「DeepSeek V4 Flash」正式版、Proプレビューに9項目全勝。Pro正式版も間近

　AIの下位モデルが、上位モデルを追い抜いた。DeepSeekが7月31日(日本時間)に公開した「DeepSeek V4 Flash」正式版が、エージェント系のベンチマーク(性能測定テスト)9項目すべてで、総パラメータ数が5倍以上ある上位版「DeepSeek V4 Pro」のプレビュー版を上回った。API料金はDeepSeek V4 Proの3分の1で、提供はパブリックベータとして始まった。ただし、4月のプレビュー版で配布されたモデルの重みが今回も公開されるかは、現時点で告知がない。

　DeepSeek V4 Flashは、総パラメータ数2,840億のうち推論時に130億だけを動かすMoE(Mixture-of-Experts)型のAIモデルだ。コンテキスト長は100万トークンで、正式版のAPIはパブリックベータとして提供が始まった。

　一方、重みについては今回のアナウンスに言及がない。4月のプレビュー版はDeepSeek V4 FlashとDeepSeek V4 Proの2モデルともMITライセンスのもとHugging Faceで無償公開され、前世代のDeepSeek V3.2も正式版で重みが公開されていた。

DeepSeek V4 Flashが9項目すべてでProプレビュー版を上回る

　差は小さくない。ターミナル操作の「Terminal Bench 2.1」は82.7で、上位版のプレビュー版の72.1を10.6ポイント上回った。伸びはほかの項目でも大きい。セキュリティ課題の「Cybergym」は76.7で、DeepSeek V4 Proのプレビュー版の52.7を24ポイント上回った。

　自然言語の指示からリポジトリを構築する「NL2Repo」は54.2対38.5、ツール操作エージェントの「Toolathlon-Verified」は70.3対55.9で、いずれも15ポイント前後の差を付けた。DeepSeek V4 Flash自身のプレビュー版と比べても、Terminal Bench 2.1は61.8から82.7へ、Cybergymは38.7から76.7へと大きく改善している。

DeepSeek V4 Flash正式版(DeepSeek-V4-Flash-0731)のエージェント系ベンチマーク比較。9項目すべてでDeepSeek V4 Proのプレビュー版を上回り、Terminal Bench 2.1は82.7対72.1、DeepSWEは54.4対12.8。一方、Claude Opus 4.8には9項目すべてで届いていない

　もっとも、勝ちっぱなしではない。同じ表でAnthropicの「Claude Opus 4.8」と並べると、9項目すべてで届いていない。Terminal Bench 2.1は85.0対82.7と2.3ポイント差まで迫るが、DeepSeekの社内テストセットである「DSBench-Hard」は71.7対59.6と開きが残る。

DeepSeek V4 Flashは構造もサイズも変えずポストトレーニングだけをやり直した

　性能を伸ばした手段が変わっている。DeepSeekによれば、モデル構造とサイズはプレビュー版と同一で、変更したのは、事前学習後に道具の使い方などを教え込むポストトレーニングのやり直しだけだという。ソフトウェア開発の「DeepSWE」は、同じサイズのまま7.3から54.4へ跳ね上がった。

DeepSeek V4 FlashがCodexから直接呼べるようになった

　実務での使い勝手も変わった。DeepSeek V4 Flash正式版はOpenAIの「Responses API」形式にネイティブ対応し、「Codex」向けの設定手順も公式ドキュメントに用意された。対応するのはDeepSeek V4 Flashだけで、DeepSeek V4 Proは8月上旬の予定だ。DeepSeek V4 Pro自体の正式版も「可能な限り早く提供する」(DeepSeek)と予告されている。

　料金は100万トークンあたり、入力が0.14ドル(約22円、1ドル=約160円換算)、出力が0.28ドル(約45円)。ただし全課金項目を対象に、ピーク時は通常の2倍とする時間帯別課金が予告された。ピーク時間帯(北京時間)は毎日9時から12時と14時から18時で、開始日は未定だ。