DeepSeek、効率特化モデル DeepSeek-V4.1-Flash を公開──552B MoE で KV キャッシュを 1/4 に圧縮
552B と大型化しながら KV キャッシュ量を 890 バイト/トークンへ削減し、長文脈エージェントの運用コストを大幅に引き下げた。
リリース: 2026-09-14 · 読了 3 分記事の要約
1. 核心（What）
- DeepSeek-V4.1-Flash は総パラメータ数 552B の Mixture-of-Experts (MoE) モデルで、入力時に 8B、出力時に 16B のパラメータをアクティブ化する。
- グローバル KV キャッシュは V4-Flash の 3,514 バイトから 890 バイト/トークンに削減され、100 万トークン窓で約 890MB に縮小した。
- Artificial Analysis Intelligence Index の最高推論時スコアは 40 を記録し、Gemini 3.8 Flash High の 41 に迫りつつタスクコストを約 1/4 に抑えた。
- API 料金は入力 100 万トークンあたり $0.30、出力 100 万トークンあたり $1.20、キャッシュヒット時 100 万トークンあたり $0.006 に設定されている。
2. 影響（Why）
- 長文脈エージェントのインフラコスト削減: 100 万トークンの KV キャッシュを 1GB 未満に抑えられるため、社内データやツール結果を大量に保持する自律型エージェントの運用コストを劇的に下げられる。
- 国内 SaaS のコスト構造へのインパクト: 国内のカスタマーサポートやドキュメント解析 SaaS（中規模テック企業）は、大規模コンテキストを扱うチャット・検索基盤の単価を据え置いたまま利益率を改善できる。
3. 根拠・詳細（How）
- MoE と 40 層 Transformer バックボーン: 1 つの共有エキスパートと 384 のルーテッドエキスパート（各トークンあたり 6 個が発火）を組み合わせた 40 層構造（20 層の因果エンコーダと 20 層のデコーダ）を採用している。
- 永続 KV キャッシュとローカル状態の分離: ローカルのスイーピングウィンドウ状態を SSD に保持する必要をなくすことで、永続 KV キャッシュのストレージ要件を V4-Flash 比で約 1/8 に圧縮した。
4. 展望・課題（Next）
- 実運用のベンチマーク検証: 複雑なマルチステップタスクや長文脈 RAG における実用スループットとレイテンシの検証が今後の焦点となる。