DeepSeek-V4-Flashアップデート

 (api-docs.deepseek.com)
1 ポイント 投稿者 GN⁺ 2 시간 전 | 1件のコメント | WhatsAppで共有
  • DeepSeek-V4-Flash API 正式版が2026年7月31日に公開ベータとしてリリースされ、従来の呼び出し方法のままモデル名だけをdeepseek-v4-flashに指定して利用できる
  • エージェント性能はV4-Pro-Previewを大きく上回り、Terminal Bench 2.1で82.7点をはじめ、Cybergym 76.7、Toolathlon verified 70.3、DSBench-FullStack 68.7を記録
  • コードエージェントのベンチマークは、リリース予定のDeepSeek Harness最小モードで、max effort、top_p=0.95、temperature=1.0の条件で測定された
  • 正式版V4-FlashはResponses API形式を標準サポートし、Codex向けに調整されており、Previewと同じモデル構造・サイズのまま再後処理学習のみを適用
  • 変更範囲はV4-Flash APIに限定され、V4-Pro APIとAPP/WEBモデルは維持され、V4-Pro正式版は近日リリース予定

公開ベータのリリースとAPIの使い方

  • DeepSeek-V4-Flash API 正式版が2026年7月31日に公開ベータとしてリリース
  • 既存の呼び出し方法はそのまま維持され、モデルパラメータをdeepseek-v4-flashに設定すれば最新バージョンを利用できる
  • V4系列は従来どおり同じbase_urlでOpenAI ChatCompletionsおよびAnthropicインターフェースとして提供される
    • V4-Proはdeepseek-v4-pro、V4-Flashはdeepseek-v4-flashを使用
    • 既存モデル名のdeepseek-chatとdeepseek-reasonerは2026年7月24日に廃止予定だった
    • 移行期間中は、この2つの名前がそれぞれV4-Flashの非思考モードと思考モードを指していた

エージェントベンチマーク結果

  • V4-Flash正式版はエージェント性能でV4-Pro-Previewを大きく上回る結果を記録
    • Terminal Bench 2.1: 82.7
    • NL2Repo: 54.2
    • Cybergym: 76.7
    • DeepSWE: 54.4
    • Toolathlon verified: 70.3
    • Agent Last Exam: 25.2
    • Automation Bench Public: 25.1
    • DSBench-FullStack: 68.7
    • DSBench-Hard: 59.6
  • 公開ベンチマークのコードエージェント課題は、リリース予定のDeepSeek Harness最小モードで測定された
    • effortレベルはmaxで、top_p=0.95、temperature=1.0に設定
  • DSBench-FullStackは社内フルスタック開発テストセット、DSBench-Hardは社内コーディングエージェント向け高難度問題セット

Responses APIとCodex連携

  • 正式版V4-FlashはResponses API形式を標準サポートし、Codex向けに調整されている
  • Codex連携に必要な設定は公式ドキュメントで確認できる

モデル変更の範囲

  • DeepSeek-V4-Flash-0731はV4-Flash-Previewと同一のモデル構造とサイズを維持
  • モデル自体の構造変更はなく、再後処理学習のみを適用
  • アップデートはDeepSeek-V4-Flash APIにのみ適用
    • DeepSeek-V4-Pro APIは変更なし
    • APP/WEBで提供されるモデルもそのまま維持
  • DeepSeek-V4-Pro 正式版は近日リリース予定

関連記事

1件のコメント

 
GN⁺ 2 시간 전
Hacker Newsの意見

  • 個人的にはK3よりも期待している。DSV4モデルはサービングコストが非常に低く、性能が向上するほど、より多くの作業で「十分に良い」モデルになり得る。
    DeepSeekは長い間Pro版を非常に安価に提供し、OpenCodeなどとも連携してきたため、実際の開発作業データも多く確保している可能性が高い。これを事後学習に活用すれば、さらなる改善も可能だ。
    K3をDSV4に蒸留したとき、どれほど良くなるのかも気になる。安価で高速なモデルは、プロバイダの都合で簡単に消えず、性能を継続して活用できるという点で、コミュニティにとって特に有益だ。少なくともFlashは1万ドル未満の機材でも自宅で動かせるが、GLMやK3の大型モデルは現実的に難しい。

    • 学習データ提供に同意できるプロバイダはDeepSeekとMoonshotだけだ。
    • DwarfStarと組み合わせれば、実用的なローカルAIが可能になると期待している。

  • 作業の90%をFlashで処理している。理由は分からないが、Proより良く、非常に安くて速い。
    変更量を1,000行以下に抑え、アーキテクチャの決定は自分で行えば、最先端モデルとの差はほとんど感じない。残りの10%はバグやセキュリティ問題の発見、より良い構造の検討に使っており、Flashもかなりうまくやるが、交差検証している。
    小さな変更ごとに5〜10分待つより、速い反復のほうがはるかに良い。最近のKimiやGLMは不要に長く推論して遅かった。依存関係、ログ、性能ダンプのような大量のデータを上限を気にせず投入でき、バイナリリバースエンジニアリングでもセキュリティ制限に引っかからない。

    • プロンプト表現が弱いせいか、Codexとして使ったOpenAIモデルがバイナリリバースエンジニアリングを拒否したことはない。今もCodexでサードパーティ製ファームウェアを解析しているが、制限に一度も引っかかったことがない。
      一方で、セキュリティと無関係なプロンプトまで拒否される場合もあるようで、プラットフォームごと・ユーザーごとの差がここまで大きいのか気になる。
    • DeepSeek V4 Flashはほとんどの作業に十分で、応答も速い。トークンは主に米国のFireWorks.aiで購入しているが、DeepSeekにも大量に前払いしてある。
      Claude Codeよりトークン消費の少ないOpenCodeを主に使っており、DeepSeek自身のコーディングハーネスのリリースも期待している。
    • 全体としては良いが、OpenRouterでは出力トークン上限が厳しすぎる。推論の落とし穴にはまると、上限内で自力で抜け出せないが、それでもKimiモデルの代わりになった。

  • 個人用の日常エージェント作業の大半にDeepSeekを使った直近30日間の記録は、費用4.55ドル、APIリクエスト3,467回、トークン323,183,886個だ。
    小規模チームを率いるエンジニアとして品質基準は高く、個人プロジェクトにも同じ基準を適用しているが、コーディングとレビュー作業ではまったく失望していない。それ以外の作業には別のモデルを使っている。

    • LLMでコードレビューをするとき、どんなやり方やプロンプトを使っているのか気になる。回答の品質がかなり低かったので、自分の使い方が原因なのか知りたい。
    • この程度のトークンキャッシングを達成するには、どんなハーネスを使っているのか気になる。
    • 幻覚は多くないのか、あるなら作業フローにどう影響するのか気になる。
    • 品質が突出して高いわけではなく、ほとんどのLLMも同じだ。

  • 今ではpiのほぼすべての作業をFlashで実行している。適切なMCPサーバー、コンテキスト圧縮ツール、スキルがあれば、どんな作業でも実装できる。
    一部のセッションは30ターン以上かかるが、速くて安いので、1時間作業しても約0.5ドルで十分だ。ただし、複数のサブエージェントを使うワークフローでは、計画・レビュー・オラクル役にもっと高価なモデルも使っている。
    遅いOpusのサブスクリプションは数週間使っておらず、スマホでも動き、MCPとスキルをサポートするセルフホストのOpenWebUIチャットも構築してPerplexityを完全に置き換えた。ホスティングとサブスク費用は月約18ドルだ。

    • 私もpi + DeepSeekの組み合わせに、ToDo追跡やトークン節約用のカスタムツールを多数つなぎ、非常に難しい作業にだけ最先端モデルを使っている。この構成で必要な機能はすべて満たせている。
    • piで使える拡張機能のおすすめが知りたい。
    • 今回のアップデートで体感できる改善があるのか気になる。
    • piでtop_pとtemperatureを設定する方法が知りたい。

  • ベンチマークが実使用時の性能を正しく反映しているなら、驚異的なモデルだ。300Bモデルが以前のDS4 Proプレビューモデルの1.8Tパラメータ性能を上回り、GPT 5.6 Lunaよりも良く見える。
    値下げ後のLunaよりもなお安い。

    • DeepSWEではDeepSeekが54.4%、Lunaが67%だ。

  • 200BモデルがGLM-5.2と競合し、Opus 4.8に迫っているのはかなり印象的だ。
    この数値が汎用性能にもつながり、DeepSeekの優れたキャッシングまで加わるなら、利用量は非常に増えそうだ。

    • 単に200Bモデルというだけでなく、容量も160GiBしかない。

  • もっと明確に区別できるように、なぜv4.1-Flashと呼ばなかったのか気になる。

  • 速度と低価格を維持しつつ、すでに十分実用的なdeepseek-v4-proの性能を上回るなら、非常に有望だ。
    deepseek-v4-flashはすでに価格性能比が最も高いモデルだったので、知能/コスト指標で差がさらに広がりそうだ。ただし、DeepSeek APIの安さは、コードベース情報を中国に渡す代償でもある。

    • 少なくともあるベンチマークではGLM 5.2より優れているという。

  • 高価な作業にはOpusの代わりにKimi K3、一般作業にはSonnetの代わりにDSV4 Flashを使う構成が合理的か気になる。

    • deepseek-v4-proの更新版がまもなく出そうで、DSV4 Flashの大きな改善幅を見ると、知能とコストの両面でKimi K3を上回る可能性が高い。
    • 十分合理的だ。DSV4 Flashでコーディングやサーバー点検を1時間行っても、純粋なAPIコストは約0.30ドルなので毎回驚く。
    • バックグラウンドで2つのモデルを切り替えるように、自分のモデルルーターを使える。

  • コーディング以外の用途のエージェントにDSv4を使う事例が気になる。特にGPT-5.4 miniで分類やカテゴリ化などを処理していたユーザーが、DSv4をどう活用しているのか知りたい。