GoogleのGemini 4予告が浮き彫りにする、野心と提供力の隔たり

Googleは、Gemini 3.5 Proの提供予定だった6月を過ぎたにもかかわらず、Gemini 4の学習を開始した。9to5Googleが最近の情報開示をまとめた報道は、示唆に富む矛盾を捉えている。Googleはこれまでで最も野心的な学習を進めていると説明する一方、現行のフラッグシップはなお利用できない。

重要なのはモデル名以上に、この矛盾そのものだ。Gemini 4は製品発表ではなく、Googleはリリース日、仕様、ベンチマーク、一般向けプレビューを何一つ示していない。これは、同社が計算資源と技術的な注力先をどこに置いているかを示す表明である。

CEOのSundar Pichai氏は、Gemini 4を、モデルが出荷される時点で存在する最先端と競わせたいと述べている。しかし、Googleの学習サイクルの間にも、OpenAI、Anthropic、Metaなどの研究所は独自システムを進化させている。したがってGemini 4は、Googleにとって次の大きな賭けであると同時に、そのリリースプロセスが技術的野心に見合うかを問う試金石でもある。

9to5GoogleのGoogle Gemini 4報道が実際に明らかにしたこと

Googleは異例に野心的なGemini 4の学習計画を確認したが、開発者が現在テストできる情報はほとんど開示していない。

情報開示を最も明確にまとめたのは、最近の製品発表とAlphabetの第2四半期決算説明会を扱った7月26日の報道だった。Gemini 4の詳細からは、3つの重要な事実が分かる。

第一に、GoogleはGemini 4の事前学習を開始している。事前学習は、ベースモデルが大量のデータからパターンを学ぶ、資源集約的な段階だ。その後には大規模な追加学習、安全性評価、製品統合、一般提供が控える。

Googleはこれを「これまでで最も野心的な事前学習」と表現した。この言葉は規模の大きさを示唆するが、その規模を定義するものではない。Googleはモデルのパラメータ数、学習予算、データ構成、計算資源の割り当て、完了予定日を開示していない。

第二に、Pichai氏は、次の最先端で競争するためにはGemini 4により大きなベースモデルが必要だと述べた。これはGoogleの技術的方向性についての具体的な発言である。業界がより良いデータ、推論手法、ツール、追加学習も重視するなかで、同社はさらなるスケーリングが必要だと考えている。

より大きなベースモデルが、より良い一般向け製品を自動的にもたらすわけではない。学習の複雑さ、インフラ需要、評価時間、推論コストを増大させる可能性がある。最終的な価値は、Googleがベースモデルをユーザーが利用できる信頼性の高い機能へとどう転換するかにかかっている。

第三に、Googleは最先端開発のために社内TPU容量を優先している。Tensor Processing Units、すなわちTPUは、機械学習ワークロード向けにGoogleが独自開発したアクセラレータだ。Pichai氏はアナリストに対し、Googleの最優先の割り当て先は、高度なAI開発で競争するために必要な容量だと語った。

この発言はGemini 4をAlphabetのインフラ戦略に直接結び付ける。Googleはこのモデルを孤立した研究プロジェクトとして扱っていない。Search、Cloud、Geminiアプリ、開発者プラットフォームにまたがる将来の製品を支えるシステムのために、希少な計算資源を確保している。

同社は、社内で有望な進展が見られているとも述べている。しかし、社内の印象は一般公開された評価の代替にはならない。Googleがアクセスとドキュメントを提供するまで、開発者はレイテンシー、信頼性、コーディング性能、コンテキスト処理、ツール利用、運用コストを比較できない。

時期についても同様の慎重さが必要だ。元の報道は、過去のGeminiリリースの傾向から11月または12月が示唆されるとしている。Google自身はその時期を発表していない。それを確定したスケジュールとして扱うことは、Gemini 3.5 Proを巡って起きたのと同じ誤りを繰り返すことになる。

では何が変わったのか。Gemini 4が突然利用可能になったわけではない。Googleは最先端に関する自社の物語を、遅延した3.5世代の先へと公に移した。また、その物語をより大きなベースモデルと大規模な計算資源の割り当てに結び付けた。

これが中心的な緊張関係を生む。Googleは、最も関連性の高い証拠が依然として社内にあるなかで、顧客や投資家に将来の方向性を評価するよう求めている。

Gemini 3.5 Proは予告を信頼性の試験へと変えた

Gemini 3.5 ProがGoogleの示した時期に登場していれば、Gemini 4は通常のロードマップ進捗に見えただろう。

5月19日のGoogle I/Oで、Pichai氏はGemini 3.5 Proがすでに社内で利用されていると語った。同社は翌月のリリースを見込んでいた。当時のI/O発表報道も、より広範なGemini 3.5展開とともにその約束を記録している。

6月はGemini 3.5 Proの一般公開なしに終わった。Googleは後に、同モデルはパートナーとともにテスト中であり、準備が整い次第利用可能になると説明した。これは妥当な品質基準ではあるが、明確な提供目標を期限の定まらない条件へと置き換えるものでもある。

予定の未達は、Gemini 4に関するあらゆる発言の解釈を変える。野心的なモデルを学習できるかどうかは、Googleにとって主な不確実性ではない。より難しい問いは、同社がその学習を競争力があり、信頼でき、適時に提供されるサービスへと転換できるかだ。

Googleは他のモデルの提供を続けた。7月にはGemini 3.6 Flash、Gemini 3.5 Flash-Lite、Gemini 3.5 Flash Cyberを発表した。これらは、欠けているフラッグシップの役割ではなく、速度、大量処理、専門的なセキュリティ業務を対象としている。

より低価格なFlashモデルの報道によれば、Gemini 3.6 Flashは複数の能力を改善しながら、出力トークンを最大17％削減するという。Flash-Liteは、比較的単純な操作を多数必要とするワークロードを対象とする。Flash Cyberは、選定されたパートナー向けにソフトウェア脆弱性の特定と修復に焦点を当てる。

こうしたリリースは、Googleのモデルパイプラインが止まっていないことを示している。同時に、ポートフォリオの勢いと最先端でのリーダーシップの違いも浮き彫りにする。企業は、有用で効率的なモデルを提供しながら、最も難しいコーディング、推論、エージェント型タスクでは遅れを取ることがあり得る。

エージェント型コーディングとは、限定的な監督のもとで複数ステップのソフトウェア作業を計画・実行できるシステムを指す。Pichai氏は、コーディングとエージェント型コーディングがGoogleに改善の余地がある領域だと認めた。この認識は、コーディングが重要な競争ベンチマークであり商用ユースケースにもなっているため、3.5 Proの遅延をより重大なものにしている。

Googleの立場は、本質的に矛盾しているわけではない。あるチームがGemini 4を学習する一方で、別のチームがGemini 3.5 Proを改良し、Flashの各種モデルを提供することはできる。大規模なAI組織は、世代の異なるモデルを並行して運用するのが一般的だ。

信頼性の問題は、コミュニケーションと実行にある。Googleは3.5 Proについて短期的な見通しを示し、それを逃したうえで、次世代の進展を強調した。顧客には、遅延中のモデルがリリースに近づいているのか、社内ではすでに後継モデルに追い越されているのかを示す公開証拠がない。

説明はいくつか考えられる。Googleは評価で許容できない弱点を見つけたため、3.5 Proを遅らせているのかもしれない。一般提供前にコーディング性能を改善している可能性もある。また、製品と外部顧客の間で提供容量を管理している可能性もある。

Googleは、これらの説明のどれを選ぶべきか判断できるだけの検証済み情報を提供していない。この情報不足は明示したままにすべきだ。Gemini 3.5 Proが失敗した、取りやめになった、あるいはGemini 4に置き換えられたという主張は、利用可能な証拠を超えている。

より安全な結論は限定的だ。Googleは、より野心的な後継モデルを公に語る一方で、3.5 Proをパートナーとのテストにとどめている。この流れは、Gemini 4が最終的に独立したユーザーによる評価を受ける際に満たすべき基準を引き上げる。

Googleはベースモデルを拡大する一方、競合は提供面の隔たりを狙う

現在の主な競争は、Geminiと単一の競合モデルの対決ではなく、Googleの野心的なロードマップと不均一な提供力の間にある。

AI競争は、Google、OpenAI、Anthropic、Meta、xAIによるリーダーボード競争として語られることが多い。この比較は重要だが、Googleが直面する当面の課題を見えにくくする可能性がある。Googleはまず、社内の自信と外部での利用可能性の隔たりを埋めなければならない。

Pichai氏は最先端の状況を、動的で激しい競争下にあるものと表現した。この見方は正確だ。学習中に先進的に見えるモデルが、リリース時には異なる市場に直面する可能性がある。同じ期間に競合は、コーディング、ツール利用、マルチモーダル推論、メモリー、安全性、推論効率を改善できる。

Googleは、現在のベンチマーク上位モデルではなく、将来の最先端と競いたいとしている。これは戦略的に理にかなっている。現在だけを見据えて学習すれば、Gemini 4は導入前に登場する進展に対して脆弱になる。

一方で、このアプローチは難しい予測問題も生む。Googleは競合システムが数カ月先に何をするかを予測しなければならない。そのうえで、さらなる導入遅延を避けながら、十分なモデル規模、学習データ、計算資源、追加学習を選択する必要がある。

より大きなベースモデルは、その一つの道筋となる。適切なデータと最適化に支えられれば、学習規模の拡大は幅広い能力を向上させ得る。しかし規模だけで、信頼できるソフトウェアエンジニアリングやエージェントの挙動が保証されるわけではない。

コーディングエージェントに必要なのは、もっともらしいテキスト生成だけではない。リポジトリを調査し、ツールを使い、コンテキストを維持し、変更を検証し、エラーから回復し、ユーザーのシステムを損なわないようにしなければならない。どの段階で弱点があっても、限定的なベンチマークでの向上を上回る問題になり得る。

同じことは企業向けエージェントにも当てはまる。企業が重視するのは、精度、アクセス制御、監査可能性、レイテンシー、予測可能なコストだ。管理されたデモで印象的な性能を示すモデルでも、非公開データや外部アプリケーションを伴う長いワークフローでは失敗し得る。

Googleは、多くのモデル研究所にはない配布面での強みを持つ。Geminiの機能をSearch、Android、Chrome、Workspace、Cloud、消費者向けデバイスに組み込める。I/OでGoogleは、Geminiアプリの月間アクティブユーザー数が前年の4億人から9億人を超えたと発表した。

Googleはまた、SearchのAI Modeが月間10億ユーザーを突破したと述べた。これらの企業公表の数字は、独立系AI研究所が再現するのは難しい到達範囲を示している。ただし、Geminiが最先端モデルの品質で先行していることを証明するものではない。

配布力はGoogleに時間を与え得るが、同時に失敗の代償も大きくする。主要な消費者向け・業務向け製品全体に展開されるモデルは、限定的な研究プレビューよりも厳しい要件を満たさなければならない。安全性、レイテンシー、地域ごとのコンプライアンス、インフラの可用性はいずれもリリース判断に影響する。

同社のFlash戦略も別の利点をもたらす。Googleは、最大限の知能を必要としないワークロード向けに専門モデルを提供できる。このポートフォリオ戦略により、最先端モデルの開発中も開発者をGoogleのプラットフォーム内にとどめられる可能性がある。

しかし、この戦略は競争力のあるProモデルの完全な代替にはならない。難度の高いコーディングエージェントや推論システムを構築する開発者は、利用可能な最良の選択肢を比較する。他社のほうが優れた性能を示せば、Gemini 4が登場する前に、チームはそのプロバイダーを中心にワークフローを設計できる。

移行は必ずしも容易ではない。アプリケーションは、選択したモデルを中心にプロンプト、評価、データパイプライン、セキュリティレビュー、ツール統合を蓄積していく。そのため、リリースの遅延は短期的な利用量以上の損失を生む可能性がある。どのプラットフォームが本番システムに組み込まれるかを左右し得る。

9to5GoogleのGoogleに関する報道は、この提供上の隔たりを明らかにしているが、それを解消してはいない。Googleの技術的な方向性は明確に見える一方、公開スケジュールは明確ではない。この隔たりが長く続くほど、既に定着した開発者の選択を変えるためにGemini 4が達成すべきことは増える。

より大規模な学習ではGoogleの組織的な課題を解決できない

Googleが人材を維持し、適切な能力を優先し、モデルを一貫して提供できなければ、Gemini 4の計算規模の重要性は低下する。

最近の報道は、技術的課題に組織的な課題を加えている。現職および元Google DeepMind従業員はAxiosに対し、士気の問題がリリース遅延の一因になっていると語った。DeepMind moraleの報道では、燃え尽き、競争圧力、退職、Googleの軍事関連事業をめぐる社内の意見対立が指摘されている。

Googleはその見方に異議を唱えている。同社によれば、2026年上半期のAI人材の離職率は前年同期を下回った。また、AI職のオファーを受けた人の90％超が受諾したという。

両方の見方は慎重に扱うべきだ。匿名の従業員証言は内部状況を明らかにし得るが、組織全体を測るものではない。Googleの集計された採用・定着データも、特定のチームや専門領域で生じている混乱を見落とす可能性がある。

Gemini 4にとって重要なのは、組織が長期にわたる学習・展開サイクル全体で継続性を維持できるかどうかだ。フロンティアモデルには、研究者、インフラエンジニア、データチーム、評価担当者、安全性の専門家、プロダクト部門の連携が必要となる。

全体の人員が高水準に保たれていても、離職は遅延を生み得る。学習システムを詳細に理解している人材を失えば、問題の診断や意思決定が遅くなる。新規採用者には、社内ツールや研究上の前提を理解する時間が必要だ。

優先順位付けも別のリスクとなる。報じられた批判の一つは、GoogleがChatGPTからSearchを守ることに注力したため、エージェント型コーディングへの取り組みが十分に早くなかったというものだ。Searchの重要性を考えればこのトレードオフは理解できるが、急成長する開発者向けカテゴリーでGeminiを弱い立場に置く可能性がある。

Pichai氏がコーディングには改善の余地があると認めたことは、この懸念を限定的ながら裏付けている。ただし、それだけでなぜ差が生じたのかが証明されるわけではない。GoogleはGemini 3.5 Proの開発や、そのリリースを見送らせている評価について詳しい説明を公表していない。

同社の規模は、これらの問題への対処に役立ち得る。Googleは大規模な実験を実施し、カスタムTPUを構築し、世界中で人材を採用し、複数の製品にモデルを展開できる。また、非常に幅広い実際の利用からフィードバックを収集することも可能だ。

一方で、規模は調整コストも生む。プロダクトチームごとに、望むモデルの挙動、リリース時期、安全性の基準が異なる可能性がある。Search、Cloud、Workspace、Android、Geminiアプリが必ずしも同一のシステムを必要とするわけではない。

Gemini 4のより大きなベースモデルは、これらの製品間で一部の能力を統合できる可能性がある。その一方で、それらを効率的に提供する複雑さも増す。Googleは、性能とコストを管理可能な水準に保つため、より小規模な派生モデル、特化したポストトレーニング、またはルーティングシステムを必要とするかもしれない。

もう一つの不確実性は評価に関するものだ。Googleは、Gemini 4開発を主導している社内指標が何なのかを明らかにしていない。公開ベンチマークは有用な場合があるが、対象範囲が狭く、飽和し、最適化の影響を受けやすいことも多い。

実世界でのエージェント性能には、より長期的なテストが必要だ。チームは、モデルが複数ステップの作業を完了できるか、不確実性を認識できるか、権限に従うか、自らの出力を検証するかを把握する必要がある。こうした性質を単一のスコアに圧縮するのは難しい。

したがって企業の購入担当者は、「最も野心的」という表現を性能指標として扱うべきではない。それはGoogleの取り組みを表すものであり、検証済みの成果ではない。より大規模な学習は、より優れたモデル、より高価なモデル、遅れて登場するモデル、あるいはそれらの組み合わせを生み得る。

ユーザーが満足するだろうというPichai氏の自信についても、同じ慎重さが必要だ。同氏の発言はGoogleの公式見解と社内の楽観を伝えている。しかし、現実的なワークフロー全体での独立したテストの必要性をなくすものではない。

Gemini 4は最終的に、技術的な問いと同じくらい組織的な問いに答えなければならない。Googleは、設定した目標が再び動く前に、信頼できるモデルをリリースできるほど迅速にリソースを連携させられるのか。

AlphabetのAI投資は、さらなる遅延のコストを引き上げる

Gemini 4は、スケジュール規律が投資家の懸念となるほど大規模なインフラ投資と結び付いている。

Alphabetのモデル開発は、急速に拡大する資本投資プログラムに支えられている。I/Oで同社は、2026年の設備投資が1,900億ドルに達する可能性があると予測した。この支出はGeminiだけを対象とするものではないが、AIインフラが中心的な推進要因となっている。

Google Cloudも力強い成長を報告した。AI spending pressureに関する最近の報道によると、需要はGoogleが拡張した能力を引き続き上回っている。

この背景は、Pichai氏によるTPU配分の発言を説明する。Googleは、社内のフロンティア研究と、同じインフラに対する顧客需要のバランスを取らなければならない。モデル学習に割り当てられるアクセラレータは、同時に外部ワークロードへ提供できない能力となる。

それでも、この配分には事業上の合理性があり得る。より強力なGeminiモデルはGoogle Cloudへの需要を増やし、プレミアムな消費者向けサービスを支え、Search製品を改善し、Workspaceの機能を強化できる。Googleは基礎となる研究を多くの収益源に再利用できる。

ただし、モデルの遅延はそうした収益の一部を先送りする。完成したシステムが顧客に届く前からインフラコストは発生する。学習やポストトレーニングが計画より長引けば、投資から収益化までの期間は延びる。

リスクは、Googleにその取り組みへ資金を提供できる事業がないことではない。Alphabetには巨大な配布網と確立された収益源がある。リスクは、競合他社がリリース遅延を利用して開発者を取り込み、顧客の期待を形作ることだ。

クラウド顧客にも計画の確実性が必要となる。顧客はセキュリティ審査、性能テスト、ガバナンスプロセス、アプリケーションのパイロットを通じてモデルを評価する。曖昧な「準備ができたら」というタイムラインでは、こうした判断を予定に組み込むことが難しい。

Gemini 3.5 Proの不在は、具体的な調達上の問題を生んでいる。チームは利用可能なFlashモデルを評価できるが、これらのシステムは異なる優先事項に対応する。Googleの最も強力な推論またはコーディングモデルを必要とする顧客は、Gemini 4が都合のよい時期に到着すると想定できない。

これは、購入者がGoogleのプラットフォームを見限るべきだという意味ではない。多くのワークロードでは、Flashファミリーの方が優れた経済性を提供する可能性がある。小規模モデルは、抽出、分類、文書処理、定型的なエージェントのステップに適していることが多い。

モデル選定はますますタスク単位で行われるようになっている。企業は一般的な処理には高速モデルを使い、難しい推論にはフロンティアモデルを充てるかもしれない。Googleのポートフォリオはこのアーキテクチャを支えている。

それでも、フラッグシップはプラットフォームの上限を定めるため重要だ。複雑なタスクのために開発者がGoogleの外部に目を向けなければならない場合、マルチプロバイダー構成はより魅力的になる。そうなればGoogleは、支出と統合に対する一定の統制を失う。

ベースモデルの規模には戦略的な問いもある。業界は、テスト時の計算、合成データ、ツール利用、特化型モデル、改善されたポストトレーニングからの成果を模索している。Googleがより大きなベースモデルを強調していることは、事前学習の規模からなお大きな成果を期待していることを示唆する。

この賭けは、他の手法と併用して機能し得る。Googleは規模だけに依存しているとは述べていない。しかし、その表現は、これまでに公表された最も具体的な技術的手がかりとして規模を際立たせている。

投資家と顧客はいずれ、この投資が有用な能力を生み出しているという証拠を必要とする。ベンチマークの向上は証拠の一形態だ。採用、利用量の増加、Cloud収益、定着率は、より強い商業的指標となる。

したがってGemini 4は、研究上の野心と資本規律の交点に位置している。再び曖昧な、あるいは逃したリリース時期は、単にモデル愛好家を失望させるだけではない。Alphabetがインフラ投資をどれほど効率的に製品へ転換しているかについての疑問を深めることになる。

Gemini 4がロードマップ以上のものかを示す3つのシグナル

今後の展開は、3.5 Proのリリース、検証可能なコーディング成果、明確なGemini 4の展開経路にかかっている。

第1のシグナルは、Gemini 3.5 Proが広く一般提供されることだ。Googleはすでに6月という目標を設定し、それを逃しているため、これは最も直接的な試金石となる。安定したAPIアクセスを伴うリリースは、同社が次世代を学習しながら現世代を完成させられることを示すだろう。

そのリリースの品質は、日付と同じくらい重要だ。開発者はコーディングの信頼性、ツール利用、レイテンシ、コンテキスト保持、安全性の挙動を検証すべきである。一貫性のない性能を伴う性急なローンチでは、提供に関する懸念は解消されない。

強力な3.5 Proのリリースは、遅延が慎重なテストを反映したものだというGoogleの主張を支えるだろう。沈黙が続けば、非公式なGemini 4のタイムラインに対する信頼は弱まる。中止や目立たない形での置き換えは、Googleのモデルパイプラインにさらなる疑問を投げかける。

第2のシグナルは、コーディングとエージェント型コーディングにおける進歩を示す独立した証拠だ。Pichai氏はこれらを改善が必要な分野として挙げており、Googleの実行力を測る妥当な指標となる。

単一のベンチマークでこの問いに決着を付けることはできない。有用な評価には、未知のリポジトリ、複数ファイルにまたがる変更、テスト実行、エラー回復、ツール権限の処理を含めるべきだ。結果では、コストと必要な人間の介入量も考慮する必要がある。

開発者には、こうした主張を再現するためのアクセスが必要だ。非公開のデモや選択的に報告された社内テストは研究の指針になり得るが、調達判断の根拠にはならない。公開APIと透明性のあるモデル文書は、より強固な基盤を提供する。

コーディング性能の改善は、Googleのフロンティア戦略を強化するだろう。弱い、または一貫性のない結果は、より大規模な事前学習が最も目立つ能力上の隔たりを解消しなかったことを示唆する。

第3のシグナルは、明確に定義されたGemini 4のリリースおよびアクセス計画だ。Googleが機密性の高い学習の詳細を明らかにする必要はないが、顧客には経営陣の熱意以上のものが必要である。

意味のある計画は、想定される製品提供面、プレビューの構成、より広範な提供に至る経路を示すだろう。また、開発者がGoogleの消費者向け製品と同時にアクセスを得るのか、それとも長期の社内展開後になるのかも明確にすべきだ。

順序は重要だ。Googleの2025年11月のGemini 3 Proリリースは、報道によればローンチ当日に複数の主要な提供面へ展開された。連携したリリースを再現できれば、Googleが研究から製品への経路を改善したことを示すだろう。

段階的なプレビューが自動的に失敗を意味するわけではない。フロンティアシステムには、安全性テストと能力計画が必要だ。しかし、期限の定まらないパートナーテストは、Gemini 3.5 Proをめぐる不確実性をそのまま残すことになる。

読者は、公式なシグナルと推論も区別すべきだ。GoogleはGemini 4の学習が進行中であることと、その戦略的目的を確認している。年末までのリリース、具体的な能力、ベンチマーク目標については確認していない。

この区別は、よくある循環を避ける助けとなる。モデルのうわさが期待を生み、非公式な日付が約束のように受け止められ、遅延は企業が一度も行っていない主張を基準に評価される。

9to5GoogleのGoogleに関する報道は、Googleの実際の発言を一カ所に集めているため価値がある。そこからは、本物の野心、大規模な計算資源の配分、弱点への認識が見えてくる。一方で、商業的に最も重要な問いには答えていない。

開発者にとって実務的な対応は、名称すら明かされていない将来の機能を前提に設計するのではなく、現時点で存在するものを検証することだ。評価はポータブルに保ち、モデル固有の前提を記録し、確認されていないローンチを中核的なワークフローの基盤にしないようにするべきだ。

企業の購買担当者は、自社のタスクに基づく証拠を求めるべきである。完了品質、監督の必要性、レイテンシー、セキュリティ制御、総リソース使用量を測定する必要がある。プロバイダーによる広範なモデルランキングは、特定の業務プロセス内での性能を予測できない可能性がある。

ナレッジワーカーにとっての判断は、よりシンプルだ。Gemini 4は、現在利用可能なツールを変えるものではない。その意義は、Googleの方向性と、その方向性を後押しする圧力を明らかにする点にある。

Googleは、フロンティア競合であり続けるためのインフラ、配布力、研究の厚みを備えている。Gemini 4がその立場を強化できるのは、外部ユーザーが評価できるようになったときだけだ。それまでは、遅延しているGemini 3.5 Proが、Googleの実行力を測る最も明確な指標であり続ける。

次の3つのシグナルを順に注視したい。公開された3.5 Proリリース、再現可能なコーディング性能の向上、そして具体的なGemini 4のアクセス計画だ。最初に到来するのはどれか。そして、それはGoogleの野心と実行の隔たりを埋めることになるのだろうか。