Deep Dive
🔬 Deep Dive｜DeepSeek-V4-Flashは本当に「Pro超え」なのか——82.7点、Codex対応、オープンウェイトが開く次の世界
2026年7月31日、DeepSeekはAPI上のdeepseek-v4-flashを「DeepSeek-V4-Flash-0731」へ更新した。今回の新規性は、エージェント能力を強化する再学習、Responses APIへのネイティブ対応、そしてCodexから利用できる接続経路がそろったことにある。
ただし、V4-FlashというAPIモデルも、ダウンロード可能なopen weightsも、この日に初めて登場したわけではない。ここでは版を分ける必要がある。0731はPreviewと同じアーキテクチャと規模を保ったAPI上だけの再ポストトレーニング更新であり、ダウンロード可能と確認できるweightsは4月公開のV4-Flashだ。エージェント能力を強化した0731版weightsが同時に配布されたことは確認できない。V4-ProやDeepSeekのApp/Webモデルが同時に更新されたわけでもない。
注目を集めた数字は、Terminal Bench 2.1の82.7点だ。DeepSeekの比較表ではV4-Pro-Previewの72.1点を上回り、GLM-5.2の81.0点も超え、Opus-4.8の85.0点に迫る。見出しだけを読めば「安価なFlashがProを超えた」と映る。
だが、この82.7はモデルの知能を一つの物差しで測った万能スコアではない。モデル、Harness、推論設定、ツール、実行環境を組み合わせたCoding Agent Systemの成績だ。しかも現時点ではDeepSeek自身が公開した条件付きの比較であり、独立再現ではない。
それでも今回の更新を過小評価すべきではない。0731の低価格APIとCodex接続面、4月版のMITライセンスweightsという別々の経路が一つのモデル系列に存在することで、AI開発の競争軸は「最強モデルを一つ選ぶ」ことから「目的に合わせてSystemを組み替える」ことへ移り始めた。
この記事の問いは二つある。82.7はどこまで「Pro超え」を意味するのか。そしてopen weightsは、AIを借りるだけだった開発者に、どのような選択権を返すのか。
■ 1｜82.7という数字と「Pro超え」の範囲
まず、比較対象を固定する必要がある。82.7はDeepSeekが公表したTerminal Bench 2.1の値であり、同じ表のDeepSeek-V4-Pro-Previewは72.1、GLM-5.2は81.0、Opus-4.8は85.0だった。この範囲では、V4-Flash-0731は旧Pro Previewを10.6点上回った。言えるのはここまでだ。「あらゆるProモデルより上」でも、「あらゆる開発作業で上」でもない。
同じ表では、NL2Repo 54.2、Cybergym 76.7、DeepSWE 54.4、Toolathlon-Verified 70.3、Agents’ Last Exam 25.2、AutomationBench（Public）25.1と、複数のエージェント課題でPreviewから大幅に伸びた。一方、Opus-4.8との比較では、これらの公開課題のすべてで届いていない。性能向上は明確だが、単一の勝敗へ圧縮すると構造を見失う。
さらに、評価条件が結果をつくる。DeepSeekの画像では、公開Coding Agent課題に今後公開予定のDeepSeek Harnessのminimal mode、max tier、top_p=0.95、temperature=1.0を使ったとされる。公式changelogは同じ箇所をmax effortと表記しており、呼称にも差がある。Harness、モデル版、サンプリング、努力量、ツール方針がそろわなければ、82.7を別の実行系のスコアと単純比較できない。
DSBench-FullStack 68.7とDSBench-Hard 59.6は、DeepSeek自身が内部テストセットと明記する値だ。外部が同じ問題集合を使って再現できる公開ベンチマークとは扱えない。Artificial Analysisが公表した4月版V4-FlashのIntelligence Index 40（Max Effort）と37（High Effort）も、0731より前の別バージョン・別評価であり、今回の伸びを独立検証する材料にはならない。
したがって結論は、「Pro超え」は限定付きで本当だ。DeepSeekの公開した特定のHarnessと設定、特定の比較表ではV4-Pro-Previewを上回った。しかし、独立した同条件再現が出るまでは、82.7は強い更新シグナルであって、一般化された序列ではない。
■ 2｜Modelの進化か、Agent Systemの進化か
今回の更新を理解する鍵は、ModelとAgent Systemを分けることにある。Modelは入力から次の出力を生成する推論エンジンだ。Agent SystemはそのModelに、指示、ツール呼び出し、ファイル操作、実行結果の観察、再試行、終了判定を組み合わせ、仕事を完了させる仕組みである。
DeepSeek-V4-Flash-0731は、Previewと同じアーキテクチャとモデル規模を保ち、再ポストトレーニングでエージェント能力を伸ばした。つまり今回は、パラメータ数を増やした大型化の物語ではない。既存のModelが、ツールを使うSystemの中でどれだけ安定して行動できるかを改善した更新だ。
82.7にもModelだけでなく、今後公開予定のDeepSeek Harness、minimal mode、努力量、サンプリング設定が含まれる。同じモデル版でもHarnessが変われば、ツールの渡し方、履歴の圧縮、失敗後の戻り方、停止条件が変わり、最終スコアは動く。次の競争では、モデルカードの点数だけでなく「どのSystemで能力を引き出したか」が製品性能を決める。
この視点に立つと、FlashがProを上回ったという現象は、下位モデルが上位モデルを置き換えた話ではない。DeepSeekのベンダー公表結果は、再ポストトレーニングとHarnessと実行設計がかみ合えば、特定のAgent課題でモデル間の差を縮められる可能性を示している。独立再現を待つ必要はあるが、AIの価値単位がModel単体から、仕事を終えるSystem全体へ移っている方向は読み取れる。
■ 3｜CodexとResponses APIが変える接続面
Codex対応が重要なのは、新しいチャット画面が一つ増えたからではない。Codexは、リポジトリを読み、変更を提案し、コマンドの結果を受け取りながら作業を進めるCoding Agentのクライアントだ。DeepSeek-V4-FlashはResponses APIをネイティブに提供し、その接続面からCodexを利用できる。
これはモデルの交換コストを下げる。クライアント、作業手順、レビューの流れを維持したまま、同じResponses API系の接続面で別の推論エンジンを試しやすくなるからだ。モデル選択がUIごとの乗り換えではなく、System内部の部品選択へ近づく。
ただし、互換性は同等性ではない。Responses APIへ接続できることは、OpenAIの各モデルと同じコーディング品質、ツール挙動、プライバシー条件、レート制限、総費用を保証しない。実際の評価単位は「同じリポジトリ、同じ指示、同じ権限、同じテストで仕事が完了したか」である。
現時点でCodex統合に対応するV4系APIモデルはdeepseek-v4-flashだけだ。V4-Proは2026年8月上旬の対応予定と記されており、完了した機能ではない。FlashのAPI仕様は1Mトークンのコンテキストと最大384Kトークンの出力を持つ。長いコードベースや複数段の作業を扱える余地は大きいが、容量の大きさ自体が正確な変更や安全な自律実行を保証するわけではない。
■ 4｜0.14ドル、0.28ドルと開発規模
V4-FlashのAPI価格は、キャッシュミス入力が100万トークン当たり0.14ドル、出力が0.28ドル、キャッシュヒット入力が0.0028ドルだ。価格は変更され得るが、現在の水準では、これまで費用面で絞っていた試行回数を増やせる。
Coding Agentは一回の質問で終わらない。リポジトリ探索、計画、編集、テスト、失敗の修正、レビューというループでトークンを消費する。単価が下がると、一つの回答を安く得るだけでなく、複数モデルでの比較、並列レビュー、より長い検証、失敗を前提にした反復を予算内へ入れられる。変わるのは回答単価ではなく、開発工程に組み込めるAIの密度だ。
ただしAPI価格とself-hostingのTCOは別物である。APIは入力・出力トークンの料金で能力を借りる。self-hostingは、GPU、メモリ、電力、ネットワーク、推論基盤、監視、障害対応、人員まで含む総保有コストで考える必要がある。
V4-Flashは総284Bパラメータ、推論時のactive parametersは13BのMixture-of-Expertsだ。13Bだけを見て一般的なローカル機で軽快に動くと結論づけることはできない。低いAPI価格は大規模利用の入口を広げるが、weightsを自ら運用する経済性は、ハードウェア構成と稼働率を測って初めて判断できる。
■ 5｜Open Weightsが開くもの、まだ開かないもの
4月に公開されたDeepSeek-V4-Flashのrepositoryとmodel weightsはMITライセンスで公開され、モデルカードにはvLLMやSGLangなどの配備経路が示されている。これは0731のAPI-only更新とは別の版境界であり、以下のOpen Weightsの可能性は確認済みの4月版weightsについて述べる。Open Weightsが開く第一の扉は、APIの外にモデルを保持できることだ。特定事業者のエンドポイントだけに依存せず、weightsを入手し、自分の環境で検証し、必要に応じて改変し、配備先を選べる。
第二の扉は、監査可能性である。APIだけでは、提供者の更新によって同じモデル名の挙動が変わる可能性がある。weightsを固定して保持できれば、少なくとも推論エンジンの版を管理し、自社データで回帰検証し、量子化や推論基盤の違いを比較できる。規制産業や機密データを扱う組織にとって、実行環境を自ら選べることは性能と同じくらい重要になる。
第三の扉は、組み替えである。Modelを自社の検索、権限管理、ツール、評価器、ログ基盤へ接続し、単一ベンダーの完成品ではないAgent Systemを設計できる。ここで価値を持つのは、weightsの所有そのものではなく、再現可能な評価と運用知識を組織内へ蓄積できることだ。
一方、Open Weightsはすべてを開かない。MITで公開されたrepositoryとweightsがあっても、学習データ、完全な学習手順、0731の再ポストトレーニング工程、今後公開予定のDeepSeek Harness、Codexクライアント全体、評価パイプラインまで自動的に再現可能になるわけではない。Open Weightsと、開発過程のすべてが追跡できる完全なopen sourceは同義ではない。
また、weightsが手元にあることと、実用的な速度・費用で動かせることも同義ではない。284B MoEの保管、ロード、ルーティング、長文コンテキスト、並列処理には相応の基盤が要る。ローカル配備の手順が公開された事実は重要だが、この制作では実機性能も必要メモリもTCOも測定していない。Open Weightsが開くのは選択肢であり、容易さの保証ではない。
■ 6｜次のAI世界——組み替えられるSystemと、これからの検証
短期の予測では、Responses API互換の接続面を使い、同じCoding Agentに複数のモデルを差し替える動きが広がる。価格の低いFlashを探索や反復へ使い、難所だけ別モデルへ送る。モデル名ではなく、仕事の種類、機密性、予算、待ち時間に応じたルーティングが標準になる。
中期の予測では、企業がweights、Harness、評価セット、ツール権限を一つの構成として管理する。強いModelを購入するだけでなく、自社の失敗例を回帰テストへ変え、更新のたびに「仕事を壊さず完了できるか」を測る。競争力は、モデルへのアクセスよりも、Systemを検証し続ける運用能力へ移る。
長期の予測では、AI市場が「一社の最強Modelを借りる市場」と「複数のweightsと実行基盤を組み替える市場」に分かれる。クラウドAPI、private cloud、on-premise、端末側推論は対立する選択肢ではなく、一つの仕事を分担する実行層になる。open weightsは、能力の供給者を増やすだけでなく、誰が更新を決め、どこでデータを処理し、どの版を残すかという統治の設計を変える。
ここには展望上の反作用もある。open weightsによる能力の拡散は、防御側だけでなく悪用側にも同じ道具を渡す二重用途を持つ。ゆえに今後は、第三者による独立評価、実行を隔離するサンドボックス、最小権限の権限制御、追跡可能な監査ログ、用途と責任主体を定めた責任ある配備をSystem側で組み合わせる必要性が高まる。これは確認済みの将来ではなく、能力の開放が進むほど安全性も競争軸になるという推論である。
この未来を見極めるため、次に確認すべきことは明確だ。第一に、0731版を対象とし、公開されたHarness、prompt、effort設定、tool policy、モデル版を固定した独立再現。第二に、実際のコードベースでの完了率、手戻り、テスト通過率、レイテンシ、API総費用。第三に、self-hosting時の必要GPU・メモリ、スループット、電力、運用人員を含むTCO。第四に、weightsだけでなくHarnessと評価手順がどこまで公開されるかである。
82.7は終着点ではない。重要なのは、Flashが特定条件でPro Previewを超えたこと以上に、低価格API、標準化された接続面、open weightsという選択肢が同じモデル系列にそろい始めたことだ。ただし、エージェント能力を強化した0731はAPI-only更新であり、保持・改変できると確認済みなのは4月版weightsである。この版境界を保った上で、AI開発は、提供者から能力を借りるだけの段階から、能力を保持し、検証し、改変し、その実行環境を選ぶ段階へ進む。その移行こそ、DeepSeek-V4-Flash-0731が示した次の世界である。
🔗 一次・参考ソース
