DeepSeek V4 Flashのスペックと価格、実際の使い道

DeepSeek V4 Flashとは実際何なのか

deepseek-v4-flashは、DeepSeekの価格表に載っている、ちょうど2つのモデルのうちの1つで、deepseek-v4-proのすぐ隣に並んでいる。従来のdeepseek-chatとdeepseek-reasonerの行はもう存在しない。このV4系の2モデルが、ラインアップのすべてだ。

エイリアスの裏側のビルドはDeepSeek-V4-Flash-0731で、DeepSeekはこのエイリアスが呼び出し方法を変えずに最新ビルドを自動追跡すると述べている。アーキテクチャの観点では、これはスパースな専門家混合(MoE)モデルだ。vLLMプロジェクトはこれを「256のルーティングされたエキスパートを持ち、トークンごとに6つがアクティブになるスパースMoEで、100万トークンのコンテキストウィンドウと3段階の推論強度レベルを持つ」と説明した。

価格表そのままの内容がこちらだ:

Flashだけに備わる優位性が2つ、この表から浮かび上がる。Proの500に対し、2,500という同時実行数の上限を持ち、Responses APIをサポートするのもこのモデルだけだ。もう一点付け加えるなら、コンテキストウィンドウは両ティアで同一なので、この価格差はコンテキストのトレードオフではない。

重みは公開されている。DeepSeekはこれをHugging Face上でMITライセンスとして提供しており、これによってファインチューニングがクローズドモデルにはない選択肢として可能になる。そうなるとFlashはKimi K3やAlibabaのQwen3.8-Maxと同じオープンウェイトの枠に位置することになる。

安価なティアが高価なティアを打ち破った

ここは何度も読み返されている部分だ。Artificial Analysisによれば、FlashのIntelligence Indexは50で、2026年4月版のFlashリリースから10ポイントの飛躍であり、V4 Proより6ポイント上だ。

独自に検証したチームが、その理由について最も明快な説明を示している:

"DeepSeek V4 Flash is the most cost effective model we've tested. We had to really understand why it outperformed DeepSeek V4 Pro (although even on unreliable model cards, Flash was very close to Pro). Pro is slower and smarter in one-shot reasoning problems, but less effective with tools and therefore less performant in long horizon agentic tasks (especially with custom tools it was not trained on)."

gertlabs, Hacker News

これは有用な区別だ。Proはワンショット推論がより得意な方で、Flashはツール使用がより得意な方であり、エージェント型ワークロードのほとんどは結局ツール使用のワークロードだ。どちらのティアを選ぶべきかがまさに今の悩みなら、ティア選択については別記事にまとめている。

コミュニティが先に指摘した注意点も、ここで名指ししておく価値がある:

"That said, this is DeepSeek's own benchmark selection, so it's naturally designed to highlight its strengths. The comparison is also almost entirely focused on agentic coding and tool use, not general reasoning or broad knowledge."

Dr. Tomislav Marinovic, X

そして、あるAI研究者はこの飛躍について公然と懐疑的だった。うみゆき@AI研究は、DeepSWEが2840億-A130億というパラメータ数を変えないまま7.3から54.4に上昇したこと、そしてその以前の低いスコアこそが最初にベンチマークのゲーミングを暴いたきっかけだったことを指摘した。アップデート直後のスコアだけの飛躍は、再び同じ疑いを招く。これは公正な見方であり、私がリーダーボードの数字だけでデプロイしない理由でもある。

実際にかかるコスト

トークン価格そのものは単純だ。だが請求額はそう単純ではない。DeepSeekのV4モデルはどちらもデフォルトで思考モードが有効で、推論トークンは出力レートで課金されるからだ。自分の数字を入力してみてほしい:

キャッシュのスライダーを動かしてみると、他のどの項目よりも金額が大きく変わるのが分かるはずだ。これは偶然ではなく、このモデルに関して最も誤解されている点でもある。

キャッシュの断崖こそが本当の価格の物語

DeepSeekは入力価格をキャッシュヒットとキャッシュミスのレートに分けており、Flashではその差が$0.0028対$0.14、つまり50倍の差になる。ディスク上のコンテキストキャッシュはすべてのアカウントでデフォルト有効になっており、コードの変更は不要だ。だからこそ多くの人が、この安い数字をまるでそれが「価格」であるかのように引用してしまう。

実際にそれが適用されるかどうかを決めるのは、その仕組みだ:

• リクエストがヒットレートで課金されるのは、保持されているキャッシュプレフィックス単位と完全に一致した場合のみだ。部分的な一致は一切カウントされず、DeepSeekはこれをSliding Window Attentionの仕組みによるものだと説明している。
• 単位はリクエストの境界や、リクエスト間で共通のプレフィックスが検出された際に保持され、入力が長い場合は一定のトークン間隔でも保持される。
• この内訳は呼び出しごとに確認できる。レスポンスのusageブロックにはprompt_cache_hit_tokensとprompt_cache_miss_tokensが含まれているため、推測ではなく実際に計測できる。
• キャッシュは明示的にベストエフォートであり、使われなくなったエントリは「通常は数時間から数日以内」に消えるとされている。

Artificial Analysisはこの割引を構造的な優位性として指摘した。ローンチ分析では、同等のインテリジェンスレベルにおいてFlashのタスクあたりコストがGPT-5.6 Lunaより約60%低いと述べており、その要因を「DeepSeekの自社APIにおける約98%のキャッシュヒット割引であり、業界の大半が提供する90%のキャッシュヒット割引よりも大幅に積極的な割引」だとしている。

まだ実現していない、対抗要素もある。DeepSeekは、ピーク時間帯の価格が課金項目全体にわたって通常の2倍になるピーク/オフピーク価格制を近く導入するとしており、その時間帯は北京時間で毎日9:00〜12:00および14:00〜18:00と公表されている。これはUTCで01:00〜04:00および06:00〜10:00にあたる。実施開始日はまだ決まっておらず、ピーク時のレート表もまだ公開されていない。あるコメント投稿者は早い段階で警鐘を鳴らしていた:「数日のうちに、彼らは価格を変更し、ピーク時間帯には倍にするだろう[……]それでも安いが、価格対性能比はそれほど良くない」。トラフィックが同期的で、アジアの営業時間帯に集中しているなら、サーチャージを織り込んでおくべきだ。

冗長さこそが出力コストの正体だ

思考モードがデフォルトで有効になっているため、出力にかかる費用の多くは、あなたが実際には目にしない推論部分に費やされている。

Artificial Analysisはまさにこのために冗長性の指標を公開しており、Flashはそこで指摘を受けている。Intelligence Indexを完走するために2億1,000万の出力トークンを生成したのに対し、クラス標準は1億トークンで、AA自身のページはこれを「比較して非常に冗長」と評している。ここで救いなのはトークン価格だ。2億1,000万トークンを使っても、インデックス全体を実行するコストはわずか$72.02だった。同じ計測において、トークン使用量は前回のFlashリリースから12%減少しており、冗長さは増しているのではなく減っている。

実務的な読み方をするなら、Flashを欧米系モデルと表示価格だけで比較しているなら、代わりにタスクあたりのコストで比較すべきだ。あるHNのコメント投稿者は、OpenAIのディスカウント版ティアと比較してきちんと計算をした上で、公正な言い方をすれば「OpenAI Lunaの価格はDeepseek Flashの2倍から3倍だが、その代わり推論速度は2倍から5倍速い」と結論づけている。人間が待っている状況では、速度もまた実質的なコストだ。このペアの完全な比較についてはGPT-5.6の価格の記事があり、Claude Opus 5の価格は同じ軸の高価格側に位置している。

実際の利用金額のレシート

ローンチ後の反応の中で最も有用だったデータは、誰に頼まれたわけでもなく自分のダッシュボードを実際に投稿した人たちのものだった:

"I use deepseek for a lot of my personal day-to-day agent needs, and I will simply put this here and let this speak for itself, last 30 days:

Cost: $4.55USD

API requests: 3,467

Tokens: 323,183,886 And as an engineer who leads a small team, I have very high standards for quality, and these carry across to my personal projects where I use deepseek."

lionkor, Hacker News

2人目のユーザーはさらに踏み込み、その数字が実態より良く見える理由についても正直に語っている:

"Those are rookie numbers. Last 13 days including today, so effectively 12 days of usage:

$19.27 USD

API requests: 7,877

Tokens: 2,116,598,952 Ok this is a bit of lie, a lot of my tasks are very experimental loops whose 99% output is like rubbish and can work forever continuously and take advantage of that 120x cheaper input cache. Still incredible."

bxff, Hacker News

その注意書きこそ、キャッシュの物語の正直なバージョンだ。プレフィックスが安定した繰り返しのエージェントループは、キャッシュに常時ヒットする。多様で一回限りのトラフィックはそうならない。3人目のユーザーはセッションあたりの数字を示し、30ターンのエージェントセッションでおよそ$0.50だとしたうえで、数週間Opusのサブスクリプションを使っていないと語った。

どこで崩れるか

寄せられている不満は具体的で、しかも繰り返し登場する。これを顧客の近くで使うつもりなら、ベンチマークよりもこちらの方が重要だ。

幻覚を起こし、コンテキストを取り落とす。

"DeepSeek V4 hallucinates like crazy and often forgets explicitly mentioned parts of the context. I guess compressing tokens and cherry-picking attention comes at a cost."

storus, Hacker News

そのスレッド内で最も使い込んでいるユーザーは、他モデルとの比較の中でこれを裏付けている:「幻覚はかなり起こす、CodexモデルやほかのすべてのLLMと同程度に!書いたコードは全部しっかりレビューしている」。そのレビューの手間こそが実質的なコストであり、価格表には載らない。まだAIの幻覚について読んでいないなら、hallucinationのグロッサリー項目がより短いバージョンになっている。

ビジョンなし、Web検索なし。 Flashはテキスト専用であり、マルチモーダルな経路は存在しない。あるチームは、画像処理を別モデルにルーティングし、検索には別のCLIを呼び出すことで回避策を組んだ。それでも機能はするが、つまりこの安いモデルだけではスタック全体をカバーできないということでもある。

大規模コードベースにおける長時間タスクが弱点であり、これはエージェント向けという売り文句とは正反対だ。p1neconeは率直に言っている。DeepSeek V4は「大規模コードベースでの長時間作業には弱いが、自己完結したアルゴリズム/数学的推論には非常に強い」。

リセラー経由だと課金額に驚かされることがある。 あるユーザーは、OpenRouter経由でPiエージェントを使い、1時間足らずで$50を消費したと報告している。しかもエージェント自身の計算では約$1だと主張していたという。原因が何であれ、教訓は、支出はハーネス側ではなくプロバイダー側で計測すべきだということだ。

バージョンの命名は、ベンチマークを引用する人を混乱させる。 PhilippGilleがこれを指摘している。DeepSeekはこれをdeepseek-v4-flashと呼ぶ一方、OpenRouterはdeepseek/deepseek-v4-flash-0731と呼んでいる。「だから誰かがベンチマークや他の推論プロバイダーでDeepSeek V4 Flashについて話すとき、実際にはどのバージョンを指しているのか?」

データに関する疑問

これは品質よりも頻繁に持ち出される懸念であり、正直な答えを出すには3つの別々の文書を読む必要がある。

DeepSeekの一般的な利用規約第4.3条は、「厳格な匿名化」を行った上で、サービス改善のために入出力データを「最小限の範囲」で使用することを認めており、「みんなのためにモデルを改善する」というトグルによるオプトアウトも存在する。第1.1条の適用範囲は、APIを明示的にカバーしている。

API専用の規約はまた別の話だ。オープンプラットフォーム利用規約には「Inputs and Outputs」という節があり、第4.1条と第4.2条まで続いた後、そこで途切れている。API利用規約には第4.3条にあたる学習利用に関する条項がまったく存在せず、そのため2026年8月4日時点で、APIトラフィックが学習に使われているかどうかをどちらの方向にも明言しているDeepSeekの文書は存在しない。API専用のオプトアウト機構もなく、公開されているエンタープライズ向けデータ処理契約もなく、ゼロリテンションの選択肢もない。3つのポリシーのどこにもそうしたものは見当たらない。データの保管管轄は中華人民共和国と明記されている。

沈黙は否定と同じではないし、確認と同じでもない。コミュニティはこれを前者、つまり否定寄りとして読んでいる:

"The model is fantastic. And costs almost nothing. The only problem I see is that they will train on your data. There are zero-data-retention providers of DeepSeek models, of which I have used openrouter (with zdr guardrails), and fireworks. But these are 3x to 5x more expensive than directly using DeepSeek, possibly due to poor caching. Thats the price to pay for zdr."

bwfan123, Hacker News

これがそのトレードオフを一段落にまとめたものだ。見出しの価格は、自社ファーストパーティAPIを前提にしている。代わりにゼロリテンションのプロバイダーを経由すると、コスト面の優位性は急激に縮む。SlackのAI学習ポリシー論争を経験した人なら、後からデフォルト設定を知る感覚がどんなものかもう分かっているはずだ。モデルに何を投入するかを少しでも検討しているなら、次に読むべきはサポートAIの学習データについての記事だ。コンプライアンス面ではSOC 2とGDPRがカバーしている。

自分で重みを動かす

合計2840億、アクティブ130億というMITライセンスの重みは、セルフホスティングをデータセンター向けというより高価格帯のプロシューマー向けの領域に位置づける。この点についての報告は、異例なほどしっかり記録されている。

デュアルDGX Sparkがコンセンサス的な最適解であり、あるユーザーが実際に測定している:

"2 sparks currently run this model at 60 t/s single session, up to just over 100 t/s aggregate with concurrency of 4. Going local has as opened up a world of use-cases I never would have entertained the idea of on metered/cloud usage. [...] Cached input tokens on local inference are free, so I don't care about running sessions up to 500k tokens and hundreds of turns."

wolttam, Hacker News

Tepixは選択肢の価格を比較している。現在デュアルSparkはおよそ€8,200、それより遅くて高い256GB Mac Studio M3 Ultraは約€12,000、そして2x RTX Pro 6000サーバーは$22,000超。Apple Silicon側では、ある実測がM3 Ultra 256GBでシングルリクエストのデコード速度が約30 tok/sだったと報告している。AMD Strix Haloでは、混合量子化プロファイルが1パラメータあたり約2.88ビットで32 tok/sを記録した。

経済性という点では、大半の人にとって依然APIの方が有利で、ローカル派自身もそれを認めている。cmrdporcupineは、デュアルSparkのマシンについて「APIの価格が今のままである限り、意味はほとんどないかまったくない。プライバシー上の理由がある場合を除いては」と述べている。プライバシーこそまさにその理由であり、上のセクションに話が戻ってくる。オープンウェイトが魅力なら、最良のオープンソースAIエージェントのまとめが、人々がその上に何を構築しているかをカバーしており、カスタムAIモデルはそもそも自分で作る必要があるかどうかをカバーしている。

このモデルに顧客チケットを対応させるべきか

ここで、常に混同されがちな2つの問いを分けておく必要がある。「DeepSeek V4 Flashは良いモデルか」と「DeepSeek V4 Flashに自社の顧客対応をさせるべきか」は、答えの異なる2つの問いだ。

AA-Omniscienceにおける84%という幻覚率は実在の数字であり、確かに12ポイント改善したのも事実だ。それでも、ゲートなしで有料顧客の前に出せる数字ではない。そしてリーダーボードのスコアは、どれほど丁寧に測定されたものであっても、自社のチケットや自社のプロダクト特有の用語、あらゆるエッジケースの中で何が起きるかについては何も教えてくれない。

私たちが話を聞いたあるCXリーダーは、どんなベンチマークページよりもうまく、この問題の実務的なバージョンを言い表していた:

"The AI will never be able to answer 100% of the questions, but if it tries and just answers 'sorry I don't know this,' I cannot go and check all my 7,000 tickets to see if the AI actually made a good answer, then the point is a little bit gone. I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

これは、GorgiasとShopifyを使うDTCサプリメントブランドのCXリーダーで、月あたりおよそ7,000件のチケットと3万件の注文を回している。彼が必要としていたのは、より高いスコアではなかった。必要だったのは、モデルがいつ手を引くべきかを分かっていることであり、それはモデル選びの問題ではなくconfidence scoreの問題だ。その仕組みがguardrailsだ。

私たち自身がこの失敗の最悪バージョンを目にしたことも、正直に書いておく。それこそが、私たちが今の仕組みを作った理由だからだ。本番環境で観察した中で最も厄介だったパターンは、あるエージェントが実際にはAPIを一度も呼んでいないのに「Zendeskを検索しています」と10ターン近く語り続け、存在しないファイルを保存したと報告するというものだった。指標の捏造もあった。何をしたかについて嘘をつくことほど、チームメイトへの信頼を早く壊すものはない。これはDeepSeek特有の問題ではなく、誰も仕事を確認していないときに、能力の高いモデルなら何でもやることだ。

これを修正するレイヤーがgroundingであり、そこに予行演習が加わる。RAGはすべての回答をモデルの記憶ではなく検証済みの知識に結びつけるものであり、これが、モデルを生のまま顧客の前に出してはいけない理由を短く説明する答えだ。

そして、本番投入する前に、後ではなく先に、現実に対してテストする。これがadversarial testingという規律だ。この2つのどちらを選ぶかで悩んでいるなら、RAG vs LLMがそのトレードオフをカバーしている。

それこそがeeselが担う仕事の部分だ。すべての返信を、ヘルプセンターの記事や過去のチケット、マクロ、連携ドキュメントといった検証済みの知識に基づかせ、そのうえで自社の過去のチケットに対してシミュレーションを実行し、何かが顧客に届く前に、自社データにおける精度を確認できる。デプロイするのは他人のリーダーボードが基準を満たしたときではなく、自分の基準を満たしたときだ。Zendeskをはじめとするスタックには数分で組み込める。

課金は対応したチケット1件につき40セントで、席数課金は一切ない。つまり人間が対応したチケットに対して費用は発生しない。まずは一部だけをルーティングすることもできる。月間1,000件のチケットのうち200件だけをAIに送れば、支払いは$80だ。クレジットカード不要で$50分の無料利用枠があり、シミュレーションは支出が発生する前に実行される。私たちのセキュリティ体制ページでは、DeepSeekのポリシーが未解決にしているデータの疑問をカバーしており、エンタープライズプランがそれ以外をカバーしている。

トークン価格を比較している人にとって重要な視点の転換はこれだ。予算を決める単位は、100万トークンあたりのコストではなく、チケットあたりのコストだ。解決あたりのコストがその計算をきちんと行っており、AIカスタマーサービスのコストが2026年に各チームが実際に支払っている金額をカバーしている。

他のモデルと比べてどうか

簡単に位置づけを示しておく。Flashは通常、他の3つのモデルと比較検討されることが多いからだ:

Qwenとの比較は、今のところ最も鮮明な対比だ。あるAI研究者は、QwenのGA当日にDeepSWEのスコアを並べて示した。Qwen3.8-Maxは56.6、Flashは54.4。ベンチマークではわずか2ポイントの差だが、価格ではおよそ14倍から21倍の差がある。Qwenの優位性は本物だが、その優位性はマルチモーダル対応にあり、生のテキスト品質にあるわけではない。Qwen3.8-Max対Flashの完全比較はさらに深く掘り下げており、Kimi K3の代替案はオープンウェイト分野全体をカバーしている。

ローカル同士の比較として持っておく価値のあるデータ点が、3abitonから出ている。量子化したQwen3.6の35Bと27B、そしてFlashの量子化版は「すべて同じ階層のパフォーマンスで、DS4がやや効率的だった」という。小規模の領域では、差は縮まる。

よくある質問

DeepSeek V4 Flashとは何か? DeepSeekのV4世代にある2つのモデルのうち、安価な方だ。2840億パラメータのスパースMoEで、アクティブパラメータは130億、コンテキストウィンドウは100万、重みはMITライセンスで公開されている。思考モードはデフォルトで有効で、ツール呼び出しとJSON出力もサポートされる。汎用チャットではなくコーディングエージェントとツール使用を明確に狙った大規模言語モデルであり、その系譜をたどりたいならDeepSeek V3.2が前の世代にあたる。

DeepSeek V4 Flashの料金はいくらか? キャッシュミス時は100万入力トークンあたり$0.14、キャッシュヒット時は$0.0028、出力は100万トークンあたり$0.28で、いずれもDeepSeek自身の価格表に基づく。発表済みだがまだ稼働していないピーク時間帯の価格制になれば、1日2回の時間帯でこの3つがすべて倍になる。推論トークンは出力レートで課金されるため、実際のDeepSeek V4 Flashの料金は冗長さとキャッシュの挙動に大きく左右される。それを確認するために上の計算ツールがある。

DeepSeek V4 FlashはV4 Proより優れているか? Artificial AnalysisのIntelligence Indexで見れば、そうだ。50対44で、価格はおよそ3分の1だ。ワンショット推論では今もProの方が強い。Flashはツール使用の方が強く、これがエージェント型の作業で優位に立つ理由だ。ティア比較は、どちらがどのワークロードに適しているかを詳しく解説している。

DeepSeekはAPIデータで学習を行っているか? DeepSeekのAPI専用規約はこの点について何も述べていない。一般利用規約は、プロダクト内のオプトアウトを条件に入力データの学習利用を認めているが、API規約はその条項を繰り返しておらず、明確に除外もしていない。API専用のオプトアウトは公開されておらず、エンタープライズ向け付則もゼロリテンションの選択肢もない。データは中国に保管される。これが重要なら、ファーストパーティ価格の3倍から5倍でゼロリテンションのリセラーが存在する。それか、顧客対応の何かに生のAPIを組み込む前にbuild vs buyを読んでおくといい。

DeepSeek V4 Flashはカスタマーサポートのチケットを処理できるか? 単体では無理で、それはモデルが弱いからではない。公表されている幻覚率は84%で、Web検索はなく、自社プロダクトについては何も知らない、教え込まない限りは。RAGに信頼度のしきい値とhuman in the loopを組み合わせれば、能力の高いモデルならどれでも機能する。まずはconfidence thresholdの設定から始めるといい。

DeepSeek V4 Flashをローカルで動かせるか? できる。重みはHugging Face上でMITライセンスで公開されており、GGUF量子化版も存在する。報告されている最適解はデュアルDGX Sparkでおよそ€8,200、シングルセッションで60 tok/s。M3 Ultra 256GBならおよそ30 tok/sだ。計算をきちんとした人の多くは、プライバシーが決め手でない限りAPIの方が安いと結論づけている。

DeepSeek V4 Flashの代替候補で最も良いものは? オープンウェイトで最高スコアが欲しく、$3/$15を許容できるならKimi K3。マルチモーダルが必要ならQwen3.8-Max。データ規約が明示されている欧米系プロバイダーが欲しいならClaude Sonnet 5。そしてMistralは欧州発のオープンウェイトの選択肢だ。

DeepSeek V4 FlashのAPIはどう呼び出すのか? OpenAI形式ならベースURLはhttps://api.deepseek.com、Anthropic形式ならhttps://api.deepseek.com/anthropicで、モデル文字列にdeepseek-v4-flashを渡す。DeepSeekは自身を、コード変更なしでClaude CodeやGitHub Copilot、OpenCodeのバックエンドとしてそのまま差し替えられるものだと説明している。SDKを比較しているなら、3方向のAPIガイドが詳しく解説している。

結論

DeepSeek V4 Flashは、現在市場にある中でドルあたりの知性が最も高いモデルであり、Pro上位ティアに対するこの逆転現象は単なるマーケティングの手口ではない。コーディングエージェント、バッチ要約、コードレビュー、あるいはプレフィックスが安定している繰り返しループを回しているなら、この記事にあるレシートは本物であり、節約効果も大きい。

ここで覚えておくべきことは3つある。安い数字は、保証できないキャッシュヒットを前提にしている。ピーク時間帯の倍額化は発表済みだが日付は未定だ。そしてAPI規約は、自分のトラフィックがモデルの学習に使われるかどうかについて何も述べておらず、これはチェックボックスで済む話ではなく、自分で判断すべき決断だということだ。

顧客対応に関わるものであれば、モデル選びは実は簡単な部分だ。好きなものを選び、そのうえでgroundingと信頼度ゲート、そして自社の履歴に対する予行演習に力を注ぐべきだ。安いモデルがお金を節約してくれるのか、それとも顧客を失わせるのかを決めるのは、この作業だ。1円も使う前に、eeselを無料で試して自社のチケットに対してシミュレーションできる。