DeepSeek、推論特化モデル DeepSeek V4.1-Flash を公開──763B パラメータと因果 Encoder-Decoder 構造で KV キャッシュを 1/8 に削減
プレフィールとデコードを分離した 8B/16B アクティブパラメータ構造により、100万トークン長文脈での運用コストを劇的に圧縮した。
リリース: 2026-09-12 · 読了 4 分記事の要約
1. 核心（What）
- DeepSeek V4.1-Flash は 763B の総パラメータを持つ因果 Encoder-Decoder 構造の新オープンウェイトモデルである。
- 入力時のアクティブパラメータを 8B、出力時を 16B に絞ることで、スパース性を 1〜2% に高めている。
- Sliding-Window Attention Bounded Replay などの最適化により、KV キャッシュのフットプリントを V4 Flash 比で最大 1/8 に圧縮した。
- テキストおよび画像入力をネイティブでサポートし、Baseten や Ollama など主要な推論基盤ですでにデイゼロサポートが提供されている。
2. 影響（Why）
- 長文脈エージェントの経済合理性: 100万トークンを $0.30/1M という低価格で処理できるため、ループ回数の多い自律型エージェントの運用コストが劇的に低下する。
- 国内 SaaS のコスト構造への直撃: 国内でチャットボットや要約サービスを提供する中規模事業者は、推論コストの桁違いの安さに対抗するためバックエンドの刷新を迫られる。
3. 根拠・詳細（How）
- Prefill/Decode 分離型アーキテクチャ: 入力トークン処理に 8B、出力生成に 16B のアクティブパラメータを割り当てる因果 Encoder-Decoder 構造を採用し、計算リソースを最適化している。
- KV キャッシュ圧縮技術: Sliding-Window Attention Bounded Replay の導入により、ベンチマーク環境下で約 890 bytes/token という異例の低 KV キャッシュサイズを実現した。
4. 展望・課題（Next）
- オープンモデルの勢力図への影響: 中国系オープンモデルの動向において、Kimi や GLM に対する優位性を維持できるか、今後のエコシステムの追従が注目される。