DeepSeek V4.1 Flash：中国AIが起こす新たなコストパフォーマンス革命
執筆 Gab
目次
DeepSeek V4.1 Flashは、@kimmonismusによって、7月のV4-Flashアップデートからわずか6週間後に登場した、特に高速な進化版として紹介されている。その投稿では、主要な数値として、Causal Encoder Decoderアーキテクチャ、5520億パラメータのMoE、そのうち入力時に80億パラメータがアクティブ、生成時に160億パラメータがアクティブであること、さらにKV cacheが前世代比でHBMの4分の1、SSDストレージの8分の1に削減されたことが挙げられている。また、DeepSeekは現在、能力、コスト、速度の面でDeepSeek V4 Proを上回っており、9月14日からV4 Proのトラフィックを一時的にV4.1 Flashへルーティングする予定だとしている。
この解釈は発表内容をおおむね忠実に伝えているものの、主にリリースの速さと製品としての飛躍を強調している。公式スレッドでは、より全体的な姿が示されている。性能向上はアーキテクチャだけによるものではなく、新たな事前学習手法と、より大規模に実施されたRLによる事後学習にも起因するとされている。特に、「より賢く、より速く、より効率的」なFlashモデルという説明の背後で、運用上最も重要な変化は、長時間の推論に必要なメモリに関するものであり、これはAIエージェントにとって決定的なテーマだ。
実際、@kimmonismusが共有したグラフは、マーケティング上の説明ほど一様ではない現実も示している。DeepSeek V4.1 Flashは複数の評価で競争力を持つものの、Terminal-Benchでは最先端モデルを常に上回っているわけではない。
9月10日に公開された@kimmonismusの投稿は、DeepSeek公式アカウントのスレッドを明示的に参照している。この点は重要だ。数値、エンドポイントの移行、性能に関する主張は、まずモデルの提供元から発信されたものであり、それらを要約したアナリストによるものではない。
以下は、その数時間前にDeepSeekが公開した元の投稿である。
公式スレッド：単なるFlashのアップデートではなく、新たなファミリー
最初の投稿で、@deepseek_aiはV4.1 Flashを「the smallest model in our new architecture family」と紹介し、ネイティブな視覚理解能力を備えているとしている。位置付けは明確だ。Flashはもはや単なる軽量版ではなく、速度、スループット、スケーラビリティを重視して設計されたファミリーの最初のモデルである。
スレッドの2つ目の投稿では、アーキテクチャの詳細が説明されている。DeepSeek V4.1 Flashは5520億パラメータのMoEを基盤としているが、各ステップでネットワーク全体を使用するわけではない。DeepSeekによると、入力処理中にアクティブになるのはわずか80億パラメータであり、生成中は160億パラメータになる。
この非対称性が、Causal Encoder Decoderアーキテクチャの中核を成している。コンテキストの処理と新しいトークンの生成では、もはやコストが同じではなく、必要とするリソースも完全には一致しない。比較的短い応答を生成する前に大規模なコンテキストを読み込む必要がある用途では、この分離によってコストパフォーマンスを向上できる可能性がある。
公式表では、V4.1 FlashとV4 Pro 0813、V4 Flash 0731、および複数の競合モデルが比較されている。V4.1 Flashのスコアとして、Terminal-Bench 3.0で30.0、Terminal-Bench 4.0で31.2、DeepSWE v1.1で74.2などが示されている。
DeepSeek V4.1 Flashの主要ベンチマーク
| ベンチマーク | V4.1 Flashの公表スコア | 評価 |
|---|---|---|
| Terminal-Bench 3.0 | 30.0 | 公式表では、V4.1 FlashがGLM 5.3を上回っている。 |
| Terminal-Bench 4.0 | 31.2 | 37.9と記載されたGLM 5.3には及ばない。 |
| DeepSWE v1.1 | 74.2 | ソフトウェアエンジニアリングのタスクに関する成果として、DeepSeekが強調している。 |
DeepSeekは、新たな事前学習手法と、より意欲的なRLによる事後学習を組み合わせることで、このモデルがDeepSeek V4 Proを含む主要システムを上回ったと主張している。この点は、@kimmonismusの要約と比較するうえで重要だ。アーキテクチャは中心的な要素だが、主張されているスコアをそれだけで説明できるわけではない。
公式の表現は意図的にシンプルだ。
「より小さいKV cache。より大きな節約。」 @deepseek_ai
したがって、V4.1 Flashが掲げる最も具体的な価値は、必ずしも単純なスコアの高さではなく、長時間かつ反復的なワークロードにおけるメモリコストの大幅な削減にある。
DeepSeekのKV cache、エージェントにとっての真の原動力
KVキャッシュは、生成されるトークンごとにコンテキスト全体を再計算することを避けるため、必要な表現を保存します。このメモリは、長時間の会話、ツールを呼び出すエージェント、コードワークフロー、反復的な検索、長期にわたる履歴を保持するシステムに不可欠です。
DeepSeekによると、V4.1 Flashのキャッシュに必要なのは、従来比で以下の規模にまで削減されています。
- 前世代で必要だったHBMの4分の1。
- 従来必要だったSSDストレージの8分の1。
- キャッシュ全体で1トークンあたり約890バイト。同社が公開したグラフによると、V4 Flashでは3,514バイトでした。
公式の図では、DeepSeek-V1以降の劇的な減少が示されています。V1では1トークンあたり389,120バイト、V3.2では48,068バイト、V4 Flashでは3,514バイト、そしてV4.1 Flashでは890バイトです。
エージェント運用者にとって、この改善はベンチマーク上のわずかな差よりも大きな構造的意義を持つ可能性があります。エージェントが大規模なコンテキストを頻繁に再利用する場合、キャッシュヒットはコストの大きな割合を占めることがよくあります。このキャッシュを圧縮することで、GPUメモリへの負荷と、大規模運用に必要なストレージ容量の両方を削減できます。
まさにこの点を、@datachadは@kimmonismusの投稿への返信で指摘しています。
「KVキャッシュをHBMの4分の1に削減したことこそ、ローカル推論にとって重要だ」 @datachad
この指摘は正しいものの、慎重に捉える必要があります。よりコンパクトなDeepSeekのKVキャッシュにより、すでに設備を備えているインフラではAIのセルフホスティングがより利用しやすくなります。しかし、それによって5,520億パラメータのMoEモデルが、パーソナルコンピューターで簡単に実行できるソフトウェアになるわけではありません。
DeepSeek自身も、まったく異なる規模のデプロイについて言及することで、この点を間接的に認めています。
「2,000基のGPUとストレージクラスターを使用した大規模デプロイを計画していますか？ ぜひご相談ください」 @deepseek_ai
キャッシュの改善はサービス提供の経済性を大幅に高めますが、モデルサイズに起因するハードウェア上の障壁を消し去るものではありません。
モデルと技術レポートは、DeepSeek-V4.1-FlashのHugging FaceページおよびDeepSeek V4.1技術レポートから入手できます。ただし、スレッド内で提供されている情報だけでは、@UnslothAIの返信で述べられている「196B engram」の詳細を確認できません。したがって、この情報は技術レポートを直接確認しない限り、検証済みの仕様として扱うべきではありません。
Flashをデフォルト製品にするAPI移行
今回の発表は、新モデルのプロモーションだけにとどまりません。DeepSeekの製品ラインアップも再編されます。
公式スレッドでは、以下の内容が示されています。
- V4 FlashとV4 Flash Vision Expは提供終了となります。
- 互換性を維持するため、従来の識別子
deepseek-v4-flashとdeepseek-v4-flash-vision-expは一時的にV4.1 Flashへリダイレクトされます。 - 2026年9月14日04:00 UTC以降、DeepSeek V4 Pro宛てのリクエストもV4.1 Flashへルーティングされます。
- この措置は、V4.1 Proがリリースされるまで継続される予定です。
- V4 Proから移行されたリクエストには、V4.1 Flashの料金が適用されます。
この決定は、宣伝上の比較をはるかに超えるものです。**DeepSeekは、V4.1 Proの登場前からV4.1 Flashを標準API製品に据えています。**すでにAPIを利用しているチームにとって、この移行は即時のサービス中断リスクを軽減します。ただし、出力、レイテンシ、ツール呼び出し、ネイティブのビジョン機能、本番環境でのモデルの挙動を再検証する必要がなくなるわけではありません。
@bygregorrは、アプリケーション開発者の視点から問題を次のように要約しています。
「アーキテクチャーファミリー間の移行期間が6週間というのは、API開発者にとって短すぎる」 @bygregorr
DeepSeekは、一時的な互換性の提供と、従来の識別子のルーティングによって対応しています。これはサービス継続性の観点では現実的な対応ですが、機能が完全に同等であることを保証するものではありません。出力形式、ツール呼び出し、推論ポリシーに依存するエージェント型アプリケーションは、それでも再テストが必要です。
DeepSeekの料金表では、100万トークンあたりの料金が時間帯別に設定されています。オフピーク時は、キャッシュありの入力が0.003ドル、キャッシュなしの入力が0.15ドル、出力が0.6ドルです。ピーク時には、それぞれ0.006ドル、0.3ドル、1.2ドルになります。
DeepSeekによると、オフピーク料金はピーク料金の**50％**です。この料金体系により、特にバッチ処理、自動評価、非同期のエージェントタスクなど、柔軟に実行時間を調整できるワークロードの経済的メリットがさらに高まります。
より広範な議論の中で言及された@ns123abcによる第三者投稿では、実行コストが100万トークン当たり約86分の1で、スループットが毎秒420～507トークンだったとされています。これらの数値は議論の材料にはなりますが、提示された公式スレッドには記載されていません。したがって、DeepSeekが確認したデータではなく、ハードウェア、コンテキスト長、量子化レベル、テスト時の負荷に左右される第三者の主張として捉える必要があります。
Terminal-Bench：優位性がうたわれているものの、普遍的な評価ではない
DeepSeekは、「複数の関係者によるテスト」において、V4.1 Flashが性能、コスト、速度、総実行時間の面でV4 Proを上回ったと主張しています。この主張は両モデルの比較における同社の位置付けを裏付けるものになり得ますが、このスレッドでは、プロトコル、プロバイダー、推論設定、テストの正確な構成について十分に説明されていません。
主な争点は、コンピューター操作やプログラミングにおけるエージェント能力を評価するベンチマークとして特に注目されているTerminal-Benchです。
@Greg_GL_87は、2つの評価バージョン間に見られる矛盾を指摘しています。
「表ではTerminal-Bench 4.0でGLM 5.3に負けている。31.2対37.9だ。でも3.0では勝っている。同じ評価の2つのバージョンで結果が分かれるのは妙だ」 @Greg_GL_87
この批判に対する返信は、スレッド内ではありませんでした。これは具体的かつ重要な指摘です。公式の表では、V4.1 FlashのTerminal-Bench 4.0でのスコアは確かに31.2であり、@Greg_GL_87はこれをGLM 5.3の37.9と比較しています。一方、V4.1 FlashはTerminal-Bench 3.0で30.0を記録し、GLM 5.3を上回っています。
**あるモデルが複数の指標でV4 Proを上回ったとしても、あらゆるエージェント型コーディングタスクに最適な選択肢であるとは限りません。**詳細なプロトコルがなければ、Terminal-Bench 3.0と4.0の差が、タスク、環境、テスト設定、あるいはその他の方法論上の要因によるものなのかを判断することはできません。
@kryptosopusは、V4.1 FlashとClaude Opus 5を比較し、より広い観点から異議を唱えています。
「最小モデルにネイティブビジョンが組み込まれているが、それでもTerminal-BenchではOpus 5に13ポイント差で負けている。Flashは明らかに『安くて速い』ことを狙ったモデルであって、最先端を狙ったものではない。下部のスケーリングの線こそが、ここで本当に物語っている」 @kryptosopus
この見方は、DeepSeekの見解と完全に矛盾するものではありません。V4.1 Flashは、同社が採用した複数の評価指標においてDeepSeek V4 Proを上回りつつも、特定のエージェントベンチマークではOpus 5に後れを取る可能性があります。問題が生じるのは、同一製品ライン内での相対的な改善が、全体的な優位性の主張へとすり替えられる場合です。
反応：オープンソースへの期待、製品面での慎重な見方、そして将来のProバージョンへの疑問
公式スレッドへの返信では、モデルの公開と迅速な統合に対して、全般的に強い期待が寄せられています。たとえば@MrAhmadAwaisは、V4.1 Flashがすでに自身のCommandCodeAIサービスで利用可能だと述べています。@Presidentlinは特に、DeepSeekによるオープンソースエコシステムへの貢献を称賛しています。
「オープンソースを再び前進させてくれてありがとう」 「いつものように、お見事」 「その限界はどこまで高くなるんだ？！！」 @Presidentlin
この返信には、DeepSeekの開発ペースに対する驚嘆と挑戦心が入り交じった感情を表現する漫画の一コマが添えられていました。
一方、@ParthM1001は、料理になぞらえてその雰囲気を次のように表現しています。
「クジラがまた素晴らしいものを作り上げた。」 @ParthM1001
@kimmonismusの投稿への返信では、製品ライン内での位置付けがより多く論じられています。@elshayib_は、旧Proバージョンの存在意義が薄れたと見ています。
「V4 Proはもうほとんど意味がない」 @elshayib_
これに対し、@kimmonismusは次のように返信しています。
「そうだね、Proバージョンの次のリリースを待つだけだ」 @kimmonismus
この返信は公式発表と整合しています。V4 Proは実際に一時的な提供終了の段階にありますが、DeepSeekは将来のV4.1 Proを明確に予告しています。したがって、Pro製品ライン全体が今後も完全に不要になると結論付けるのは、確認済みの事実を超えた判断です。
同様の疑問は@RimasXYZからも示されています。
"Flash が能力、コスト、速度のすべてで V4 Pro を上回るなら、V4.1 Pro には何で勝つ余地が残されているのか？" @RimasXYZ
このスレッドは、この問いに答えていない。難しいタスクにおける品質向上、推論能力の強化、より長いコンテキスト、エージェントとしての信頼性、あるいは別の性能上のトレードオフなど、将来の Pro 製品をどう定義するのかは未解決のままだ。
Causal Encoder Decoder アーキテクチャ：技術的に何が変わるのか
@austinyuhao の「welcome back encoder-decoder」という反応は短いが、的を射ている。DeepSeek が提案しているのは単なるキャッシュ圧縮ではなく、因果エンコーディングの経路とデコーダーをアーキテクチャ上で再び分離することだ。
"encoder-decoder、おかえり" @austinyuhao
返信で共有された図には、それぞれ20層の Causal Encoder と Decoder が示されており、ネットワーク全体では40層となっている。また、MoE、CSA2、SWA、Vision Encoder、Text Embedding、Engram、DSpark、Candidate Pool の各コンポーネントも示されている。
この構成により、マルチモーダル推論と KV キャッシュがなぜ関連しているのかが分かる。DeepSeek は、長いシーケンスでも妥当なコストを維持しながら、ビジョンをネイティブに扱うことを目指している。この構想は、ドキュメントの読み取り、インターフェースの分析、コードの操作、永続的な作業メモリの保持を必要とするエージェントにとって、特に魅力的だ。
DeepSeek V4.1 Flash に関する FAQ
DeepSeek V4.1 Flash では、いくつのパラメータがアクティブになるのか？
DeepSeek は、5,520億パラメータの MoE モデルであると発表している。入力の処理中にアクティブになるのは 80億パラメータのみで、生成中は 160億パラメータになるという。
DeepSeek の KV キャッシュが AI エージェントにとって重要なのはなぜか？
KV キャッシュは、すでに処理したコンテキストの表現を保持するためのものだ。キャッシュをよりコンパクトにすることで、GPU メモリとストレージの要件を抑えられ、長時間の会話、ツール呼び出しを行うエージェント、同じコンテキストを頻繁に再利用するワークフローのコストを削減できる可能性がある。
DeepSeek V4 Pro のユーザーはどうなるのか？
2026年9月14日04:00 UTC 以降、DeepSeek V4 Pro 向けのリクエストは、V4.1 Pro のリリースまで一時的に V4.1 Flash へルーティングされる。移行期間中も API 互換性は維持されるものの、該当するチームは本番環境でのユースケースを改めて検証する必要がある。
要点
DeepSeek V4.1 Flash は、単なる新たな高速アップデートではない。今回の発表には、新しい非対称アーキテクチャ、入力時と生成時で異なる MoE アクティベーション、KV キャッシュの大幅な圧縮、競争力の高い API 料金、そして V4 Pro からの実際のトラフィック移行が含まれている。
専門家にとって、その影響は明確だ。
- KV キャッシュの縮小により、長いコンテキストを扱うエージェントのコストを大幅に改善できる可能性がある。
- すでに相応のインフラを保有する事業者にとって、AI のセルフホスティングがより現実的になる。
- V4 Pro から Flash へのリダイレクトにより、アプリケーションの検証フェーズが必要になる。
- V4 Pro を上回るとされる性能だけでは、すべてのエージェント系ベンチマークで優位に立つことを証明するには不十分だ。
- 特に @Greg_GL_87 が指摘したバージョン3.0と4.0の結果の乖離を踏まえると、Terminal-Bench は引き続き注意すべき点となる。
したがって、このスレッドにはいくつかの疑問が残されている。「複数当事者によるテスト」という主張はどのようなプロトコルに基づいているのか、Terminal-Bench のバージョンによって結果が異なるのはなぜか、V4.1 Pro はどのような独自の役割を担うのか、そしてどのようなハードウェア構成であればセルフホスティングが実際に現実的になるのか。
最も妥当な結論は、同時に最も有用な結論でもある。V4.1 Flash は効率性とデプロイメントの面で大きな進歩を遂げたように見えるが、Flash モデルがフロンティアモデル特有のトレードオフを解消したことは、まだ証明されていない。