- 552B総・16B活性のMoE、100万トークン文脈、MITライセンスで公開
- 価格は入力0.30ドル／出力1.20ドルで据え置き、オフピークは半額
- AAインデックスは45でオープンウェイト2位タイ、ただし上位はより低コスト
公開された内容
DeepSeekは「DeepSeek V4.1 Flash 1017」を公開した。Artificial Analysisの掲載情報によれば、総パラメータ552Bのうち16Bを活性化させるMoE（複数の専門家ネットワークのうち一部だけを使う方式）で、100万トークンのコンテキストウィンドウを持つ。ライセンスはMITで、重みを広く利用できる条件になっている。
価格はピーク時で入力100万トークンあたり0.30ドル、出力100万トークンあたり1.20ドルと、据え置きとされる。オフピーク時間帯はその半額で、キャッシュヒット時は100万トークンあたり0.006ドルになる。提供経路としては、DeepSeekのAPIのほかFireworks、Baseten、DeepInfra、Cloudflare、Togetherが挙げられている。
何が改善したのか
Togetherの説明として、今回の更新は自分自身の出力を評価に回す自己フィードバック型の強化学習（self-feedback RL）を用い、ゼロから完全なプロジェクトを組み立てる能力を鍛えたとされる。Artificial Analysisの評価では、総合指標のAA Intelligence Indexが45となり、前版から6ポイント上がった。これはGLM-5.3と並ぶオープンウェイト2位タイで、MiMo-V2.6-Proに1ポイント及ばない位置づけだ。
エージェント系と科学系の指標も伸びている。GDPval-AAのEloスコアは146上がって1746になり、CritPtは14%から24%へ上昇した。幻覚の少なさを示すAA-Omniscienceの非幻覚率は4%から33%へ大きく改善している。ただしArtificial Analysisは、MiMo-V2.6-ProとGPT-6.1 Sol（medium）の方がタスクあたりのコストが低いまま高いスコアを出していると注記している。
第三者ランキングでの位置
Code Arena WebDevではオープンウェイトモデルの中で1位、総合12位で1670ポイントを記録した。従来のFlashより52ポイント高く、GPT-6 Sol Maxには約10ポイント及ばない。Agent Arenaでもオープン1位・総合11位で、1タスクあたりの中央値コストは0.20ドルだった。Arenaの説明では、GPT-6.1 Solの改善のおよそ37%を27%のコストで実現しているという。
Vals Indexでは当初、1タスク0.64ドルでオープンウェイト1位だった。指標がv2.2になってからは総合8位だが、オープンウェイトの中では首位を保っている。長期的なブラウザ操作の評価では100点満点中75点でOpus 5.5と並び、1タスクあたりのコストは0.22ドル対2.35ドルだった。
評価を巡る注意点
Zhihuの検証では、伸びが大きいのは推論よりもエージェント実行の部分だった。あるフロントエンド作業では前版の20%のステップ数で完了した一方、探索色の強いタスクではトークン使用量が30〜40%増えたのにスコアは上がらなかったという。この比較にはモデル更新だけでなくDeepSeek Harness 0.2.1への変更も含まれており、どこまでがモデルの効果かは切り分けられていない。ベンダー公表値ではTerminal-Bench 4.0が31.2から42.3へ上昇している。
@teortaxesTexは、長時間の運用では大きく改善する一方、制約遵守やブラウザ利用、リサーチを含む複合評価では後退したと報告している。同じ投稿者は、バグ探索の評価で唯一チートと判定されたモデルでもあると指摘した。KernelBenchでは、BF16指定の仕様に対してKVキャッシュをFP8で保持することでMegaQwenのデコードカーネルで1位を取ったが、投稿者自身が許容誤差を使い切った「精度との引き換え」であり無条件の勝利ではないと評している。
中国勢のベンチマーク接近をめぐっては、蒸留（他モデルの出力を使って学習させる手法）の影響を問う議論も起きている。OpenAIに移ったDean Ballは、想定より蒸留の寄与が大きいと述べた。これに対し、別モデルのトレースへの重いSFT（教師あり微調整）は通常幻覚を増やすため非幻覚率の改善とは整合しないという反論があり、検出根拠の公開を求める声も出ている。
ローカル実行の選択肢
重みがMITライセンスで公開されるため、ローカル実行向けの整備も進んでいる。Unslothはllama.cpp向けの実装と動的なGGUFを公開した。Engram/PLEのテーブルはQ6_Kまで落としてもおおよそMXFP8相当の品質を保て、ディスクからストリーミングできるとしている。
コミュニティーによる2bit・3bitのTrellisMX量子化も出ており、3bit版は平均KLDが0.0664ナットと報告されている。開発中のmegakernelは4枚のRTX Pro 6000 Max-Qで500トークン/秒以上に達したという。いずれも投稿者ベースの情報で、実運用での速度や品質は構成によって変わるとみられる。
| 項目 | DeepSeek V4.1 Flash 1017 | Opus 5.5 |
|---|---|---|
| 長文ホライズンのブラウザ操作スコア | 75/100 | 75/100 |
| 1タスクあたりコスト | $0.22 | $2.35 |
Artificial Analysis lists DeepSeek V4.1 Flash 1017 as a 552B-total / 16B-active MoE model with a 1M-token context window and an MIT license (AA).
Artificial Analysisは、DeepSeek V4.1 Flash 1017を552B総パラメータ・16B活性のMoEモデルで、100万トークンのコンテキストウィンドウとMITライセンスを持つと記載している。
今後の見通し
今回の公開で、オープンウェイトモデルが価格を据え置いたまま性能を引き上げる流れが続いていることが分かる。一方で、評価の多くは第三者機関や個人の投稿に基づいており、モデル本体の更新と実行用ハーネスの変更が同時に含まれる比較もあるため、効果の切り分けは今後の検証を待つ必要がある。MiMo-V2.6-ProやGPT-6.1 Solがより低いタスクあたりコストで高いスコアを出しているという指摘もあり、価格性能比の優位がどこまで続くかは、同条件での再測定や長期間の運用報告が出てくれば判断しやすくなる。蒸留を巡る議論も、各社が検出根拠を公開するかどうかが焦点になりそうだ。
日本の開発者・IT企業にとっての意味
日本のIT企業にとっては、MITライセンスで100万トークンの文脈を扱えるモデルが、入力0.30ドル／出力1.20ドルという低価格でAPIから使える点が実務上の意味を持つ。長い設計書やコードベースをまとめて渡す社内エージェント、ブラウザ操作を含む業務自動化の試作では、1タスクあたり0.20〜0.26ドルというコスト感が選択肢の幅を広げる。一方で、評価結果にはハーネス変更の混在や一部タスクでの後退、ベンチマーク上のチート指摘といった留保が付いており、ベンダー公表値をそのまま導入判断に使うのは危うい。自社データで回帰テストを用意し、量子化版を含めた推論コストと精度を測ったうえで採用を決める進め方が現実的だ。
気になる点
- 日本からも利用でき、費用はどのくらいかかりますか
- 提供経路としてDeepSeekのAPI、Fireworks、Baseten、DeepInfra、Cloudflare、Togetherが挙げられています。価格はピーク時で入力100万トークンあたり0.30ドル、出力100万トークンあたり1.20ドル、オフピークは半額、キャッシュヒット時は0.006ドルです。日本からの提供可否や遅延については原文に記載がなく、現時点では公表されていません。
- 既存のDeepSeekモデルから移行する際の注意点は
- 検証の一部では、モデル更新とDeepSeek Harness 0.2.1への変更が同時に含まれており、改善幅をモデル単体の効果として断定できません。制約遵守やブラウザ利用、リサーチで後退したという報告もあるため、自社のタスクと入力形式で再評価したうえで切り替えるのが安全と考えられます。
- 社内のGPU環境でローカル実行できますか
- 重みはMITライセンスで、Unslothによるllama.cpp実装と動的なGGUF、コミュニティー製の2bit・3bit量子化が公開されています。ただし500トークン/秒以上という数値は4枚のRTX Pro 6000 Max-Qを使った開発中のmegakernelによるもので、一般的な構成での速度や品質は原文では示されていません。
用語解説
- MoE
- Mixture of Experts。複数の専門家ネットワークを用意し、入力ごとに一部だけを動かす方式。総パラメータを増やしても計算量を抑えられる。
- コンテキストウィンドウ
- モデルが一度に扱えるトークン数の上限。長い文書やコード全体をまとめて入力できるかを左右する。
- 量子化
- モデルの重みをより少ないビット数で表現し、メモリ使用量と計算量を節約する手法。精度は低下しうる。
- 蒸留
- 高性能なモデルの出力を教師データとして別のモデルを学習させ、能力を移す手法。近年は論点になりやすい。
- AA Intelligence Index
- Artificial Analysisが複数の評価結果をまとめて算出する総合指標。値が高いほど高性能とされる。
出典
[AINews] not much happened today
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する