AI AIインフラ

【DeepSeek V4 Flash 0731】「フロンティアに1点差」を分解する

6割安は本物です。ただ「1点差」のほうは、何と比べた1点差なのでしょうか。

mitsui

2026年8月6日／ 10分

おはようございます。
今日は「DeepSeek V4 Flash 0731」をリサーチしました。

TL;DR

2026年7月31日公開。実は新しいモデルではなく、4月の V4-Flash-Preview とアーキテクチャもサイズも同一で、変わったのは事後学習だけ。284B総 / 13Bアクティブの MoE、100万トークン文脈、MITライセンスです
Artificial Analysis の Intelligence Index で 50。「GPT-5.6 Luna に1点差」と報じられましたが、Luna は OpenAI の3層のうち最も安い最下位ティア。全体リーダーボードでは50は上位15位圏外・トップとは11点差です
一方で安さのほうは本物。同じ Index の走破に DeepSeek は $72.02、Luna は $190.87 で実測 62.3%安。ただし安全性評価は上位の V4-Pro を対象にしたものしかなく、Flash 0731 の第三者評価は見つかりません

概要｜DeepSeek V4 Flash 0731とは？

DeepSeek V4 Flash 0731 は、中国の DeepSeek が2026年7月31日に公開したオープンウェイトの大規模言語モデルです。名前どおりの日付リリースなのですが、公式ドキュメントの書きぶりが少し変わっています。

DeepSeek-V4-Flash-0731 keeps the same model architecture and size as DeepSeek-V4-Flash-Preview, and was only re-post-trained.

（アーキテクチャもサイズも4月の V4-Flash-Preview と同じで、事後学習をやり直しただけ）

つまり新しい基盤モデルではありません。事前学習（pre-training／大量のテキストを読ませる工程）はそのままで、事後学習（post-training／指示に沿わせたり推論を鍛えたりする仕上げの工程）だけを再実行したものです。API のモデル名も deepseek-v4-flash のまま。この「作り直したのは仕上げだけ」という事実は、記事の最後にもう一度効いてきます。

中身｜256人の専門家から、毎回6人だけ呼ぶ

パラメータは公式表記で 284B総 / 13Bアクティブ。MoE（Mixture of Experts／専門家混合）、つまり巨大なモデルの中に多数の「専門家」を持たせ、トークンごとに一部だけを起動する方式です。上位の V4-Pro は 1.6T総 / 49Bアクティブなので、Flash はおよそ1/6の規模になります。

公開されている config.json によれば、層は43、ルーティング先のエキスパートは256、1トークンあたりに選ばれるのは6つ、加えて常時起動の共有エキスパートが1つ。256人の専門家のうち毎回6人と司会1人だけが喋る、というイメージですね。

文脈長は 100万トークン。ネイティブの65,536トークンを YaRN（位置情報の表現を引き伸ばす手法）で16倍に拡張したもので、公式は「1M context is now the default across all official DeepSeek services」と全サービスの既定値にしたと述べています。

ライセンスはモデルカード原文で「This repository and the model weights are licensed under the MIT License.」。リポジトリと重みの両方が MIT です。R1（2025年1月）以来の一貫路線で、商用利用の制約という意味では最も緩い部類に入ります。

価格｜98%引きのキャッシュと、予告された「ピーク時2倍」

公式APIの価格は100万トークンあたり input $0.14（キャッシュミス）/ $0.0028（キャッシュヒット）/ output $0.28。V4-Pro が $0.435 / $0.003625 / $0.87 なので、Flash はおよそ1/3です。

目を引くのはキャッシュヒット時の $0.0028 で、定価のちょうど2%、つまり98%引き。業界標準はおよそ90%引きなので、ここだけ突出しています。長い仕様書を頭に置いて何十回も質問するような使い方では、効き方がまるで変わります。

ただし価格ページには注意書きが付いています。「During peak hours, prices will be 2x the regular prices, applicable to all billing items.」——北京時間の 9:00–12:00 と 14:00–18:00 は全課金項目が2倍という予告で、適用開始日は未発表。日本時間もほぼ同じ帯なので、表示価格をそのまま計画に入れるのは危ないところです。

スコア｜話題になった「1点差」の中身

そして話題になった数字が、Artificial Analysis（以下AA）の Intelligence Index 50 でした。AAは「4月の V4 Flash から10点ジャンプ」「V4-Pro より6点上」「GPT-5.6 Luna（51）に1点差」と書いています。

このIndexは9つの評価を加重平均した合成指標で、配分はエージェント34%（GDPval-AA v2 が20%、τ³-Banking が14%）、コーディング24%、科学的推論24%、一般18%。テキストのみ・英語のみが対象です。そしてこの1点差が、今日の主題になります。

変遷｜3週間で一周した2026年7月

創業背景｜AIラボになる前からGPUを買い込んでいた

DeepSeek の親会社は High-Flyer（幻方）というクオンツヘッジファンドで、2015年6月の創業。共同創業者の梁文鋒（Liang Wenfeng）は浙江大学出身です。DeepSeek 自体は2023年7月17日にAGI研究部門としてスピンアウトし、High-Flyer が筆頭出資者かつオーナーのまま今に至ります（このあたりは二次情報が中心です）。

重要なのは、AIラボとして生まれる前からGPUを買う財布があったことです。2019年から2022年にかけて、輸出規制が本格化する前に自己勘定の利益から1.39億ドル超を投じてスパコン「Fire-Flyer」を組み、Nvidia A100を1万基超確保したと報じられています（※一次ソース未取得）。

そして2024年12月のV3、2025年1月20日のR1（MITライセンス）。R1公開の1週間後、2025年1月27日に Nvidia 株は17%下落し、時価総額およそ5,930億ドルが消えました。当時としては史上最大の1日下落です。これが第1サイクルでした。

業界の循環｜7月9日から31日までの3週間

今回のリリースは、単体で見れば「小型モデルの事後学習アップデート」でしかありません。ですが7月に何が起きていたかを並べると、意味が変わります。

7/9 OpenAI が GPT-5.6 を一般公開。Sol / Terra / Luna の3層構成
7/16 Moonshot AI が Kimi K3 を API・アプリで公開
7/23–24 Anthropic が Claude Opus 5 を投入
7/26 Moonshot が Kimi K3 の重みを予定より1日早く公開。2.8T総パラメータ・1M文脈で、公称では最大のオープンウェイト。AA Intelligence Index 57で同カテゴリ首位
7/30 OpenAI が Luna を最大80%値下げ。input $1 → $0.20、output $6 → $1.20（Terra は −20%）
7/31 DeepSeek V4 Flash 0731

OpenAI 側の説明は「serving efficiency の改善」で、中国勢への言及はありません（※価格ページが403で一次確認できず、報道ベースです）。ただ、値下げの翌日に中国勢が1点差のスコアを出した、という並びは残ります。

そして値下げ後の Luna でも、まだ高い。AA が Intelligence Index を走破するのにかかった総額は Luna $190.87 に対して DeepSeek $72.02 でした。AAはこれを「Pareto frontier に乗った」と表現し、Simon Willison も「現時点では最良の value-per-intelligence モデルかもしれない」と書いています。

2025年1月のR1ショックが第1サイクルなら、これが第2サイクル。違うのは、今回は米国側が先に価格で動いていたことです。

オープンウェイトの潮流｜「禁止ではない」とAnthropicが書いた

このタイミングで目立ったのが、7月27日に Anthropic（Dario Amodei）が出したオープンウェイトについての立場表明です。

Anthropic has never advocated for a ban on open-weights models.
Open-weights models that don't have dangerous capabilities are a public good.

（危険な能力を持たないオープンウェイトモデルは公共財である）。懸念は2点——権威主義国家がより強力なモデルを持つこと、サイバー・生物攻撃への転用——に絞り、対策として①対中チップ輸出規制と密輸対策 ②「industrial-scale distillation operations（産業規模の蒸留）」の取り締まり ③十分に高性能なモデルへの義務的な安全性テスト、を挙げています。禁止ではなく条件付け、という整理ですね。

一方で、米国側のオープンウェイト供給は薄いままです。OpenAI の gpt-oss（120B / 20B、Apache 2.0）は2025年8月5日の公開で、2026年半ばでもこれが主要な配布物。Meta は Llama 4（2025年4月）が最新世代のままで Llama 5 は無く、代わりに出した Muse Spark はクローズドウェイトです（※Meta公式の確認は取れていません）。

Nathan Lambert は7月20日に、中国勢は蒸留による追随ではなく実力で並びつつあり、性能差は6〜9か月から3〜5か月に縮まったと書いています。

考察｜「1点差」は何と比べた1点差なのか

「フロンティアに1点差」は事実として間違っていません。ただ検証しようとすると、4つの注釈が付きます。

注釈1｜比較相手は、OpenAIの一番安いティア

GPT-5.6 は Sol / Terra / Luna の3層で、Luna は最も安く最も軽い最下位ティア。しかも7月30日の値下げで一段と安くなった直後でした。「51と1点差」は、フラッグシップに並んだ話ではありません。

注釈2｜全体リーダーボードでは、50は上位15位圏外

AAのリーダーボードの上には Claude Opus 5 (max) 61、Claude Fable 5 60、GPT-5.6 Sol (max) 59、Kimi K3 (max) 57……と並び、DeepSeek V4 Flash 0731 (max) の50はトップと11点差。オープンウェイトに限っても Kimi K3 が上です。モデルページの「#3 of 101 in its class」はクラスの定義が非公開なので、絶対順位としては読めません。

注釈3｜1点は、AA自身が示す誤差幅と同じオーダー

AAの方法論ページには「95% confidence interval of less than ±1%, based on experiments with over 10 repeats」——10回以上の反復にもとづき95%信頼区間は±1%未満と推定——とあります。指数ポイントか相対%かは原文から読み取れないため「誤差範囲だから同等」とは言えませんが、1点差はAA自身が示す不確実性と同じオーダーです。

注釈4｜そもそも指標が6月に作り直されている

Intelligence Index は2026年6月15日に v4.1 へ再構成されました。ベンチの差し替え（Terminal-Bench Hard→2.1、τ²-Telecom→τ³-Banking、GDPval-AA→v2）、IFBench の削除、加重の見直し。実際、4月のAA記事では V4 Flash (max) 47 だったものが、7月の記事では 40 です。改訂が原因とは断定できませんが、バージョンを跨いだ点数比較は成立しません。「10点ジャンプ」も v4.1 基準の話で、しかも伸びの多くは34%を占めるエージェント枠から来ています。その主役 GDPval-AA v2 の採点は人手ではなく、複数のフロンティアLLMによる審査員パネルです。

「ハルシネーション12ポイント改善」の絶対水準

AA-Omniscience Index は −16で7ポイント改善。AA自身が「正答が増えたのではなく誤答が減った結果」と書いています。ただし指標は −100〜+100 で0が「正答と誤答が同数」の位置。−16 は依然マイナス圏で、ハルシネーション率も84%（正答できなかったケースのうち棄権せず誤答した割合）と高いままです。

それでも、6割安は本物です

単価だけなら input は −30%、output は −77%、AAのブレンド価格で −65%。ここまでなら「6割安」には届きません。しかもDeepSeek のほうが出力トークンが多い（約2億に対し Luna は1.3億。「トークン12%減」は前バージョン比の効率改善で、Luna 比でもハルシネーションの12ポイントとも別の数字です）。多く喋っているのに、Index 走破の総額は $72.02 対 $190.87 で62.3%安。同じタスク集合を実際に走らせた実測値です。

ただし、検証できない部分が3つ

評価ハーネスが非公開: 自己申告ベンチ（Terminal Bench 2.1 で82.7 など）は未公開の「DeepSeek Harness」で測られています。ランナーはコンテキスト圧縮・リトライ・完了判定を握るのでスコアに直接効き、第三者が再現できません。しかも比較列の Opus-4.8 に全項目で及ばず、その Opus-4.8 も1週間前の Claude Opus 5 登場で1世代前です
安全性評価が公式に無い: モデルカードにもAPIドキュメントにも該当セクションが見当たりません。第三者評価はありますが、対象はすべて V4-Pro であって Flash 0731 ではありません（FAR.AI は低スキル攻撃者の突破率98–100%、Neo Research はミスアラインメント事例の35%で意図的な有害行動と報告）。Flash 0731 の評価は見つからず、危険とも安全とも言えません
学習リソースの天井: 2026年5月20日の非公開投資家会合での梁文鋒の発言がリークとして報じられました（公式の確認も否認もありません）。学習には Huawei 950チップが20万基必要だが供給は1.6万基、「基本的に解決不能」で最低3年続く、という内容です