Gemini 4 Carbon と Gemini 4 Argon の比較：どちらを選ぶ？4つの旧パラメータと3種類のシナリオ

著者メモ：すでに gemini-4-argon を使っている方は、gemini-4-carbon に乗り換えるべきでしょうか。本記事では Google の開発者ガイドとモデルカードをもとに、両者の共通点と違い、移行時に整理すべき4つの旧パラメータ、そして乗り換えるべきでないケースを整理します。

まず結論です。Gemini 4 Carbon と Gemini 4 Argon は入門単価が同じですが、日常的な機能開発のために Argon をまるごと Carbon に置き換える必要はありません。Google の開発者ガイドでも、大半のソフトウェアエンジニアリングやナレッジワークでは引き続き Argon を使い、タスクの難易度が上限近くに達したときだけ Carbon に切り替えるよう勧めています。単価が同じでも請求額が同じになるとは限りません。Carbon は思考トークンをより多く消費し、処理も遅くなるためです。

本記事は「新しいモデルのほうが高性能だから全部乗り換えよう」という推奨記事ではありません。2026-11-10 に Google 公式ブログが Gemini 4 Carbon を有料開発者向けに公開すると発表し、Gemini API の changelog にも同日付けで gemini-4-carbon の GA が記録されました。Argon の GA 記録は 2026-11-05 です。なお、本記事に出てくるベンチマークはすべて公式の自己申告またはドキュメント記載のもので、第三者による比較実験ではありません。

この記事で得られること：Gemini 4 Carbon と Gemini 4 Argon を切り替えるべきタイミング、モデル名を変える際に削除すべき4つの旧パラメータ、そして Argon のままにしたほうがコスト面で有利なケースがわかります。

Gemini 4 Carbon と Gemini 4 Argon の比較：まずは共通点から

Gemini 4 Carbon は Gemini 4 Argon をベースにしています。開発者ガイドによると、gemini-4-argon から gemini-4-carbon に切り替えるには、モデル名を置き換えるだけで済みます。両者は同じ thinking_level を使い、入力・思考・出力で共有する 1M のコンテキストウィンドウも同じで、移行時の制約もまったく同じです。そのため、本当に判断すべきなのは「思考トークンを多めに使う価値があるかどうか」であり、インターフェースの改修はむしろ問題になりません。

比較項目	Gemini 4 Argon	Gemini 4 Carbon	同一かどうか
モデル ID	`gemini-4-argon`	`gemini-4-carbon`	名前のみ変更
`thinking_level`	low / medium / high、デフォルトは medium	low / medium / high、デフォルトは medium	同じ
コンテキストウィンドウ	入力・思考・出力で 1M を共有	入力・思考・出力で 1M を共有	同じ
デフォルトの同期出力上限	65,536 tokens	65,536 tokens	同じ
キャッシュ方式	暗黙的キャッシュ、キャッシュ済み入力は 95% 割引	暗黙的キャッシュ、キャッシュ済み入力は 95% 割引	同じ
`temperature` / `top_p` / `top_k`	無視され、警告が出る	無視され、警告が出る	同じ
`thinking_budget`	非推奨	非推奨	同じ
入力モダリティ	テキスト、画像、音声、動画	テキスト、画像、音声、動画	同じ

Gemini 4 Carbon と Argon のウィンドウと思考レベル

前世代のモデルでは「思考＋回答」が 64K で頭打ちでしたが、Carbon と Argon はどちらも、入力・思考・出力で 1M トークンのウィンドウを共有する方式に変わりました。注意したいのは、デフォルトの同期出力上限が引き続き 65,536 tokens である点です。より長い出力が必要な場合は、Interactions API で background=True を設定し、max_output_tokens を 65536 以上に引き上げます。あわせて思考用の余裕も確保しておかないと、回答が途中で切れてしまう可能性があります。

thinking_level の使い方は両モデルで共通です。ドキュメントでは、high は複数ファイルにまたがる根本原因分析、セキュリティパッチ、形式数学、初期段階のアーキテクチャ設計に、medium は速度・コスト・一発で正しく書けるかどうかのバランスをとるデフォルト設定に、low は分類、ルーティング、ピンポイントの抽出に向いているとされています。なお、Carbon が出力できるのはテキストのみで、画像生成や動画生成のモデルとしては使えません。

Gemini 4 Carbon と Gemini 4 Argon の核心的な違い

両者の本当の違いは「思考の深さ」にあります。Google は開発者ガイドの中で、Carbon は Argon よりも多くの thinking tokens を使い、仮説を最後まで掘り下げ、検証ループもより長く回すと明記しています。一方、Argon は token の使い方を絞り、インタラクションの速さを重視した位置づけです。そのため、同じプロンプトを両方に投げると、Carbon のほうがタスク1件あたりのコストも所要時間も高くなる可能性があります。

比較項目	Gemini 4 Argon	Gemini 4 Carbon	傾向
公式の位置づけ	大半のソフトウェアエンジニアリングとナレッジワーク	知能の限界に挑む難問	タスクの難易度次第
思考 token の使用量	少なめ	多め	Argon が節約向き
応答速度	速い。インタラクション向き	難しいプロンプトでは数分かかることも	Argon が速い
モデルカードのスコア	ベースライン	比較可能な項目で総じて高い	Carbon
タスク1件あたりのコスト	抑えやすい	同じ単価でも高くなる可能性あり	Argon
サイバーセキュリティ特化	含まない	高スコアは Fairwind 経由によるもの	名前を変えても得られない

Gemini 4 Carbon のモデルカードスコアを Argon と比較

以下のデータは Gemini 4 Carbon のモデルカードによるもので、2026年11月に公開され、結果は2026年10月時点のものです。いずれも公式の自己申告値です。Terminal-Bench 4.0 については、モデルカード上で Argon の欄が「571%」と印刷されており、パーセンテージとして妥当ではないため、本記事ではこの項目を割愛し、Carbon の 65.2% のみを記録しています。

ベンチマーク（公式自己申告、2026-10 時点）	Gemini 4 Carbon	Gemini 4 Argon	差の読み解き
AA Index v5.0	59	50	総合的な知能で明確にリード
GraphWalks 256k–1M BFS （F1）	96.2%	84.2%	長いコンテキストでの検索に大きな差
Terminal-Bench-Science 0.1	64.8%	52.9%	科学系ターミナルタスクでリード
RiemannBench	80.0%	76.0%	数学的推論で小幅にリード
FrontierSWE 2	61.2%	55.0%	コーディングでリード
SWE-sweep	9.6%	4.3%	絶対値はどちらも低い
Agents’ Last Exam v1.1	77.4%	69.0%	エージェントタスクでリード
OSWorld-2.1 オフラインサブセット	81.5%	74.7%	コンピューター操作で Argon をリード
Vals Index v2.2	70.4%	69.2%	差はごくわずか
Chartography	72.5%	71.6%	差はごくわずか

この表からは、いくつかのことが読み取れます。長いコンテキストを扱う GraphWalks、科学系、そして大半のコーディング項目では、Carbon の Argon に対するリードがはっきり出ています。一方、Vals Index と Chartography は差が1ポイント前後しかなく、日常的なナレッジワークではほとんど違いを感じられないかもしれません。また、Carbon も同じ表の中で全勝しているわけではありません。FrontierSWE 2 の最高値は GPT-6 Astra（65.5%）、OSWorld-2.1 の最高値は Claude Opus 5.5（87.2%）です。

AA Index については、本記事ではモデルカードが引用している 59、つまり2026年10月時点の AA Index v5.0 の値で統一しています。サードパーティのページでは2026年11月11日に別の数値が出ていましたが、同じページ内の情報に食い違いがあったため、確定値としては扱っていません。

Gemini 4 Carbon のセキュリティスコアをどう読むか

モデルカードにある CWE-bench、ExploitGym、SEC-bench Pro の3項目は、Fairwind Program 経由で測定した成績です。10月28日のリリース記事には、これらのベンチマークがガードレールなしの条件で評価されたことも明記されています。サイバーセキュリティ向けの専用機能は、審査を通過した防御側の組織だけが Fairwind Program で利用できます。有料APIでは、デフォルトで同等の機能は使えません。

つまり、モデル名を gemini-4-carbon に変えただけでは、これらのセキュリティスコアは得られません。Cyber Permissive 版を使えることにもなりません。公式サイトの料金表を見ると、Cyber Permissive はプロモーション価格の対象外です。この点は後の料金のセクションでもう一度触れます。

Gemini 4 Carbon と Argon の料金比較：単価が同じでも請求額は同じとは限らない

まずは Google 公式サイトの料金です。2026-11-11 時点で確認した Google Cloud と AI Studio の料金ページでは、Carbon と Argon の料金体系はまったく同じです。2026-11-30 までのグローバル価格は、入力 2ドル、キャッシュ入力 0.10ドル、出力 10ドル（いずれも100万トークンあたり）です。2026-12-01 からは、入力 4ドル、キャッシュ 0.20ドル、出力 20ドルに値上がりします。出力価格には回答部分と推論部分の両方が含まれるため、思考トークンが増えるほど請求額も高くなります。

課金項目（米ドル / 100万トークン）	Gemini 4 Argon	Gemini 4 Carbon	利用可能なプラットフォーム
APIYI 入力	2	2	APIYI apiyi.com
APIYI 出力	10	10	APIYI
APIYI キャッシュ読み取り	0.10	0.10	APIYI
APIYI グループ	default、svip	default、svip	APIYI
APIYI エンドポイント	gemini、openai	gemini、openai	APIYI
公式サイトのグローバル価格（11-30まで）	2 / 0.10 / 10	2 / 0.10 / 10	Google公式
公式サイトのグローバル価格（12-01以降）	4 / 0.20 / 20	4 / 0.20 / 20	Google公式

APIYI 側のデータは、2026-11-11 時点の料金APIから取得したものです。gemini-4-carbon はすでに公開されており、表示価格は gemini-4-argon と同じです。default と svip の両グループとも倍率は1で、gemini ネイティブのエンドポイント（/v1beta）と OpenAI 互換のエンドポイント（/v1/chat/completions）に対応しています。ドキュメントの一覧表にまだ Carbon の行が反映されていない場合は、コンソールと料金APIの内容を優先してください。モデル名と価格は、プラットフォームのモデル一覧が正となります。表の金額はいずれもデフォルトの表示価格で、実際の課金額はコンソールで確認してください。

単価が同じなら、請求額を左右するのはトークン数です。Carbon は high 設定でより多くの仮説を探索し、検証ループも長く回すため、出力側の思考トークンは Argon よりかなり多くなります。コストを見積もるときは、100万トークンあたりの単価ではなく、「1タスクあたりの総費用」で比べましょう。

💰 コストのヒント：APIYI apiyi.com ですでに gemini-4-argon を使っているプロジェクトは、モデル名を切り替える前に、モデル一覧で2つのIDの表示価格が今も同じかを確認してください。そのうえで、代表的な難しめのプロンプトを数本選び、両モデルで実行します。1リクエストあたりの出力トークン数を比べれば、モデル変更後の実際の請求額の変化を見積もれます。

Gemini 4 Argon から Gemini 4 Carbon への切り替え方法

移行そのものはモデル名を置き換えるだけですが、古いコードに残っているパラメータをきれいに整理しておかないと、ログに警告が出続けたり、生成の挙動が想定と変わったりします。モデル名を変えるときに削除・変更すべき旧パラメータは次の4つです。

thinking_budget：非推奨になり、指定すると警告が出ます。代わりに thinking_level を使い、low・medium・high の3段階から選びます。デフォルトは medium です。
temperature：カスタム値は無視されて警告が出ます。削除してください。ランダム性の制御には使えません。
top_p：こちらも無視されて警告が出るので、あわせて削除します。
top_k：こちらも無視されて警告が出るので、あわせて削除します。

このほかにも関連する調整が2点あります。厳密にはサンプリングパラメータではありませんが、同じようにつまずきやすいポイントです。

明示的な cached_content の作成・指定はやめる：暗黙的キャッシュ（implicit caching）が自動で有効になり、キャッシュされた入力は95%割引になります。手動のキャッシュ用コードは廃止して問題ありません。
クライアントのタイムアウトを延ばす：難しいプロンプトでは、応答が返るまで数分かかることがあります。開発者ガイドでは、クライアントのタイムアウトを最低でも15〜20分に設定するか、background=True による非同期実行に切り替えることを推奨しています。Carbon は Argon よりじっくり考えるため、この点はより重要です。

APIYI 経由で Gemini 4 Carbon を呼び出す手順

すでに OpenAI 互換インターフェースで Argon を呼び出している場合、切り替え手順は短くて済みます。

base_url は https://api.apiyi.com/v1 のまま、APIキーも変更しません。
model フィールドを gemini-4-argon から gemini-4-carbon に変更します。
temperature、top_p、top_k、thinking_budget の4つの旧パラメータを削除し、thinking_level は残すか新たに追加します。
明示的な cached_content に関するロジックを削除し、クライアントのタイムアウトを15分以上に調整します。
実際の難問を使って段階的に切り替え（カナリアテスト）を行い、出力トークン数と所要時間を記録して、効果を確認してから対象範囲を広げます。

ネイティブプロトコルを使っているプロジェクトでは、gemini エンドポイント（/v1beta）でも変更するのはモデル名だけで、そのほかの整理手順は同じです。2つのモデルは同じAPIキーを共有するため、個別に有効化する必要はありません。

🚀 クイックスタート：まずは APIYI（apiyi.com）の新規ユーザー向け無料枠で段階的なテストをしてみてください。同じキーで Argon と Carbon の両方を呼び出せるので、一括でモデルを切り替えるのではなく、業務側でタスクの種類ごとに振り分けやすくなります。

Gemini 4 Carbon と Argon の使い分けガイド

Googleの公式投稿の表現はとてもシンプルです。Argonが複雑なタスク向けなら、Carbonは最も難しい問題に立ち向かうためのモデル、というわけです。具体的なシーンに落とし込むと、次のように分けられます。

Gemini 4 Carbon を選ぶべきシーン

長期間にわたる多段階のエンジニアリング：複数ファイルにまたがる複雑なデバッグや、アーキテクチャ設計・監査など、モデルに検証ループを長時間回し続けてもらう必要がある作業です。
超長文コンテキストでの検索：資料が1Mのウィンドウに迫る規模で、その中でグラフ探索や段落をまたぐ推論を行いたい場合です。GraphWalksでの差が、最もわかりやすい根拠になります。
科学研究と形式数学：オープンエンドな科学研究や形式的証明では、Terminal-Bench-ScienceもRiemannBenchもCarbonに軍配が上がります。
高精度な総合分析：金融や法務の資料を高い精度で総合的に分析する場面です。多少時間がかかっても、ミスを減らしたいケースに向いています。
エージェントオーケストレーションの「頭脳」：Antigravityのプレビュー版にある /swarm 機能では、公式がCarbonをアーキテクチャ・調整・監査の役割に置くことを推奨しています。並列で進める実装スライスは gemini-4-argon や gemini-3.8-flash に任せる構成です。

Gemini 4 Argon のままでよいシーン

日常的な機能開発：APIの実装、画面の修正、テストの追加などは、Argonで品質は十分で、速度も速いです。
インタラクティブなコーディング：IDE内の補完や、対話しながらのコード修正では、Carbonの数分の待ち時間がテンポを悪くします。
ナレッジワークとドキュメント処理：要約、書き換え、Q&Aでは、Vals Indexで両者の差は約1ポイントにとどまります。
分類・ルーティング・抽出：もともとlowレベルで処理すべきタスクなので、Carbonに替えてもあまり意味がありません。
タスク単価に敏感なバッチ処理：同じ単価なら、Argonのほうがトークン消費を抑えやすく、請求額もコントロールしやすくなります。

Gemini 4 Carbon だけに注目しないほうがよいシーン

モデルカードによると、コンピューター操作系のOSWorld-2.1オフラインサブセットでは、Claude Opus 5.5が87.2%で1位です。公開リポジトリを対象にしたFrontierSWE 2では、GPT-6 Astraが65.5%で最高スコアでした。SWE-sweepではCarbonの9.6%とAstraの9.5%がほぼ並んでおり、差は誤差の範囲内です。また、サイバーセキュリティ防御の専門用途は、Fairwindへの申請を通じて利用するものであり、モデル名を替えるだけで使えるようになるわけではありません。

Gemini 4 Carbon と Argon の選び方

ここまでの情報を、ひとつの判断フローにまとめます。最初に確認したいのは、そのタスクが「Argon では対応しきれていないか」という点です。Argon が安定して成果を出せているなら、そのまま使い続けて問題ありません。Carbon に切り替えるのは、Argon がマルチステップの推論で何度も失敗する、長いコンテキストで情報を取りこぼす、検証が不十分になる、といったケースに限り、該当するリクエストだけを個別にルーティングするのがおすすめです。

実用的なのは、全面的に置き換えるのではなく、タスクごとに振り分ける方法です。たとえばコード側でタスクの種類に応じてモデル名を切り替えます。日常的なリクエストはデフォルトで gemini-4-argon を使い、「アーキテクチャレビュー」「根本原因の調査」「長文ドキュメントの統合」とタグ付けされたリクエストだけを gemini-4-carbon の high 設定に回します。こうすれば Carbon の性能の上限を活かしつつ、思考トークンのせいで日常の請求額が膨らむ事態も避けられます。

時期にも注意が必要です。公式サイトのキャンペーン価格は 2026-11-30 までで、12-01 からは両モデルの公式価格がそろって2倍になります。どちらの価格も常に同額なので、この値上げで「どちらを使うべきか」の判断が変わることはありません。ただし、Carbon が余分に消費する思考トークンによる請求額の差は、さらに大きくなります。

💡 選び方のヒント：モデル選びの基準は「新しいほうが必ず良い」ではなく、タスクの難易度です。APIYI（apiyi.com）経由で同じプロンプトを両モデルに投げ、成功率・所要時間・出力トークン数を比べたうえで、Carbon にアップグレードする価値があるタスクを見極めることをおすすめします。

よくある質問 FAQ

Q1: Gemini 4 Carbon とは何ですか？ Argon とはどんな関係ですか？

Gemini 4 Carbon は、Google が現時点で公表している中で最も高性能な Gemini モデルです。モデル ID は `gemini-4-carbon` で、Gemini 4 Argon をベースにしています。Argon とはインターフェース、`thinking_level`、1M のコンテキストウィンドウを共有しています。違いは、より難しい長期タスクを解くために、より多くの思考トークンを使う点です。

Q2: Gemini 4 Carbon は Gemini 4 Argon と単価が同じなのに、なぜ請求額が高くなるのですか？

出力料金には推論部分も含まれており、Google も Carbon は Argon より多くの思考トークンを使うと明記しているためです。同じタスクでも Carbon のほうがトークンの発生量が多く、1 タスクあたりの総コストは自然と高くなります。コストを比較するときは、100 万トークンあたりの単価だけでなく、1 タスクあたりの総コストを見るようにしましょう。

Q3: Gemini 4 Carbon はいつ公開されましたか？

Google は 2026-10-28 に Carbon を初めて発表しましたが、当時の対象は一部のサイバーセキュリティ防御側に限られていました。2026-11-10 には、有料の開発者、企業、科学者、一般ユーザーに向けて公開されたことが公式に発表され、Gemini API の changelog にも同日付で GA として記録されています。一般ユーザー向けには Google AI Ultra が必要です。無料プランやより下位のプランのユーザーがいつ使えるようになるかについては、公式から日程は示されていません。

Q4: Argon から Carbon に切り替えるには、コードのどこを変更する必要がありますか？

モデル名を `gemini-4-carbon` に変更し、`thinking_budget`、`temperature`、`top_p`、`top_k` の 4 つの旧パラメータを削除します。さらに、明示的な `cached_content` はもう渡さないようにし、クライアントのタイムアウトを 15〜20 分に延長するか、`background=True` を使うようにしてください。

Q5: API で Gemini 4 Carbon をすばやく呼び出すにはどうすればいいですか？

1 つのキーで 2 つのモデルをまとめて試せます。

1. APIYI（apiyi.com）に登録して APIキーを取得します。新規ユーザーには無料のテスト枠があります。
2. `base_url` に OpenAI 互換エンドポイントを設定し、`model` に `gemini-4-carbon` を指定します。
3. 同じプロンプトで `gemini-4-argon` も呼び出し、結果とトークン消費量を比較します。

どちらのモデルも、Gemini ネイティブと OpenAI 互換の 2 種類のエンドポイントに対応しています。

Q6: Gemini 4 Carbon には、どんな既知の制限がありますか？

モデルカードに記載されている制限は次のとおりです。

– ベースモデルに共通するハルシネーションは依然として発生する
– ジェイルブレイクへの耐性は引き続き強化中である
– 応答が遅くなったり、タイムアウトしたりすることが時々ある
– 思考レベルを上げるほど、トークンの消費量が増える

知識のカットオフは 2026 年 3 月で、分野によってはさらに古い場合もあります。タイムアウトが起きたときは `background=True` に切り替え、日常的なタスクは Argon に戻すのがおすすめです。

Q7: Gemini 4 Carbon に切り替えれば、サイバーセキュリティ専用の能力も使えますか？

使えません。モデルカードに載っているサイバーセキュリティ分野の高スコアは、審査を通過した防御側向けの Fairwind Program 経由で得られたものです。有料 API はデフォルトでは Cyber Permissive ではなく、Cyber Permissive には公式サイトのプロモーション価格も適用されません。

Gemini 4 Carbon と Argon の比較：重要ポイント Key Takeaways

インターフェースも単価も同じ：モデル名を差し替えるだけで移行できます。thinking_level と 1M の共有ウィンドウも完全に一致しています。
単価は同じでも請求額は違う：Carbon は思考トークンが多く、速度も遅いため、1タスクあたりのコストが高くなる場合があります。
基本は Argon のまま：日常的な開発、対話型のコーディング、ナレッジワークでは、Argon のほうが速くて経済的です。
難しい課題だけ Carbon に切り替える：長期にわたるエンジニアリング、超長文コンテキスト、科学的推論、高精度な統合作業では、アップグレードする価値があります。
古いパラメータを4つ整理する：thinking_budget、temperature、top_p、top_k を削除し、タイムアウトを長めに設定してください。
セキュリティ面のスコアは名前を変えても引き継がれない：サイバーセキュリティ専用の用途は Fairwind を利用する形になり、デフォルトの有料 API とは異なります。
まず振り分けてからアップグレードする：同じ APIキーで2つのモデルを比較し、タスクの種類に応じてルーティングします。

まとめ

Gemini 4 Carbon と Gemini 4 Argon を比較した結論は、次のとおりです。

違いよりも共通点のほうがはるかに多い：モデル ID を置き換えるだけで済みます。レベル設定、ウィンドウ、キャッシュ割引、無視されるパラメータはすべて共通です。
違いは思考の深さ：モデルカードで比較できる項目の多くで、Carbon は Argon を上回っています。その代わり、思考トークンが増え、待ち時間も長くなります。
タスクごとに振り分けるのが最もお得：日常的なタスクは Argon に任せ、限界に迫るような長期的な難題だけを Carbon に回しましょう。

すでに gemini-4-argon を使っているなら、全体を移行する必要はありません。最も難しいリクエストだけを選んで段階的に切り替えれば十分です。APIYI（apiyi.com）なら同じキーで両方のモデルを呼び出せるので、成功率とトークン消費量を比較して、実際のデータをもとにアップグレードすべきタスクを判断することをおすすめします。

📚 参考資料

Google 公式ブログ – Gemini 4 Carbon 提供開始のお知らせ：2026-11-10 に有料プランの開発者向けに公開
リンク： blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available
説明：提供範囲とチャネルに関する一次情報
Google AI Studio – Gemini 4 Carbon 開発者ガイド：移行時の注意点とモデル選定のアドバイス
リンク： aistudio.google.com/learn/gemini-4-carbon-developer-guide
説明： thinking_level、1M ウィンドウ、非推奨パラメータ、タイムアウトに関する推奨事項はここが出典です
Google DeepMind – Gemini 4 Carbon モデルカード：公式が自己申告したベンチマークスコアと既知の制限事項
リンク： deepmind.google/models/model-cards/gemini-4-carbon/
説明：本文のベンチマーク表のデータ出典です。結果は 2026 年 10 月時点のものです
Google Cloud – モデル料金ページ：Carbon と Argon の公式料金体系
リンク： cloud.google.com/model-garden/pricing
説明： 11/30 までのプロモーション価格と、12/01 からの新料金
Gemini API Changelog：GA（一般提供）時期の記録
リンク： aistudio.google.com/docs/changelog
説明： Carbon は 2026-11-10 に GA、Argon は 2026-11-05 に GA

著者: APIYI 技術チーム
技術交流: モデル選定や移行に関するご相談は、APIYI 公式サイトのトップページからお気軽にお問い合わせください。Argon の接続方法は docs.apiyi.com/models/gemini-4-argon をご覧ください