TITLE

DeepSeek V4 Flashがベータ公開 ― パラメータ5分の1以下で上位モデルを上回るベンチマーク結果

投稿日：2026.08.01

エージェント系ベンチマーク、V4-Pro-Previewを全項目で上回る

公開された代表的な4項目の数値を見ると、差は項目によってばらつきがあります。Terminal Bench 2.1 は82.7で、V4-Pro-Previewの72.1を10.6ポイント上回りました。Cybergym は76.7対52.7で24ポイントの差、NL2Repo は54.2対38.5で約15ポイントの差です。とりわけ大きな開きが出たのが DeepSWE で、54.4対12.8と大幅な改善になっています。第三者機関 artificialanalysis.ai の分析でも、deepseek-v4-flash は総合指標「Intelligence Index」で50を獲得し、同等規模のオープンウェイトモデルの中央値(25)を大きく上回りました。

価格は入力4分の1・出力8分の1、オープンウェイトでも入手可能

ところが、この結果は性能だけの話ではありません。deepseek-v4-flash の API 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ドルです。同規模モデルの価格中央値(入力0.58ドル・出力2.20ドル)と比べると、入力は約4分の1、出力は約8分の1まで抑えられています。技術仕様では、総パラメータ284Bのうち実際に計算に使う活性化パラメータは13B(MoE=Mixture of Expertsアーキテクチャ)で、コンテキストウィンドウは100万トークンです。さらにこのモデルは MIT ライセンスのオープンウェイトとして公開されており、Hugging Face から重みを直接ダウンロードできます。API 経由の従量課金だけでなく、自社インフラでホストする選択肢も用意されている点は、特定ベンダーへの依存を避けたい企業にとって意味を持ちます。

ただし、Claude Opus 4.8には届かず、Pro正式版の日程も未定

この結果を「最強モデル」の登場と読むのは早計です。Anthropic の Claude Opus 4.8 と比較すると、全項目で deepseek-v4-flash は届いていません。今回の意味は「トップを取った」ことではなく、「DeepSeek自身より大幅に小さいモデルが、DeepSeekの上位モデルを上回った」という、パラメータ規模と性能の関係を揺さぶる事実にあります。

制約はもう一つあります。DeepSeek は上位モデルである Pro の正式版についても「可能な限り早く提供する」と発表していますが、具体的な日程は明らかにしていません。今回ベータ公開されたのは Flash 系モデルの API のみで、V4-Pro および APP/WEB 版のモデルは変更されていません。なお deepseek-v4-flash は Responses API 形式にすでにネイティブ対応済みで Codex にも特別対応していますが、日本語報道では8月上旬にも Responses API 形式への対応が予定されているとも伝えられており、対応状況の詳細は今後の続報を確認する必要があります。

内製化・DX検討中の企業への示唆

エージェント型の自動化(コーディング支援やリポジトリ操作を伴うタスク)を試したいが、まず低コストで検証したいという段階であれば、deepseek-v4-flash は候補に値する選択肢です。

一方で、ベンチマークの見出し数値だけで採用を決めるのは早計です。私たちは、社内で LLM の移行や新モデルの採用を検討する際、ベンチマークの数値や値下げ幅だけでなく、実際のユースケースでの精度・出力の安定性・実測コスト・応答速度を条件として満たすかを確認してから判断する、という姿勢を取っています。deepseek-v4-flash の9項目全勝という結果は魅力的ですが、それは公開されたベンチマーク上の話です。自社の業務データ・自社のプロンプトで実測し、Opus 4.8 など既存の選択肢と比べてどの程度の差になるかを確認したうえで、コストと性能のどちらを優先するかを判断するのが、私たちが実務で使っている進め方です。

出典:

※ この記事は AI を使用しています。Leadeas が自社開発した AI エージェント基盤で下書きを作成し、人間のレビューを経て公開しています。AI ネイティブ開発会社として自社の技術をそのまま実演する目的で、この手法を用いています。(詳しくは AI 利用ポリシー)