DeepSeekの更新版V4 Flashが自社フラッグシップを上回る

DeepSeekはV4-Flashモデルの正式版を金曜日にパブリックベータとして投入し、独立テストはすぐに異例の事実を確認した。中国のこの研究所の小型で低価格なモデルが、自社のフラッグシップを上回ったのだ。ベンチマーク企業Artificial Analysisは、DeepSeek-V4-Flash-0731と名付けられた今回の更新にIntelligence Indexで50のスコアを付与した。これは2026年4月に公開された版から10ポイント上昇し、より大規模で、はるかに高価なDeepSeek V4 Proを6ポイント上回る。

このタイミングは競争の緊張感をさらに高める。今回のリリースは、OpenAIがGPT-5.6 Lunaの価格を引き下げた翌日に行われた。これは予算重視のフロンティアモデルで、コストに敏感な顧客からの圧力を受けて80%値下げされたものだ。その値下げ後でも、Artificial Analysisは新しいDeepSeekモデルが知能面でLunaにわずか1ポイント差まで迫りながら、DeepSeek自社APIでのタスク当たりコストはおよそ60%低いと見積もっている。

低価格帯がフラッグシップに追いつく

DeepSeekが4月にV4ラインアップを投入した際、業界標準の2階層ロジックに従っていた。最大の性能を求めるなら1.6TパラメータのPro、速度と低コストならFlashという構図だ。3カ月後、その序列は少なくとも一時的に逆転した。V4 Pro APIとDeepSeekの一般向けアプリを支えるモデルには変更がなく、アップグレードを受けたのはFlash APIだけだった。

同社自身の変更点の説明は率直だ。更新ログには、このリリースで「エージェント能力が大幅に向上し、ベンチマーク結果はV4-Pro-Previewを大きく上回った」とある。エージェントタスクとは、単一の質問に答えるのではなく、端末を操作し、コードを編集し、他のソフトウェアを呼び出しながら、多くのステップにわたってモデルが自律的に完了する仕事のことだ。業界が現在、収益機会があると見ているのはこのカテゴリであり、だからこそ低価格モデルがフラッグシップのpreviewをここで上回るのは、単なるリーダーボード上の珍事以上の意味を持つ。

同じくらい注目すべきなのは、変わらなかった点だ。モデルは4月版とまったく同じアーキテクチャと規模を維持している。総パラメータ数は284Bで、これはモデルが何を知っているかを保存する内部設定を指し、任意の単語に対して実際に有効になるのは13Bだけであるため、運用コストを低く抑えられる。DeepSeekによれば、改善はすべてポストトレーニングによるもので、これはモデルの中核知識が構築された後に適用される改良段階だ。価格設定も据え置きで、100万入力トークン当たり$0.14、100万出力トークン当たり$0.28。さらにDeepSeekは、システムがすでに処理済みのテキストであるキャッシュ済み入力を98%割引としており、これは多くの競合が提供する90%を上回る。

独立した数値もエージェント能力の主張を裏付けている。実世界の業務タスクを測るArtificial AnalysisのテストGDPval-AA v2では、このモデルの評価は1189から1559へ上昇した。また、モデルのコマンドライン操作能力を測るTerminal-Bench 2.1では、同社のテストで17ポイント上昇して79%に達した。

このスコアで決着しないこと

それでも、このモデルは依然として高い頻度で答えを捏造する。Artificial Analysisの知識テストでは、分からないことに対して84%の確率で作り話の回答を生成する。これは前モデルより12ポイント改善しているが、改善のすべては推測回答を控えるようになったことによるもので、実際に正答できる質問の割合は変わっていない。

また、冗長でもある。このモデルはIntelligence Indexを完了するのに約206M出力トークンを生成し、4月版より12%少ないものの、比較可能なモデルの中央値のおよそ2倍に当たる。長いエージェントループでは、そのため実際の請求額は、極めて低いトークン単価が示唆するよりもかなり高くなる。

そして、上限にはまだ達していない。AnthropicのClaude Opus 4.8は、DeepSeek自身が公表したすべてのベンチマークで依然として首位に立っており、オープンモデルの中ではKimi K3が指数でなお7ポイント先行している。このモデルはテキストのみを扱い、画像には対応しない。また、誰でも自前で実行できるようにするweightsの公開は予定されているものの、まだリリースされていないため、現時点では有料APIとしてのみ提供されている。

DeepSeekはV4-Proの正式版が「まもなく続く」としている。ポストトレーニングだけでこの小型モデルが10ポイント向上したのであれば、そのほぼ6倍の規模を持つモデルに同じ処理を施した場合どうなるのかが未解決の問いだ。フロンティア級に近い知能の価格は今週2度下がった。そのうち価格表に手を入れる必要があったのは1度だけだった。