DeepSeek V4-Flashが正式版になり、自社の旗艦モデルを上回った:創業者向けガイド(2026)
By Surya Pratap
2026年8月4日
13 min read
AI & Technology
2026年8月4日
13 min read
7月31日、DeepSeekはV4-Flashをプレビューから正式版に移しました。書類上は最も面白みのない種類のリリースです。新しいアーキテクチャも、新しいパラメータ数も、新しいコンテキストウィンドウもありません。モデルは4月と寸分違わぬ284B/13Bの混合エキスパートの構造のまま出荷されました。変わったのはポストトレーニングです。
そしてポストトレーニングをやり直したその小さなモデルが今、DeepSeek自身の1.6兆パラメータの旗艦V4-Pro-Previewを、公表された9つのエージェントベンチマークすべてで、8.7〜41.6ポイントの差で上回っています。価格は入力100万トークンあたり0.14ドル、出力100万トークンあたり0.28ドル。MITライセンスで、重みをダウンロードできます。
AIプロダクトを作るすべての人にとって、ここには本物の教訓があります。それは「DeepSeekに乗り換えろ」ではありません。2026年に能力が実際にどこから来ているのか、そしてそれが、より良いエージェントの振る舞いにはより大きく高価なモデルが必要だという、多くの創業者のコストモデルにいまだに組み込まれている前提に何をもたらすか、という話です。
変更履歴の記述は短く、文字どおりに読む価値があります。deepseek-v4-flashエンドポイントは0731ビルドを提供するようになりました。アーキテクチャとサイズはプレビューから変わっていません。モデルはポストトレーニングをやり直され、スループット向上のためにDSparkの投機的デコーディングモジュールが付け加えられました。OpenAIのResponses API形式へのネイティブ対応と、初日からのCodex対応も加わりました。推論の制御はlow、high、maxの明示的な3段階に拡張され、これはエージェントのハーネスがreasoning_effortに期待する形です。
その下にある仕様は次のとおりです。総パラメータ284Bのうちアクティブは13B、100万トークンのコンテキストウィンドウで出力は最大38万4000トークン、圧縮スパースアテンションと高圧縮アテンションを組み合わせたハイブリッドなアテンション構成、エキスパートはFP4で他はFP8、MITライセンスでディスク上の重みは約167GB。旧来のdeepseek-chatとdeepseek-reasonerの識別子は7月24日に廃止されたため、現在動作するのはV4の2つのエンドポイントだけです。
商業的な背景も重要です。DeepSeekはTencentとNetEaseも参加して、約3500億元の評価額で74億ドルを調達し、その資金はエージェントに重点を置いて人員をほぼ倍増させるのに使うと述べています。Flashのプレビュー版はすでに、7週連続でOpenRouterで最も使われたモデルでした。これは珍しいものを出しているだけのラボではありません。
以下は公表されたエージェントの数字で、プレビュー版も含めてあります。改善のうちどれだけがマーケティングではなくポストトレーニングによるものかが分かるようにするためです。
| ベンチマーク | Flash 0731 | Flash Preview | V4-Pro-Preview | Opus 4.8 |
|---|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 61.8 | 72.1 | 85.0 |
| Cybergym | 76.7 | 38.7 | 52.7 | 83.1 |
| DeepSWE | 54.4 | 7.3 | 12.8 | 58.0 |
| NL2Repo | 54.2 | 39.4 | 38.5 | 69.7 |
| Toolathlon-Verified | 70.3 | 49.7 | 55.9 | 76.2 |
| DSBench-FullStack | 68.7 | 37.0 | 41.8 | 71.6 |
| DSBench-Hard | 59.6 | 25.8 | 31.1 | 71.7 |
| Agents' Last Exam | 25.2 | 15.8 | 16.5 | 25.7 |
| AutomationBench Public | 25.1 | 10.8 | 12.8 | 27.2 |
目を引く点が2つあります。1つ目はDeepSWEで、同じ重みのまま7.3から54.4に上がっています。これほど大きな跳躍は通常、プレビュー版のモデルにタスクをこなす力はあったものの、ハーネスを教えられていなかったことを意味します。失敗の原因は推論ではなく、形式、ツール呼び出しの規律、止めどきの判断でした。ポストトレーニングがインターフェースを直し、すでにあった能力が表に出たのです。
2つ目はOpus 4.8の列です。Flash 0731はTerminal Bench(82.7対85.0)、Agents' Last Exam(25.2対25.7)、DeepSWE(54.4対58.0)では接近しているものの、最も難しい2つ、NL2Repo(54.2対69.7)とDSBench-Hard(59.6対71.7)ではっきり後れています。このパターンは一貫しており、ルーティングの判断を左右すべきなのはこのパターンです。範囲が明確で仕様のはっきりしたエージェントのタスクでは差が縮まります。40ステップ目の1つの判断ミスで実行全体が無駄になるような、長く曖昧でリポジトリ全体にまたがる作業では、差は開いたままです。
独立した測定もおおむね一致しています。Artificial AnalysisはV4-Flash 0731をIntelligence Indexで50としており、オープンウェイトモデルの中で3位、中央値25に対してGemini 3.6 Flashと並び、約59のClaude Opus 5に次ぐ位置です。出力速度は毎秒113.5トークンで、同等モデルの中央値61.4を上回り、最初のトークンまでの時間は1.31秒です。
見出しを飾るのはベンチマークですが、作れるものを変えるのは価格の行です。Artificial Analysisは、Intelligence Indexの全テスト群を各モデルで実行するコストを測定しました。
100点満点の指数で9ポイントの能力差に対して、およそ100倍のコスト差です。キャッシュの経済性はさらに攻めています。キャッシュヒットは100万トークンあたり0.003ドルで、98%の割引、業界で最も大きな割引です。エージェントが毎ターン大きく安定したシステムプロンプトと固定のコーパスを再送しているなら(本番のエージェントの多くはそうしています)、この割引は誤差ではありません。29ドルのプランで提供できるワークフローと、そもそも提供できないワークフローの違いになります。
DeepSeekはこのリリースでAPIのコストも最大50%引き下げました。このパターンはもうおなじみで、Axiosはこれをゼロへの競争と表現し、中国のラボによる容赦ない値下げがOpenAIとAnthropicの将来のIPOに圧力をかけていると指摘しています。その見立てが当たるかどうかにかかわらず、あなたにとっての運用上の帰結はすぐに来ます。有能なエージェント作業の最低価格がまた下がり、推論は高いという前提で作った価格モデルは、計画していたより早く賞味期限を迎えるということです。
冗長さという税金
Artificial AnalysisはV4-Flashを「非常に冗長」としています。同等モデルの中央値1億トークンに対し、評価全体で2億1000万の出力トークンを消費しました。出力トークンは請求額の高いほうの半分です。出力単価が10分の1でもトークンを2倍出すモデルなら、節約は10分の1ではなく5分の1で、実際の比率はプロンプト次第です。価格表の100万トークンあたりのコストではなく、自社のトレースで 完了したタスク あたりのコストを測ってください。
2つ目はピーク時間帯の料金です。DeepSeekは北京時間の9時〜12時と14時〜18時に2倍の倍率を適用すると発表しています。リリース時点ではまだ適用されていませんでしたが、トラフィックがヨーロッパや米国の朝に集中しているなら、顧客に利益率を約束する前に、表示価格ではなく倍率をかけた料金でモデル化してください。
3つ目は最も語られていない点です。これはエージェントのベンチマークであり、エージェントのベンチマークは、まさにポストトレーニングされたばかりのものを評価します。ポストトレーニングのやり直しだけでDeepSWEが41ポイント跳ね上がったという事実は、モデルにより感心するだけでなく、ベンチマークを少し疑う理由にもなるはずです。スコアがハーネスとの相性に非常に敏感だということを示しているからです。あなたのハーネスは彼らのハーネスではありません。本番のトラフィックを新しいところにルーティングする前に、実際のユーザーのタスクから作った小さな評価セットを自社で回してください。
この比較は完全に公平ではなく、その理由を理解することが有益な部分です。Flash 0731はエージェント向けに調整された完成品です。V4-Pro-Previewはプレビュー、つまり同じ手入れを受けていない基礎能力のデモです。DeepSeekはV4-Proの正式リリースが目前で、8月初めにはResponses APIとCodexへの対応が来ると述べており、それが出ればほぼ確実に順位は再び逆転するでしょう。
しかし「比較が公平ではない」ことこそが発見なのです。9つのベンチマークで2つのモデルを分けたのは、1兆5000億を超えるパラメータの素の容量ではありませんでした。エージェントのループの中でどう振る舞うかを、誰かがモデルに教えたかどうかでした。いつツールを呼ぶか、呼び出しをどう整形するか、いつ推論をやめて行動するか、失敗したステップからどう立て直すか。規模が基礎的な能力を買い、ポストトレーニングがそれを完了したタスクに変えたのです。
これは、創業者がスタックの1段上で何度も発見していることとほぼ正確に重なります。デモが動くのはモデルに能力があるからです。本番で失敗するのは、モデルの周りにループを確実に回す仕組みが何もないからです。コンテキストエンジニアリング、評価セット、権限システムが、どの最先端モデルを選んだかよりも重要だと繰り返し判明するのも同じ理由です。DeepSeekは同じ原則を、重みそのものの中で示してみせたのです。
V4-Proは1.6Tの兄弟モデルで、4月24日にMITライセンスのオープンウェイトのプレビューとして公開され、価格は100万トークンあたり0.435ドル/0.87ドルです。最大推論モードでのSWE-bench Verifiedは約80.6で、競争力はあるもののトップではありません。効率の面では、アーキテクチャの話は本当に見事です。100万トークンのコンテキストで、V4-ProはV3.2と比べて1トークンあたりの推論FLOPsが約27%、KVキャッシュが10%で済むとされ、それが100万トークンのコンテキストを単なる宣伝ではなく経済的に現実的なものにしています。
実務家の分析にある1つのコスト比較は覚えておく価値があります。代表的な中規模の機能実装は、V4-Proで約0.12ドル、最先端のプレミアム層では約10.00ドルかかります。冗長さの注意点や観測される失敗率を割り引いても、これはユニットエコノミクスの別のカテゴリーです。そしてこれこそが、「何にでも最高のモデルを使う」が約1年前に正当化できるデフォルトではなくなった理由です。
このようなリリースを、特定のベンダーへの買いシグナルとして扱いたくなります。そうではありません。DeepSeekは2.8兆パラメータのMoonshotのKimi K3に後れを取っており、Kimiも10月には何かに価格で下回られるでしょう。どの月でも最も安い有能なモデルは動く標的であり、プロダクトのアイデンティティをその上に築くべきではありません。
長続きするのは方向性です。一定価格での能力は急速に下がり、範囲の決まったエージェント作業ではオープンウェイトの層が最先端にかなり近づいたため、選択は品質の判断ではなくルーティングの判断になりました。そしてモデル層の限界コストは底値に向かっています。良いモデルにアクセスできることがあなたのプロダクトの強みなら、その強みはリリースのたびに、公の場で値下げされつつあります。
生き残る強みは、DeepSeek自身が重要だと証明したばかりのものです。有能なシステムを、特定のループの中で、特定の領域において、特定のユーザーのために、信頼できるものにする作業です。それが同じ重みでの7.3と54.4の差でした。そしてそれは、ほぼそのまま、AIのデモとAIのビジネスの差でもあります。
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.
