DeepSeek、推論サーバー DeepSeek-V4-Flash を公開──Terminal-Bench 82.7 と低価格 API を実現
ポストトレーニング特化でアーキテクチャを変更せずに推論能力を大幅に向上させ、1M コンテキストと破格のキャッシュ割引を提供開始した。
リリース: 2026-08-01 · 読了 3 分記事の要約
1. 核心（What）
- DeepSeek-V4-Flash API の公式パブリックベータが公開され、Responses API フォーマットや Codex への完全適応を達成
- Terminal-Bench で 56.9（4月プレビュー）から 82.7 へ急上昇し、GDPval-AA v2 Elo が 1189 から 1559 へ向上
- API の価格設定は入力 $0.14 / 出力 $0.28 per 1M トークン、キャッシュヒット割引により $0.0028 を実現
- MIT ライセンスの下で Hugging Face に重みが公開され、UnslothAI 等によるローカル量子化版が即日利用可能に
2. 影響（Why）
- API コストの構造的圧縮: 1M トークンを安価に処理しつつ 98% のキャッシュ割引が効くため、大規模なプロンプトや長文脈 RAG を扱うアプリケーションの月額インフラ費用を劇的に引き下げられる。
- 国内開発者へのコスト効率化: [国内 AI アプリ開発] のような現場では、高価格な商用モデルへの完全依存から脱却し、タスクごとに DeepSeek-V4-Flash を経由させるマルチモデルルーティング設計が標準的な選択肢になる。
3. 根拠・詳細（How）
- モデル構成とパラメータ仕様: 284B total / 13B active の MoE アーキテクチャを踏襲しつつ、256 routed experts のうち 1 token 当たり 6 エキスパートが発火する設計で 1M コンテキストを処理。
- 推論サーバーと量子化の対応: vLLM などのサービング基盤において DSpark スペキュラティブ・デコーディング機能を単一フラグで有効化でき、UnslothAI 製の 3-bit / 4-bit 量子化版ウェイトにより 110GB〜168GB RAM 環境でローカル実行が可能。
4. 展望・課題（Next）
- V4-Pro 公式リリースへの動向: Flash API のみが先行してアップデートされた状態であり、今後予定される V4-Pro の正式リリースやマルチモーダル機能の拡張に向けたベンチマークの変化を注視する必要がある。