DeepSeek-V4-Flash公開 Opus 4.8に迫る性能

中国のAI企業DeepSeekが2026年7月31日、新モデル「DeepSeek-V4-Flash-0731」を公開しました。自律的に複数の作業をこなすエージェント型AIの実力を測るTerminal-Bench 2.1で82.7点を記録し、Anthropicの最上位モデルClaude Opus 4.8の85.0点に迫っています。入力トークン100万件あたり0.14ドルという価格の安さも際立ち、開発者の関心を集めています。

背景と文脈
技術/ビジネス面
これからどうなるか
まとめ
参考リンク

背景と文脈

DeepSeekは、高性能なモデルを競合より大幅に安い価格で提供する路線で存在感を示してきた中国のAI企業です。今回のV4-Flash-0731は、公開済みだったプレビュー版と同じアーキテクチャ・パラメータ数を維持したまま、学習後の調整（ポストトレーニング）を改良したアップグレード版と説明されています。まったく新しいモデルを一から作ったわけではなく、既存モデルの完成度を高めた位置づけです。

背景には、エージェント型AI（人間の指示を受けて複数ステップの作業を自律的にこなすAI）の実用化が急速に進んでいる事情があります。コード生成やツール呼び出しを繰り返すエージェントはトークン消費量が大きく、モデルの利用コストが導入判断を左右する重要な要素になっています。DeepSeekの狙いは、この分野で価格と性能のバランスを塗り替えることにあるとみられます。

DeepSeekはこれまでも、V3やR1といったモデルで欧米大手に匹敵する性能を低コストで実現し、AI業界の価格競争を加速させてきた実績があります。今回のV4-Flash-0731もその路線を継続するもので、性能面での飛躍というより、既存アーキテクチャの完成度を磨き上げて実運用に耐える水準に引き上げた点に特徴があります。API経由でベータ公開されており、開発者はすぐに試せる状態になっています。

技術/ビジネス面

コンピューターの基板とチップ — Photo by Randall Bruder on Unsplash

ベンチマークの伸び幅は大きく、プレビュー版から軒並み改善しています。ソースコード生成力を測るNL2Repoは39.4点から54.2点に、サイバーセキュリティ実務タスクを扱うCybergymは38.7点から76.7点に上昇しました。ソフトウェア開発タスクを測るDeepSWEも7.3点から54.4点、複数ツールを組み合わせた複合作業を測るToolathlon-Verifiedも49.7点から70.3点まで伸びています。DeepSeek独自のベンチマークDSBenchでも、FullStack領域で68.7点、難易度の高いHard領域で59.6点を記録し、Opus 4.8の71.6点・71.7点に近づきました。

複数ベンチマークを統合した指標であるArtificial Analysis Intelligence Indexでも50点となり、プレビュー版から10点上昇しています。それでいて価格は、入力100万トークンあたり0.14ドル（キャッシュ命中時は0.0028ドル）、出力100万トークンあたり0.28ドルです。競合のGPT-5.6 Sol（入力5ドル/出力30ドル）やClaude Fable 5（入力10ドル/出力50ドル）と比べると、桁違いの安さになります。

これからどうなるか

エージェント型AIはタスクを何度も繰り返しながら進めるため、トークン消費量が通常の対話より大きくなりがちです。低価格モデルでもトップクラスに近い性能が出るとなれば、CI上で動かす自動テスト生成やコードレビューエージェント、バッチ処理でのコスト試算が変わってきます。既存のエージェントパイプラインを高価格モデルで組んでいる開発者は、V4-Flash-0731のような選択肢への切り替えでランニングコストを見直す余地が出てきそうです。上位モデルの価格差が性能差に見合うのかという問いも、これまで以上に問われることになります。中国製モデルをAPIとして本番環境に組み込む際は、データの取り扱いポリシーやサポート体制の違いも合わせて確認しておく必要があるでしょう。