GCP News - 2026-10-21

“As organizations deploy AI across increasingly complex cloud, on-premises, and agentic environments, protecting sensitive data is critical. Enterprises must also ensure that AI systems operate securely and consistently with their policies. Google Cloud Confidential G4 VMs powered by NVIDIA RTX PRO 6000 Blackwell GPUs provide a powerful foundation for privacy-preserving AI and AI operations. Confidential Core AI builds on Google Cloud to transform enterprise principles, policies, and operating requirements into real-time safeguards that monitor and govern AI agents, models, data, and tools. Together, these capabilities enable organizations to scale trusted AI on Google Cloud while maintaining control, confidentiality, and accountability.” - Taher Behbehani, Founder and CEO, Confidential Core AI

Additional benefits for enterprise AI workloads include:

• End-to-end confidentiality and isolation: Encrypt data and model parameters in hardware-enforced execution environments to shield intellectual property and customer inputs from host system administrators, hypervisors, and access by cloud providers.

• Verifiable cryptographic trust: Use hardware-rooted remote attestation to verify code, platform configuration, and environment integrity before releasing sensitive datasets and running workloads.

• No code refactoring: Deploy models out of the box using standard Ubuntu OS images, NVIDIA drivers, and NVIDIA CUDA-X libraries without application changes or custom builds.  

For Polaris Cloud, this ease of deployment was transformational. 

“Polaris builds workspaces for AI agents, and our customers need to know where an agent's work actually ran and that it was cryptographically isolated along the way. Google Cloud Confidential G4 has been a game changer for that. We get hardware-backed provenance from the NVIDIA RTX PRO 6000 Blackwell GPU, which we bind into the receipt customers get back with their results. Virtually nothing else changed: same G4 image, same NVIDIA driver, same container runtime, one flag at launch, same performance. Overnight it upgraded our customer promise from 'we run your agent' to 'every workload you run with us is verifiable.” - Fred Esere, Founder and CEO, Polaris Cloud

• Multi-party data collaboration: Run collaborative analytics and joint model training securely using Confidential Space. Multiple parties can combine sensitive datasets without revealing underlying private data to each other.

“Enterprises need to put their most valuable data to work with AI while protecting it during processing. NVIDIA Confidential Computing brings hardware-backed protection to GPU-accelerated workloads, helping safeguard sensitive data and proprietary models while in use. Together with Google Cloud, we’re bringing NVIDIA Blackwell performance and these security capabilities to Confidential G4 VMs so organizations can scale production AI with high performance and verifiable protection.” - Dave Salvator, Director of Accelerated Computing Products, NVIDIA

Note: Performance results are based on specific testing conditions and configurations. Individual workload performance may vary based on system setup, hardware choice, and software environment.

Our analysis can help you move fast while protecting sensitive data and meeting compliance requirements — a trade-off that real-world deployments are already validating.

”We benchmarked Google Cloud's Confidential G4 against a standard G4 running identical software on our workloads. We found that for a modest 5.2% increase in end-to-end latency, we get a hardware-level assurance that ensures unauthorized users outside our users' attested environment cannot eavesdrop on their conversations. We'd make that trade every time; our users get the convenience of the cloud with the privacy of on-premises.” - Andy Qin, CEO, Vertebrae

Getting started with Confidential G4s

With Confidential G4, improving enterprise security during model execution and agentic workloads doesn't require sacrificing performance, flexibility, or operational simplicity. By providing verifiable trust and robust hardware isolation with near-zero throughput degradation, organizations can securely deploy high-value models and protect critical data assets at cloud scale.

Get started today by following the Confidential VM with GPU documentation.

As enterprises transition to continuous, multi-step agentic workflows, traditional infrastructure is hitting its limits. But raw performance is only part of the equation. To truly scale agentic AI, enterprises also need the flexibility to run the right models for the right tasks, alongside the data and operational sovereignty required to maintain verifiable control over both their sensitive intellectual property and the underlying infrastructure.

Today at NVIDIA GTC Berlin 2026, we are announcing new advancements across the stack to deliver this foundation: minimizing bottlenecks, expanding ecosystem choice, and introducing new sovereign AI and Confidential Computing capabilities to protect your most sensitive workloads with hardware-enforced security.

Architecting for the agentic era

To help you train, serve, and operate models at scale, Google Cloud’s AI Hypercomputer is built on compute, storage, networking, and software that we co-designed as a single system. Today, in collaboration with NVIDIA, we are announcing new updates to this agent-native infrastructure:

• Accelerated computing with A5X instances based on NVIDIA Vera Rubin platform: These bare-metal GPU-accelerated instances feature the latest NVIDIA Vera Rubin NVL72 platform to deliver performance at scale. With general availability, coming next month, we are also expanding our infrastructure footprint to support EMEA data residency and sovereignty requirements with availability in new local regions. 

• Scale-out A5X networking with Virgo Network: Virgo Network supports a non-blocking intra- and inter-building scale-out fabric via mesh topology. This new capability will enable extreme horizontal scaling, allowing clusters to expand to 80,000 Rubin GPUs within a single site and up to 960,000 Rubin GPUs across multi-site deployments.

• Storage with Managed Lustre and NVIDIA GPUDirect Storage: Google Cloud Managed Lustre will support NVIDIA GPUDirect Storage on A5X instances, giving training and inference data a direct RDMA path from the parallel file system into GPU memory, bypassing the CPU and system memory. 

• Long-context memory with KV Caching: A5X instances will also support advanced KV-caching capabilities designed to scale context memory beyond GPU high-bandwidth memory (HBM) for long-context and multi-turn agentic workloads. This high-speed caching layer will offload and reuse context across storage tiers, reducing redundant computation, lowering time-to-first-token, and improving inference goodput per dollar.

• Workload orchestration with A5X instances on Google Kubernetes Engine (GKE): GKE brings a suite of features for distributed AI workloads, such as GKE Managed DRANET, which simplifies RDMA management by making network interface cards first-class native Kubernetes resources; and Kueue, which boosts performance of distributed workloads through topology-aware scheduling and resource management. This makes GKE and A5X instances a powerful combination for agentic workload orchestration. 

“The true promise of agentic AI isn’t just speed, it’s freeing up human creativity from the friction of modern production pipelines. With Google Cloud’s A5X instances accelerated by NVIDIA Vera Rubin NVL72, our WPP Creative and Production teams can direct intelligent agents that perform frame-accurate quality checks and adapt brand assets seamlessly. Google Cloud gives us the reliability, scale and sovereign security required to meet our clients' most ambitious creative demands.” - Stephan Pretorius, Chief Technology Officer, WPP

Expanding open models and ecosystem innovation

Agentic workflows rarely rely on a single model. They route tasks to the most efficient model for the job. Your infrastructure should expand your options rather than restrict your roadmap. With Google Cloud, you can deploy infrastructure on your choice of software and NVIDIA AI infrastructure across multicloud, hybrid, and highly regulated environments. Today, we announced several updates to give you the freedom to build and adapt quickly:

• Open models: We are adding support for models like Gemma, Mistral, NVIDIA Nemotron, and others to our Sovereign Cloud portfolio. This allows you to run and govern open-weight models, while retaining full custody of model weights and runtimes, avoiding lock-in while maintaining high-performance acceleration.

• NVIDIA Cosmos 3 and NVIDIA Nemotron 3.5 SuperVL with NVIDIA NeMo now available on Gemini: You can now customize the new NVIDIA Nemotron 3.5 SuperVL model with Managed Training Clusters. Use an MTC-optimized training recipe to jumpstart your Nemotron post-training work with NVIDIA NeMo RL and NVIDIA NeMo Gym on Google Cloud. With NVIDIA Cosmos 3, you can generate virtual worlds where robots and autonomous vehicles can try, fail and improve before real-world deployment, supporting simulation-to-reality workflows.

Securing deployment with Sovereign AI and Confidential Computing

As agents take on more autonomous, mission-critical tasks, the data they process becomes increasingly sensitive. Organizations deploying these advanced workloads require hardware-enforced protection and operational control that don’t sacrifice innovation. Whether safeguarding intellectual property during model training in the cloud or executing mission-critical workloads in fully air-gapped environments, Google Cloud and NVIDIA help provide verifiable security and local custody.

Today, we are announcing new Sovereign AI capabilities for on-premises environments, alongside advancements in Confidential Computing for the public cloud:

Sovereign AI on-premises with Google Distributed Cloud

For mission-critical workloads that must remain or strictly isolated from the internet, Google Distributed Cloud (GDC) brings a managed cloud stack directly to your data center or edge facility. To advance sovereign AI initiatives, we are delivering new compute accelerators, multimodal models, and turnkey search capabilities across GDC air-gapped deployments:

• NVIDIA Blackwell Ultra GPUs on GDC: Following our preview announced earlier this year, the latest NVIDIA HGX B300 systems are now generally available (GA) on GDC. This brings industry-leading compute density and energy efficiency on-premises, providing the high-throughput platform foundation that demanding local inference workloads require.

• Gemini Flash models on GDC: We are expanding our sovereign model catalog with Gemini 3.5 Flash on GDC, accelerated by NVIDIA HGX B300. Organizations can now execute rapid, high-throughput multimodal reasoning, spanning text, audio, video, and imagery, entirely inside their air-gapped perimeter.

• Enterprise search capabilities on GDC: Available in preview, our enterprise search capabilities with Gemini on GDC air-gapped delivers an out-of-the-box conversational interface powered by multimodal retrieval-augmented generation (RAG). These capabilities are powered by Gemini on GDC air-gapped with NVIDIA HGX B300. Now, analysts and knowledge workers can instantly query, summarize, and cross-examine proprietary documents, media, and unstructured archives without custom engineering, keeping all indexing, embeddings, and interactions strictly within your sovereign security boundary.

Beyond air-gapped on-premises deployments, you can also run sovereign AI workloads on NVIDIA AI infrastructure using Google Cloud Data Boundary to enforce controls such as regional data residency on our public cloud, or Google Cloud Dedicated for an isolated cloud run by a local independent partner such as S3NS in France or Thales in Germany.

Confidential Computing in the public cloud

As enterprise workloads scale, safeguarding highly sensitive intellectual property during active training, and user context and model IP during real-time inference is critical to maintaining a secure AI architecture. By combining Google Cloud’s advanced security runtimes with NVIDIA Confidential Computing, organizations can deploy high-performance generative AI models inside verified and trusted execution environments without sacrificing processing speed. 

• G4 instances with Confidential Compute are GA: We are expanding access to privacy-preserving AI with Confidential G4 instances enabled by NVIDIA RTX PRO 6000 Blackwell Server Edition GPUs. G4 Confidential GPUs, with NVIDIA Confidential Computing provide upgraded security without compromising on performance.

• Confidential Computing is available today on A4 instances enabled by NVIDIA HGX B200 and Intel TDX

• We are introducing Confidential Bare Metal to Google Cloud, recognizing the value of single-tenant bare-metal performance and isolation for frontier model AI serving. Our innovation leads to A4X Max instances (enabled by NVIDIA GB300 NVL72) using NVIDIA Confidential Bare Metal. By extending hardware-rooted secure boot and attestation with encrypted DDR and NVLink interconnects, bare-metal AI workloads leverage this trusted execution boundary to protect user prompts and models during inference and training.

The Google Cloud advantage

Our co-engineering collaboration with NVIDIA integrates their full-stack accelerated computing platforms directly into AI Hypercomputer. This gives you the agent-native infrastructure you need to train, serve, and operate models at scale. Today's announcements deliver this unified foundation, combining the NVIDIA Vera Rubin platform and high-throughput networking with expanded support for open models.

Together, we also give you verifiable control over your data. With new sovereign AI deployments and confidential computing across NVIDIA infrastructure, you can protect your most sensitive workloads using hardware-enforced security and local data residency.

Because we design hardware and software together as a single system, you can run models across different architectures without rewriting code. Your compute cycles stay focused on the workload, so you ship AI products faster.

To get started with these new capabilities, please contact your Google Cloud sales representative.

PHP and Wiz Research disclosed today two critical vulnerabilities in the core PHP language runtime that can expose applications to unauthenticated remote code execution and memory disclosure. Wiz used a mix of models to identify and help remediate these vulnerabilities. 

Notably, Gemini 4 Argon made an invaluable contribution to finding the vulnerability, exploit development, attack detection, and validation of the patch.

While Google Cloud itself is not vulnerable, users of PHP running on Google Cloud may be vulnerable. At Google Cloud, we understand the severity of these vulnerabilities, and are sharing guidance to help our customers take immediate action to secure their applications.

Vulnerability background

PHP is a widely-used, server-side scripting language that powers many websites, content management systems, and web applications. On Oct. 21, 2026, CVE.org assigned the vulnerabilities as CVE-2026-109618 and CVE-2026-109619. 

The official Common Vulnerability Scoring System (CVSS) base severity score for each of the PHP flaws has been determined as Critical, a severity of 9.2. Generally, this ranking means that threat actors can crash and hijack the affected system, and can easily steal, alter, and wipe its data — although mitigating circumstances can make it harder to exploit the flaw.

• • CVE-2026-109618: Out-of-memory handling can interrupt PHP while internal request data is only partially initialized. Request cleanup may then treat the invalid data as valid.

  • CVE-2026-109619: Request-owned internal state can survive after its backing memory has been freed. A later request handled by the same worker may use that stale state before normal initialization resets it.

  • Vulnerable versions: All versions of PHP from 5.4 through 8.5.11

  • Patched in: PHP 8.5.12, 8.4.27, 8.3.36 and 8.2.35

  • Not patched: The PHP project is not releasing fixes for PHP 8.1 or earlier, which have reached end of life.

  • Fix: CVE-2026-109618 (GHSA-w8hw-w9fx-j79w) and CVE-2026-109619 (GHSA-6wmf-4rv5-p3rp):

  • Announcement: PHP has published a security advisory on these two vulnerabilities.

Wiz Research has published a detailed description of the research and the coordinated disclosure process.

Update PHP and redeploy your applications

We urge all customers running PHP applications on Google Cloud to immediately update to PHP 8.2 or newer, and redeploy their services using a patched version.

This applies specifically to applications deployed on:

• App Engine standard environment: Supported runtimes are patched automatically. If you are on PHP 8.1 or earlier, upgrade to PHP 8.2 or newer and redeploy.

• App Engine flexible environment: Redeploy your PHP runtimes using a supported runtime. If you are using a custom runtime, update your PHP dependencies to a patched version and redeploy your application.

• Cloud Run: If automatic base image updates are not enabled, or you deploy your own container image, rebuild with a patched version of PHP and redeploy.

• Google Kubernetes Engine (GKE): Update your container images with a patched version of PHP and redeploy your pods.

• Google Cloud Marketplace: If you run a Marketplace solution that includes PHP, such as a content management system or LAMP stack, apply the update from the solution provider or update PHP directly. 

Automatic patches for serverless platforms

Google Cloud is rolling out updated serverless base images for all supported PHP versions on App Engine Standard, App Engine Flexible, Cloud Run, Cloud Run function, and Cloud Functions for Firebase.

What this means for you:

• App Engine standard environment (PHP 8.2 and newer): Applications are updated automatically. No action is required.

• App Engine flexible environment (all PHP versions): Applications are not updated automatically. Redeploy your application as soon as possible to PHP 8.2 and newer.

• Cloud Run functions (PHP 8.2 and newer): Functions with automatic base image updates enabled are updated automatically. Functions without automatic base image updates enabled must be redeployed. 

• Cloud Run (PHP 8.2 and newer): Services with automatic base image updates enabled are updated automatically. Services built without automatic base image updates must be rebuilt and redeployed to pick up the patched runtime.

Important considerations:

• Unsupported runtimes will not be patched. The upstream PHP project is not backporting these fixes to PHP 8.1 or earlier. Applications on PHP 5.5, PHP 7.2, PHP 7.3, PHP 7.4, or PHP 8.1 remain vulnerable and must be upgraded to PHP 8.2 or newer. See the following runtime support schedules for serverless lifecycle dates:

• Google App Engine Standard

• Google App Engine Flexible

• Cloud Run

• Cloud Run functions 

• Container images you build yourself are your responsibility. If you have deployed your own container image to Cloud Run or App Engine Flexible (such as with a custom runtime), rebuild it with a patched version of PHP and redeploy.

Monitoring and auditing 

Use the On-Demand Scanning AP to manually scan images stored locally on your computer or remotely in Artifact Registry. Customers using Artifact Analysis will be notified of these vulnerabilities on both new and existing artifacts to identify at-risk workloads. 

Security Command Center customers can enable container threat detection for GKE and Cloud Run threat detection to monitor their workloads for intrusions.

Patching your applications is an essential step to eliminate the vulnerability at its source and ensure the continued integrity and security of your services.

We will continue to monitor the situation closely and provide further updates and guidance as necessary. For the most current information and detailed steps, please refer to the Google Cloud security bulletin.

※この投稿は米国時間 2026 年 10 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。

先週、Google は Gemini Enterprise が進化し、業務をさらに簡単に完了できるようになったことを発表しました。また、あらゆる業務に対応する新しい万能エージェント、Gemini エージェントも紹介しました。常時稼働しており、いつでも質問に答えてくれます。コードの生成、より長く複雑なタスクの処理、業務を遂行するために必要なあらゆる作業を、すべて 1 つのプロンプト ボックスから実行できます。そして、そのすべてをモデル インテリジェンスが支えています。

新たな働き方を実現するため、Google は新しいフロンティア モデルである Gemini 4 Argon を Google Cloud で提供開始します。

Argon は、高度な思考力と正確性を併せ持つようにトレーニングされています。そのため、複数のステップからなる長いタスクでも一貫してコンテキストを維持でき、専門的な知識を活用しながら処理を進めることができます。チームが複雑なソフトウェア ビルドを実行する場合も、財務や法務の詳細な作業を処理する場合も、CodeMender のようなサイバーセキュリティ ツールを導入する場合も、Argon はチームが最初から最後まで集中して作業を進められるよう支援します。

Argon がビジネスのあり方を変える 4 つの方法

1. 面倒な作業を委任可能

皆様のチームでも、質問への回答やコンテンツの下書きに Gemini for Business をすでにご活用いただいているかと思います。Argon を使用すると、これまで数時間から数日かかっていた、複数のステップからなる複雑な作業を任せ、すぐに使える完成した成果物を受け取ることができます。

Argon は、テキスト、表、グラフ、画像が混在する長文ドキュメントを読み取り、それらのソースを確実な根拠とした 1 つの明確なアウトプットを生成します。多数のソースから得られた知見を 1 つの構造化された回答にまとめ、経時的なデータ分析を行い、法務、財務、経営に関するより完成度の高い文書を作成できます。時間のかかるタスクであっても、処理が完了するまで途切れることなく実行し続けます。Argon は、システムの権限や制約を遵守し、ネガティブな検出結果も隠さず報告し、元に戻せない操作を行う前には必ずユーザーの確認を挟むようトレーニングされています。また、目的のデータが見つからなかった場合やタスクを完了できなかった場合も、その旨を明確に通知します。

Argon をテストしたお客様からは、膨大な非構造化データをまとまりのあるアウトプットに変換する能力が非常に優れている、という声が寄せられています。

「ソフトウェア開発がよりエージェント指向になるにつれ、開発ライフサイクルのすべての段階で、長時間にわたるマルチステップの作業をサポートできるモデルがチームに必要になります。Gemini 4 Argon は、組織が開発、セキュリティ、運用の領域に AI を導入する際、既存のエンタープライズ ワークフローや統制の枠組みを維持できるよう設計されています。」– GitLab、バイス プレジデント、Stuart Moncada 氏

2. ビジネスを推進する重要業務において、正確かつ検証可能な結果を実現

財務、法務、税務をはじめとする規制対象の業務では、計算やデータ抽出における高い正確性、再現性、そして検証可能性が求められます。

財務定量業務において、Argon は複数ステップにわたる元帳照合、スプレッドシートの数式設定、差異分析の自動化をサポートします。定量モデル全体で、計算の整合性、引用の忠実度、数式の精度を高く保ちます。数字がそれを証明しています。Argon は、財務、コーディング、法務、税務の業務における経済効果を測定する Vals Index で首位を獲得しています。

法務調査において、Argon は法務チームによる判例法や規制当局への提出書類の確認をサポートし、検証済みの引用や重要な判例の抽出を支援します。法務調査や文書作成に関する Harvey の Legal Agent Benchmark などの分野固有の評価でトップに立っており、チームが複雑な判例を検討する際にも、正確な引用とともに的確で直接的な回答を提供します

「Gemini 4 Argon は、Google がエージェントによる法的推論においてどれほど進歩したかを示しています。当社の法務エージェント評価では、特に企業の M&A、データ プライバシーとサイバーセキュリティ、EC / VC において、Gemini 3.1 Pro と比較して大幅な向上が見られました。長いドキュメントの分析でも精度が維持され、詳細な取引事項を扱う弁護士にとって心強い結果となりました。」– Harvey、応用研究責任者、Niko Grupen 氏

「当社は Google と NowAI-Bench で連携し、Gemini 4 を主要なエンタープライズ業務向けに最適化できるよう協力しました。早期アクセスでは、Gemini 3.8 Flash と比較してタスクの成功率が約 20% 向上し、人事とカスタマー サービスで特に大きな成果を上げました。ServiceNow AI Platform では、当社の L1 サービスデスク AI スペシャリストが、ガバナンスの効いた安全な環境のもとで Google の最先端インテリジェンスを活用し、定型タスクを完全自律型の業務へと変革します。」- ServiceNow、AI プロダクト担当シニア バイス プレジデント、Nenshad Bardoliwalla 氏

3. プロダクトの構築とリリースを迅速化

Argon は、複数のステップからなる複雑なプロジェクトを、最初から最後まで一貫して処理できるよう設計されています。お客様からは、目標を細分化し、進捗状況を追跡し、複数のファイルを同時に更新できるインテリジェンスを求める声が常に寄せられています。

「Gemini 4 Argon は、3D ゲームからリッチなアニメーションまで、複雑なタスクを確実に処理します。Figma Make では、チームが抱く複数のステップに及ぶ最も野心的なアイデアを、魅力的なプロトタイプとして具現化するのを強力にサポートします。」- Figma、最高デザイン責任者、Loredana Crisan 氏 

Argon がこうした高度な処理をどれほど優れてこなせるか検証するため、Google 自身のツールで実際に活用してみました。Google のオープンソース Agent Development Kit（ADK）の開発チームは、既存のアプリケーションとの完全な互換性を維持しながら、フレームワークのオーバーヘッドを削減し、コードのパフォーマンスを向上させることに取り組みました。Argon は、自動テストのガードレールのもと夜間に自律的に動作し、コードの最適化ポイントを見つけ出しました。この最適化は現在 google/adk-python に反映されており、長時間のセッションにおけるインメモリ セッション準備時間を 40% 短縮し、コールド インポートを 21% 高速化させています。詳細については、こちらのエンジニアリング詳細解説をご覧ください。

Google 全体で、Google Antigravity 上で Argon を活用しているエンジニアリング チームは、エージェントによるコード提出量を 35% 以上増加させつつ、コードのロールバックをほぼ 3 分の 1 削減しました。Chrome チームは Argon を使用して、Chromium の 4,000 万行のコードベースにある数百ものファイルにわたるアーキテクチャ リファクタリングを行い、数か月かかる作業をわずか数週間で完遂しました。Argon は空間推論、数学的精度、ビジュアル コーディングが向上しているため、アイデアから実用的なプロトタイプをより迅速に作成できます。

より高度なアルゴリズムについては、コード最適化および検出エージェントである AlphaEvolve が Argon を使用して、工場のスケジューリング、ロジスティクス、ゲームコードの高速化、チップ レイアウトなどの実際のエンタープライズ ワークロードや、複雑な数学的ベンチマークなどで、大幅なパフォーマンス向上を実現しています。

Argon を最大限に活用する方法については、デベロッパー ガイドをご覧ください。

4. コードとビジネスの防御を強化

Argon には、ペネトレーション テストや悪用などの攻撃的なタスクをブロックするサイバー攻撃緩和策が備わっていますが、CodeMender を使用して脆弱性を発見および修正したり、独自のセキュリティ ハーネスで Argon を使用したりすることで、その防御機能を最大限に活用できます。CWE-Bench v1 では、セキュリティの脆弱性の修復において最高スコアの 68% を獲得し、1 位タイとなっています。

「当社では、MarketingX に Gemini 4 Argon を統合して、コードベースのセキュリティ監査を自動化しています。当社の評価では、検証された指摘事項において、モデルは最優先で対応すべき脆弱性を 100% 特定し、架空の脆弱性の誤検知は 0% でした。この精度により、デプロイ前にコードレベルでプロアクティブなセキュリティを確保できます。」- HubX、AI ラボ最高 AI 責任者、Yunus Emre 氏

セキュリティとは、自社の環境内で Argon を信頼できることも意味します。Argon は、悪意のある指示やコンテキストを使用してモデルの動作を乗っ取る間接的なプロンプト インジェクションに対して、これまでで最も高い耐性を備えたモデルです。Gray Swan の間接プロンプト インジェクション ベンチマークでトップに立ち、15 回のアダプティブ攻撃の成功率を 0.7% にまで低減しました。これは、悪意のある指示が隠されている可能性のあるメール、ドキュメント、ウェブページを Argon が読み取る場合に重要です。

また、サイバー ガードレールなしの Argon を、信頼できる一部の防御者に提供しています。これにより、サイバーセキュリティ機能の全範囲をテストできます。信頼できる防御者は、Fairwind プログラムを通じて審査されます。このプログラムは、政府機関、重要インフラ、サイバーセキュリティ パートナーに、高度なモデルへの独占的かつ無制限のアクセスを提供する、対象者限定の取り組みです。

早期アクセス プログラムに参加している企業のお客様やパートナーは、すでに Argon で大きな成果を上げています。

^{Amplitude、Deloitte、楽天のリーダーが Gemini 4 Argon の成果を共有}

使ってみる

このたび、Gemini 4 Argon がウェブ、デスクトップ、モバイルの Gemini for Business でご利用いただけるようになりました。企業のデベロッパーやビルダーは、Gemini プラットフォーム（モデル ID gemini-4-argon）、Google AI Studio、Google Antigravity において、API を介して Argon にアクセスできます。

Argon は、2026 年 11 月 30 日まで、100 万入力トークンあたり 2 ドル、100 万出力トークンあたり 10 ドルの特別価格で提供されます。キャッシュに保存された入力トークンは 95% 割引となります。2026 年 11 月 30 日以降は、100 万入力トークンあたり 4 ドル、100 万出力トークンあたり 20 ドルの標準価格が適用されます。技術仕様、トークン制限、移行手順の詳細については、モデルカードとデベロッパー ガイドをご覧ください。

サイバー防御者の皆様は、Security Summit にご参加いただくことで、Gemini 4 Argon を使用してマシンスピードの脅威から防御し、修復を自動化する方法を学ぶことができます。

- Google Cloud、Gemini、プロダクト マネジメント担当バイス プレジデント、Michael Gerstenhaber

※この投稿は米国時間 2026 年 10 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。

エージェントといえば Python というイメージがありますが、実際は必ずしもそうではありません。現在の先進的なエコシステムでは、エージェントは Cloud Run 上で Go マイクロサービスとして大規模に同時実行されることもあれば、ブラウザタブ内で動作して Chrome のオンデバイス モデルを呼び出すこともあります。しかし、エージェント フレームワークの多くは Python のみのスタックを想定しています。そのため、エージェント ワークロードのためだけに Python サービスをスピンアップしたり、エージェント オーケストレーション ロジックを独自の言語でゼロから構築したりすることが必要になります。

Google の Agent Development Kit（ADK）は、Python、Go、TypeScript、Java、Kotlin をサポートしているため、このようなトレードオフは発生しません。ADK の各バージョンはそれぞれの言語のランタイムと型システムに合わせてゼロから構築されており、かつ、オープン プロトコルによる相互運用性を備えた統合アーキテクチャを共有しています。

共通の基盤

5 つの言語すべてが同じオープン プロトコルをサポートしているため、使用する言語によってアーキテクチャが固定されることはありません。すべての言語の ADK に Model Context Protocol クライアントが含まれており、MCP サーバーとして公開されたカスタムツールを、どの言語からでもすぐに呼び出すことができます。

マルチエージェント システムの場合、ADK は Agent2Agent（A2A）プロトコルをサポートしているため、エージェントは HTTP 経由でリモート エージェントと通信できます。エージェントが異なる言語やフレームワークで記述されていても、A2A を通じて相互運用することができます。

エージェント ファースト開発の第一歩

まず、1 回限りの設定コマンドを実行して Google Cloud 認証を確認し、CLI をインストールします。その後、Antigravity、Claude Code、Codex などのコーディング エージェントでファーストパーティの ADK スキルを設定します。

次に scaffold コマンドを実行して、A2A エンドポイントと Cloud Run、Gemini Enterprise Agent Runtime、または Google Kubernetes Engine（GKE）のデプロイ構成を含む作業プロジェクトを生成します。

ADK for Python リポジトリと ADK for Kotlin リポジトリの両方とも、ソースツリーにはエージェント ビルダーのスキルも含まれています。また、adk.dev/llms.txt リソースにより、5 つの言語すべてのコーディング エージェントでオンデマンドの API ドキュメントを利用できます。

各 ADK の実践的なサンプル

5 つの言語の違いを感じるには、各言語で同じ天気ツールを定義し、その設計とランタイムの連携方法を確認することが最もわかりやすいでしょう。

Python

ADK for Python では、デコレータやスキーマ ビルダー クラスは必要ありません。プレーンな Python 関数を tools パラメータに渡すと、ADK の起動時にシグネチャ、型ヒント、docstring が検査され、ツール宣言と Pydantic パラメータ スキーマが自動的に構築されます。

Python は迅速なプロトタイピングが可能であるだけでなく、ADK のリファレンス実装でもあり、最も幅広い Google Cloud の統合（BigQuery、Spanner、Bigtable）とモデル アダプタ（Gemini、Anthropic、OpenAI、LiteLLM）が提供されています。adk eval コマンドまたは agents-cli eval run コマンドと組み合わせて評価ツールを使用することで、継続的インテグレーション（CI）でゴールデン データセットを基準としてエージェントの軌跡をスコアリングし、本番環境サービスが別の言語で実行されている場合でも、システム全体をエンドツーエンドでテストできます。

Go

Python がテストと評価に優れている一方で、ADK for Go は本番環境のバックエンド エンジニアリングに最適です。

Go ツールの関数は、agent.Context 構成と厳密に型指定された入力構造体を受け取ります。functiontool.New 関数は、Go ジェネリクスを使用して、struct タグから入力スキーマと出力スキーマの両方を推測します。

functiontool.New 関数はハンドラのシグネチャに対してジェネリクスを活用しているため、Go コンパイラは関数が想定されるコントラクトと一致することを確認してからバイナリを実行します。

Go は、Python の次に ADK 2.0 Graph Workflow ランタイムが提供された言語でもあります。LLM 推論と併せて決定的な制御フローを使用する必要がある場合は、workflow.New 関数を使用して、エージェントとプレーンな Go 関数を条件付きルーティングと並列ステップを持つ有向グラフに接続します。

Go が真価を発揮するのは、本番環境でCloud Run および GKE と組み合わせて使用する場合です。コンパイルされた Go エージェントは、約 2 MiB の Google distroless 静的ベースイメージにパッケージ化され、言語 VM や重い依存関係ツリーはありません。静的な Go バイナリはコンテナが起動するとすぐにポートにバインドされ、動的言語のモジュール インポートや、JVM サービスの JAR の展開と JIT のウォームアップはスキップされます。

Go の同時実行モデルは、実行されたエージェントのワークロードと優れた適合性を発揮します。各 goroutine は 2 KB のスタックと最小限のスケジューリング オーバーヘッドで開始されるため、単一のインスタンスで数千の同時ストリーミング リクエストとツール呼び出しを多重化できます。ADK for Go には、組み込みの A2A サーバー ハンドラと OpenTelemetry トレースも含まれています。

TypeScript

TypeScript は JavaScript へのコンパイル時に型アノテーションが消去されるため、ランタイム リフレクションは使用できません。代わりに、ADK for TypeScript は Zod と連携します。z.object(...) スキーマを FunctionTool 関数に渡すと、TypeScript はその単一の宣言から execute コールバックのパラメータ型を静的に推測します。

ランタイム入力の検証、モデルに送信される JSON スキーマ、execute コールバック内の IDE 予測入力はすべて、信頼できる唯一の情報源から取得されます。

TypeScript は ADK 2.0 Graph Workflow エンジンでも動作し、スタンドアロンのブラウザ バンドルが提供されています。Node.js サービス以外にも、ページレベルのツール用の WebMCP と Chrome のオンデバイス Prompt API を使用して、ブラウザタブで ADK エージェントを直接実行することができます。

Java

ADK for Java は、Maven、Gradle、Spring Boot で標準化している場合に最適です。メソッド パラメータに @Schema アノテーションを追加し、Fluent API である LlmAgent.builder() を使用してエージェントを組み立てます。

実行時には、ランナーが RxJava を介してエージェント イベントをリアクティブにストリーミングします。ローカルテストと既存の JVM アプリ向けに、ADK for Java には Maven Dev UI プラグインと、Spring AI および LangChain4j 用のファーストパーティ ブリッジが提供されています。

Kotlin

ADK for Kotlin は、ビルド時の安全性を重視しています。Kotlin Symbol Processing（KSP）コンパイラ プラグインが、ビルド時に @Tool アノテーションと @Param アノテーションを読み取り、ツールスキーマをバイトコードに直接出力します。

ツール シグネチャが、サポートされていない型を使用したり、null 非許容パラメータにデフォルト値を宣言したりした場合、本番環境で問題が発生するのではなく、Gradle ビルドがただちに失敗します。.generatedTools() 関数はランタイム リフレクションを使用しないため、Android R8 圧縮後も保持されます。

リフレクションを使用しないこの設計により、エージェント ループ全体を Android 上でローカルに実行できます。また、JVM サーバーをサポートしており、Spring AI ブリッジや試験運用版の ADK 2.0 グラフ ワークフローなどを使用できます。オンデバイスでは、ADK for Kotlin は LiteRT-LM（ツール呼び出し）および ML Kit（Gemini Nano、テキスト生成）と統合できます。さらに、Room および AppSearch と連携してローカル状態を管理したり、Android AppFunctions と連携して OS レベルのアクションを実行したりすることができ、このいずれにもネットワーク接続は必要ありません。

妥協のない選択

ADK は 5 つの言語にネイティブで対応しているため、組織全体で 1 つのランタイムに統一する必要がありません。すべてのバージョンが MCP と A2A に対応しており、システムの各コンポーネントで最適な言語を使用できます。

Google の ADK で、どの言語を使用してエージェントを構築しましたか？皆様がどのようなスタックを使用しているか、X、LinkedIn、Bluesky でぜひ教えてください。

- デベロッパーリレーションズ担当ディレクター、Karl Weinmeister