プロンプト適合作業の工数、出力パーサーの保守、回帰評価の構築です。選定のスコアリングで単価だけを比較すると、ほぼ必然的に誤った意思決定をしてしまいます。

これら3つを短い要件説明として書き出して初めて、以降のすべての横比較に共通の判断基準が生まれます。

要件をスコアリング可能なフレームワークに変える

実用的な方法は、3つの軸にそれぞれ重みを設定し、「必ず満たす」項目を別途抽出して一票否决とすることです。例えば出力形態は通常、否决項目に属します。サポートしていなければ使えないのであり、重み付けに参加させるべきではありません。残りのタスク適合度とコスト感度は、業務の実情に応じて重みを配分します。こうすれば、以降の情報が不完全でも、チームが議論の中で揺れ動くことはありません。

gemini-4-carbon の能力境界と calling 方法

gemini-4-carbon は Chat Completions 互換のインターフェースで呼び出され、エンドポイントは https://api.hiapi.ai/v1/chat/completions で、ストリーミング出力をサポートします。各モデルには2つのラインがあります。標準ラインはモデル名をそのまま使い、Vertex ラインはモデル名の後に @vertex を付けます（例：gemini-4-carbon@vertex）。2つのラインは呼び出し方法は同じで、価格が異なります。後述の価格表を参照してください。

位置づけとして、まず3つの型番を区別する必要があります。Carbon は Gemini 4 シリーズの最強モデルで、最も複雑な多段階・長周期タスクを対象とします。gemini-4-argon は大多数のソフトウェアエンジニアリングとナレッジワークに適し、能力とコストが均衡しています。gemini-3.8-flash は高速で低価格、高並列・低遅延タスクに適しています。

既知：入力はテキストと画像、出力はプレーンテキスト

入力はテキストと画像をサポートし、出力はテキストです。つまり、対話、要約、書き換え、抽出、分類、コード生成などのタスクを引き受けるのに適しています。同時に、あなたのプロダクトチェーンでモデルが画像やその他のモダリティを直接生成する必要がある場合、この形態では実現できないことも意味します。外層で結合方案を設計するか、直接除外する必要があります。音声、動画、PDF も直接入力としては使えず、前段階でテキストや画像に変換する必要があります。

既知：コンテキストと出力上限、Token 課金

コンテキストは 1,048,576 token、1回の最大出力は 65,536 token です。この2つの数字が分段戦略を直接決定します。入力がコンテキストを超える場合はトリミングまたは分割が必要で、出力が 65,536 token を超える部分はアプリケーション層で複数リクエストに分割する必要があります。Token 課金は、コストが入力長と出力長に応じて変化することを意味し、入力、キャッシュ入力、出力がそれぞれ計量されます。

既知の非サポート能力：サポート前提で設計しないこと

本インターフェースは現在、ツール呼び出し / function calling、Web 検索、computer use をサポートせず、構造化出力 / JSON モードもサポートしません。これらの能力はアプリケーション層で自行実装する必要があります。外部データが必要なら自分で取得してプロンプトに組み込み、固定フォーマットが必要ならプロンプトで約定し解析層で耐障害性のある検証を行い、インターフェースが制約をしてくれると仮定しないでください。

境界を制約リストとして書き出す

選定ドキュメントに能力カードを作ることを推奨します。インターフェースパス、ライン、入出力モダリティ、コンテキストと出力上限、推論強度の段階、非サポート項目を一つずつ記入し、多言語表現などまだ定量化されていない部分は検証リストに記載し、小規模な実測で自分のデータを取得します。これらの制約を回避するアーキテクチャ決定は、方案の中でリスクレベルを明示的に示すべきです。

タスク要件、コンテキスト、推論強度、コストによる横比較

横比較の鍵は、安定して再利用可能で他者が再確認できる軸リストを確立することであり、すべてのデータを収集することではありません。以下の次元グループは、テキストモデル選定の判断ニーズをほぼカバーしています。

軸1：タスクパフォーマンス

あなたが定義したタスク種別ごとに小さな評価セットを構築し、汎用セットでスコアリングしないでください。生成系は可用率と人手による選好、抽出系はフィールド精度とフォーマット遵守率、判断系は複数回呼び出しの一貫性を見ます。各軸には明確な判定基準とサンプルサイズが必要です。

軸2：コンテキスト、出力上限、推論強度

コンテキスト長上限、1回の出力上限、ストリーミング返却のサポート有無、推論強度の段階がタスクの難易度分布に合致するかを含みます。本インターフェースのコンテキストは 1,048,576 token、1回の最大出力は 65,536 token で、ストリーミング返却をサポートします。推論強度は reasoning_effort で制御し、low / medium / high を選択できます。構造化出力はサポート範囲外であり、フォーマット制約はアプリケーション層で自行処理する必要があります。

軸3：コスト構造

Token 課金の比率関係に加え、入力、キャッシュ入力、出力の3段階の単価差、および同等の品質に達するために必要な呼び出し回数を見る必要があります。複数回のリトライを経て初めて合格出力が得られるモデルは、名目コストは低いが実際のコストは高くなります。リトライ率をコストモデルに組み込むことは必須です。

軸4：安定性と遅延

ロングテール遅延分布、タイムアウト率、エラータイプが区別可能かを含みます。平均遅延だけを見るのは意味が限定的で、P95 と P99 こそがユーザー体験を決定します。

軸5：移行と運用コスト

既存のプロンプトが再利用できるか、出力パーサーをどれだけ変更する必要があるか、評価ベースラインを再構築する必要があるか、ログと監視をどう接続するか。この項目は短期的な比較では見落とされがちですが、切り替え後に最もコストが高く、問題が最も多い場所であることが少なくありません。

軸6：可観測性

リクエストとレスポンスを完全に記録できるか、Token 使用量を具体的なビジネスラインに帰属できるか、異常を特定できるか。可観測性は、リリース後に問題を発見できるかどうかを決定します。

このリストの使い方

各候補モデルを各行でスコアリングし、重みは業務に応じて設定し、スコアリングの根拠備考を残します。横比較の価値は、チームが「なぜそれを選んだか」について共通の再確認可能な理由を持つことであり、絶対的なランキングを導き出すことではありません。情報が欠落しているセルに遭遇した場合は、推測値を埋めるのではなく実測待ちとマークしてください。

Token 課金における実際のコスト推定

Token 課金の直感的な罠は、単価にリクエスト数を掛けることです。こうして算出された数字は通常、請求額と大きく乖離します。なぜならリクエスト構造を無視しているからです。より信頼できるパスはボトムアップで、典型的な1回のリクエストから推計することです。

まず単価を提示します（米ドル / 100万 token、入力 / キャッシュ入力 / 出力）：

• gemini-4-carbon 標準ライン 1.00 / 0.05 / 5.00；@vertex ライン 1.64 / 0.09 / 8.20
• gemini-4-argon 標準ライン 1.00 / 0.05 / 5.00；@vertex ライン 1.64 / 0.09 / 8.20
• gemini-3.8-flash 標準ライン 0.19 / 0.02 / 0.92；@vertex ライン 0.62 / 0.07 / 3.08

単価は出発点にすぎず、本当の推定はリクエスト構造に基づく必要があります。

ステップ1：1回のリクエストの Token 構成を分解する

1回の呼び出しには入力 Token と出力 Token が含まれ、両者の単価は異なり、キャッシュヒットした入力には別途単価があります。入力側にはシステムプロンプト、コンテキスト、ユーザー入力、例が含まれ、出力側には回答本文が含まれます。プロンプトで固定フォーマットを約定した場合、包囲構造の文字も計上すべきです。典型的なリクエストをこの構造で計量すると、システムプロンプトのような固定オーバーヘッドが高頻度シーンで大きな割合を占めることがすぐに分かります。

ステップ2：リトライと再生成の係数を掛ける

実際のトラフィックでは、リクエストが1回で成功することは稀です。解析失敗によるリトライ、品質未達による再生成、複数ターンの追问によるコンテキスト累積が、Token 消費を増幅させます。実際のログで有効リクエスト数と総呼び出し数の比を統計し、増幅係数を得ることは、感覚で推定するよりはるかに信頼できます。

ステップ3：1000リクエストあたりに換算する

1回のリクエストの期待 Token 数（増幅係数を含む）に業務量を掛けて、1000リクエストあたりのコスト量級を得ます。このステップの産物は同単位で比較可能な数字であり、候補モデル間で単価を報告し合うのではなく横比較するのに便利です。

ステップ4：感度分析を行う

出力長の割合とリトライ率をそれぞれ高めて、コスト曲線の傾きを観察します。コストが出力長に極度に敏感であれば、プロンプトで出力長を制限し、よりコンパクトなフォーマットに変えることで、効果は非常に直接的です。逆に、固定入力オーバーヘッドが支配的であれば、最適化の重点はコンテキストのトリミングと固定プロンプトの簡素化に置くべきです。

よくある推定ミス

単価だけを見る、成功したリクエストだけを計算する、複数ターンのコンテキスト累積を無視する、テスト期間の小サンプル比率を本番に外挿する、これらが最も一般的なミスです。回避方法は簡単です。数本の手書きサンプルではなく、本番トラフィックの実際の長さ分布をパラメータとして使うことです。単価は前述の価格表を参照し、推定モデルは你自己的リクエスト構造によって決定されるべきです。

シーン別の選定推奨

前述の軸を具体的なシーンに落とし込むと、判断はずっと明確になります。以下はテキストモデルで最も一般的な3種類の負荷形態であり、判断根拠はすべて実測可能な指標に基づきます。

高並列の軽タスク

典型例は意図認識、短文分類、フィールド抽出、短い書き換えです。これらのシーンは1リクエストあたりの Token が少なく、QPS が高く、遅延に敏感です。選定の重点は順に、遅延の P95 が基準を満たすか、フォーマット遵守率が安定しているか、単位リクエストコストが制御可能かです。gemini-3.8-flash はこの種の負荷の第一選択です。高速で低価格、標準ラインの単価は 0.19 / 0.02 / 0.92 で、推論強度の段階は実際のタスク評価に応じて選択する必要があります。ただし、出力をプログラムが解析する場合は特に、あなたの実際の入力でフォーマットの安定性をまず検証する必要があります。

長文処理

典型例はドキュメント要約、契約比較、長い対話分析です。本インターフェースのコンテキストは 1,048,576 token、1回の最大出力は 65,536 token で、入力はテキストと画像のみをサポートし、PDF、音声、動画は先にテキストに変換してから送る必要があります。まず業務で最も長い実際の入力でストレステストを行い、異なる長さでの効果減衰曲線を確認してから、分段が必要かどうかを決定することを推奨します。本当に分段が必要な場合、分段は重複するコンテキストオーバーヘッドを導入するため、コストモデルを相応に調整する必要があります。この種の負荷は通常 gemini-4-argon の範囲に収まり、能力とコストのバランスがより取れています。

品質優先のシーン

典型例はユーザー向けの生成コンテンツ、複雑な推論、高い可用率が必要な執筆支援です。これらのシーンは1リクエストあたりのコスト感度は低いですが、品質と一貫性の要求は高いです。gemini-4-carbon は Gemini 4 シリーズの最強モデルで、最も複雑な多段階・長周期タスクを対象とし、この種のトラフィックのメインモデルとして適しており、推論強度の段階も同様に実際のタスク評価に応じて選択します。選定時には評価セットの重みを人手による選好と複数回呼び出しの一貫性に置き、降級方案を構成すべきです。メインモデルが基準を満たさない場合は gemini-4-argon または gemini-3.8-flash に降級するか、人間に転送します。複数モデルの共存は運用の複雑さを増しますが、品質に敏感なシーンでは通常価値があります。

判断の一般原則

4つの線で判断します。タスクがどれだけ深い推論を必要とするか——多段階・長周期タスクは Carbon を優先し、通常のソフトウェアエンジニアリングとナレッジワークは Argon、高並列の軽タスクは Flash。入力がコンテキストとモダリティの範囲内に収まるか——超長は先に分段し、非テキスト入力は先に変換する。推論強度の段階がタスクの難易度に合致するか。単位リクエストコストが予算内か。技術スタックの統一のためにシーン適合度を犠牲にせず、コスト削減のために品質優先のトラフィックを不適切なモデルに押し付けないでください。

移行と接続の注意点

既存モデルから gemini-4-carbon に切り替える場合、または新しいシーンを直接その上に構築する場合、工数は主に3箇所に集中します。事前にこれらを切り出してスケジューリングすれば、リリース前の集中トラブルを避けられます。

プロンプトの書き直し

モデルによってプロンプト構造、指示順序、フォーマット例への感度が異なります。別のモデル向けにチューニングされたプロンプトをそのまま移行すると、効果が低下することがよくあります。モデル非依存の基本プロンプトを1つ保持し、各モデル用に軽量な適配層を維持して、フォーマット約定と例をこの層に置くことを推奨します。こうすれば、後でさらにモデルを変える際の変更範囲を制御できます。

出力解析

プレーンテキスト出力は、パーサーがフォーマットに対して明確な期待を持つ必要があることを意味します。一般的な方法は、プロンプトで構造を約定し、解析層で耐障害性を実装することです。フィールド欠落、余分な包囲文字、空返却のすべてに明確な処理分岐が必要です。解析失敗時はサイレントリトライではなく、帰属分析のために生レスポンスを記録すべきです。サイレントリトライは問題を隠蔽し、コストを増幅させます。

回帰評価

モデル切り替え前に評価ベースラインを確立することは必須のステップです。方法は、主要なタスク種別と境界入力（超長、空入力、多言語、特殊文字を含む）をカバーする評価セットを固定し、既存モデルの出力と指標を記録し、同じセットで新モデルを実行して項目ごとに比較することです。いかなる指標の低下も説明が必要であり、「全体的に良い感じがする」で済ませてはいけません。

接続方法

接続時は Chat Completions 互換のインターフェースを使用し、base_url は https://api.hiapi.ai/v1 とし、モデル名をパラメータとして渡してコード内で呼び出し差異をハードコードしないようにします。こうすれば、切り替え、カナリア、ロールバックは設定変更だけで済みます。ラインも同様にモデル名で表現します。標準ラインはモデル名をそのまま使い、Vertex ラインはモデル名の後に @vertex を付けます。リクエスト層ではリトライ、タイムアウト、ログを統一的にラップし、各業務側がそれぞれ実装するのを避けることを推奨します。

POST https://api.hiapi.ai/v1/chat/completions
{
  "model": "gemini-4-carbon",
  "messages": [{"role": "user", "content": "以下の設計ドキュメントの入力境界を要約してください"}],
  "reasoning_effort": "high",
  "stream": true
}

model を gemini-4-carbon@vertex に変えると Vertex ライン経由になり、他のリクエストボディは変わりません。

カナリアリリースと検証順序

まずオフライン評価セットで検証し、次に小割合の実トラフィックでシャドウ比較を行い、最後に段階的に流量を増やします。各段階には明確な合格基準が必要です。例えば、フォーマット遵守率がベースライン以上、P95 遅延が予算内、単位リクエストコストに異常な上昇がないことなどです。

リリース後の継続観測とロールバック戦略

選定は一度きりの意思決定ではありません。モデルのパフォーマンスは入力分布のドリフトやプロンプトの進化に伴って変化し、リリース後の観測が、偏差を適時に発見して修正できるかどうかを決定します。

トラフィック切替比率は制御可能に

カナリアリリースは一度きりの動作ではなく、常態的な能力です。ビジネスライン別、ユーザーグループ別のトラフィック切替能力を保持し、ロールバックをリリースではなく設定変更にします。切替比率、適用範囲、ロールバックパスはすべてドキュメントに明記し、元の作者でなくても操作できるようにします。

品質指標は自動化を

人手による抜き取り検査で品質低下を発見するに頼らないでください。フォーマット遵守率、解析失敗率、空返却率、タイムアウト率を自動アラート指標にし、生成系タスクには小規模な自動採点またはサンプリングによる人手レビューを準備します。指標の閾値が発動したら、自動的にトラフィックを降級できるようにすべきです。

コスト監視は帰属可能に

Token 消費はビジネスライン別、インターフェース別、モデル別に分解して見られる必要があります。そうでなければ、ある機能が知らぬ間に高くなっても、総請求額からは1つの数字しか見えず、特定できません。日次使用量の異常アラートを設定することは、月末の照合よりもはるかに効果的です。

ロールバックチェックリストを作成する

ロールバックはトラフィックを戻せば終わりではありません。ロールバック後には、古いプロンプトがまだ有効か、パーサーが2つのフォーマットに互換性があるか、キャッシュをクリアする必要があるか、監視指標がベースラインに戻ったかを確認する必要があります。これらのステップをチェックリストにして、プレッシャーの中で慌てないようにします。

定期的に評価を再実行する

固定周期で同じ評価セットを使って再実行し、モデルのパフォーマンスとコストのトレンドを記録することを推奨します。累積変化が閾値を超えたら、選定プロセスをもう一度通します。評価に使う評価セットとスクリプトはコードと一緒にバージョン管理し、誰が取得しても同じ物差しを使えるようにします。