記事の理解を助けるための画像
処理速度を高め、出力は短く
中国のAI企業DeepSeekは2026年10月17日、生成AIモデル「DeepSeek-V4.1-Flash-1017」を公開した。従来版よりベンチマーク性能とタスクの完了速度を高める一方、出力の長さを抑えたとしている。
同社が画像形式で示した比較によると、ソフトウエア開発能力を測る「DeepSWE 1.1」の成績は77.0%で、従来のDeepSeek-V4.1-Flashの74.2%を上回った。1タスク当たりの平均コストも約0.20ドルとされ、従来版の約0.50ドルから低下した。
競合モデルを上回ると説明、独立検証は途上
DeepSeekは、コーディングやAIエージェント関連の評価で、Claude Opus 5、GPT-5.6-Sol、Kimi K3、GLM 5.3より高い結果を得たと説明している。比較対象モデルの1タスク当たりのコストは2ドルから10ドル超だったという。
個別の評価では、DeepSWE 1.1が77.0%で、Opus 5.0の74.0%を上回った。AutomationBenchは60.5%対50.3%、Apex Benchは72.1%対65.8%だった。ポストトレーニング責任者のWu Yu氏は、今回の発表について「民主化された願望主導型コーディングの時代に入った」と表現した。KVキャッシュは1トークン当たり890バイトとされる。
ただ、現時点では独立機関による検証が十分にそろっていない。ベンチマークだけでモデルの総合力を判断することは難しく、開発者が実際に評価するコード品質と数値が大きく異なる可能性もある。
独立集計では954モデル中35位
独立ベンチマーク集計サイトBenchLMが同日更新したデータでは、DeepSeek V4.1 Flash 1017の総合得点は100点満点中65.61で、954モデル中35位だった。主な成績はTerminal-Bench 2.1が90.6%、CyberGymが88.1%、AA AutomationBenchが68.9%、DeepSWEが77.0%、NL2Repoが68.2%、GPQA／GPQA-Dが90.9%、FrontierMath v2のTier 1～3が67.368%、Apexが65.6%、AA-LCRが84.0%。Codeforcesは3471.0だった。
同じ総合指標ではDeepSeek V4 Pro 0813が63.19、V3.2が50.2だった。一方、Apexの成績はBenchLMの65.6%と、別の比較で示された72.1%に食い違いがある。
評価サイトVals AIには1017版専用のページは確認されていない。同サイトによる従来のDeepSeek V4.1 Flashの評価は51.32%±1.13で、49モデル中26位。100万トークン当たりの料金は入力0.30ドル、出力1.20ドルと表示されていた。
APIは100万トークンの文脈長に対応
DeepSeekのAPIでは、「deepseek-flash」のモデルIDでV4.1-Flash-1017を提供する。別の「deepseek-v4-pro」にはV4-Pro-0813が割り当てられている。deepseek-flashは100万トークンのコンテキストと最大38万4000トークンの出力に対応し、同時処理の上限は2500となっている。
100万トークン当たりの入力料金は、キャッシュが使える場合、非混雑時間が0.003ドル、混雑時間が0.006ドル。キャッシュを使わない入力はそれぞれ0.15ドルと0.30ドル、出力は0.60ドルと1.20ドルだ。混雑時間は月曜から金曜の協定世界時（UTC）午前1～4時と同6～10時で、それ以外は半額となる。
サーバー側のSearchとFetch APIは2026年10月31日午後4時（UTC）まで無料で、その後はそれぞれ成功した1000リクエスト当たり0.75ドルを課金する。
オープンウェイトも公開
新モデルはDeepSeekのウェブサイト、アプリ、APIで利用できる。学習済みの重みを利用可能な「オープンウェイト」版はHugging FaceとModelScopeで公開され、DeepSeek Harness v0.2.1-rc.1以降のほか、Tencent CodeBuddyとWorkBuddy向けに最適化されている。
従来版の公表仕様は、5520億パラメーター規模のMixture of Experts（専門家混合）型基盤、1960億パラメーターの条件付きメモリーモジュール、100万トークンのコンテキスト、画像を直接扱うネイティブビジョン機能などだった。実際に動くパラメーターは、入力処理時が80億、生成時が160億とされていた。
従来版はDeepSWEでClaude Opus 5やGPT-5.6 Solをわずかに上回った一方、Terminal-Bench 3.0と4.0ではClaude Opus 5に差をつけられていた。また、疎なアテンション処理の不具合や状態再構成により、未検証の状況では性能が低下する可能性があること、最大推論設定では出力トークンが約2.5倍に増えること、モデル移行時に運用環境向けのプロンプトが機能しなくなる恐れがあることも注意点として示されていた。中国政府がオープンウェイトモデルの公開規制を強化し、公開そのものを制限する案を検討しているとも伝えられている。
コメント
コメントを投稿