DeepSeek V4 Flashを実機検証｜Opus 4.8の97%を1/89の料金で

まず2分で全体像をつかみたい方はこちら

この記事の要点だけを2分にまとめた解説スライドです。料金の内訳や8種類の検証結果など、詳しい中身はこの下の本文で解説しています。

「実際に8種類のお題を作らせてみたら、得意なものと苦手なものがはっきり分かれました」

安いモデルが出たと聞いて、まず気になるのは品質だと思います。単価が下がっても、やり直しが増えれば結局そちらのほうが高くつくからです。今回のDeepSeek V4 Flashは出力コストがClaude Opus 4.8の89分の1という価格で登場しましたが、その安さをどこまで信用していいのかは、公式の数字を眺めているだけでは判断できません。

こんにちは、ルーティンラボ（@rutinelabo）です。今回はDeepSeekが2026年7月31日にリリースしたV4 Flashについて、公式のベンチマークと料金を確認したうえで、実際にゲームやサイトやスライドを作らせた結果まで見ていきます。オープンウェイトという点では前回のKimi K3と対になる内容なので、あわせて読むと違いがはっきりします。

LINE友だち登録して情報Get

DeepSeek V4 Flashとは｜7月31日にリリースされた軽量モデル

DeepSeek V4 Flashは、中国のDeepSeekが2026年7月31日に公開ベータとしてリリースした軽量モデルです。正式なモデル名はDeepSeek-V4-Flash-0731で、4月に出ていたプレビュー版を置き換える正式版という位置づけになります。

APIから呼び出すときのモデル名はdeepseek-v4-flashのままで変わりません。つまりプレビュー版をすでに使っていた方は、こちら側で何もしなくても新しいほうに切り替わっている状態です。

今回のリリースで技術的におもしろいのは、アーキテクチャもモデルサイズも一切変わっていないという点です。公式はプレビュー版と同じ構成・同じサイズだと明言していて、性能の向上は事後学習をやり直したことだけから生まれています。器はそのままで、中身だけを入れ替えたという言い方が近いと思います。

出典：DeepSeek公式 Models & Pricing（2026年8月時点・公式参照）

ベンチマークの読み方｜Opus 4.8の一つ下という位置づけ

DeepSeekは公式アカウントでベンチマークの比較表を出しています。まず目を引くのが、ターミナル操作の能力を測るTerminal Bench 2.1です。V4 Flashは82.7、Claude Opus 4.8は85.0で、差は2.3ポイントしかありません。

エージェントとしての総合力を見るAgents' Last Examも25.2に対して25.7で、こちらもほぼ並んでいます。数字だけを見ると、最上位クラスに肉薄しているように読めます。

出典：DeepSeek-V4-Flash-0731 公式モデルカード（2026年8月時点・公式参照）

ただし、表の下のほうを見ると話が変わります。自然言語の仕様からリポジトリを丸ごと起こすNL2Repoは54.2に対して69.7で、到達率は77.8%まで落ちます。難度の高いデータ分析を扱うDSBench-Hardも83.1%どまりです。

つまりOpus超えかというと、そうではありません。得意な領域では並びますが、複雑さが増すほど差が開いていきます。僕の体感としては、Opus 4.8の一つ下ぐらいのモデルだと思っていただくのがちょうどいいと思います。

もうひとつ触れておきたいのが、プレビュー版からの伸び方です。ソフトウェア開発の能力を測るDeepSWEは、プレビュー版の7.3から54.4まで上がっていて、これは7.4倍にあたります。前述のとおりアーキテクチャは変えていないので、事後学習のやり直しだけでここまで動いたことになります。同じ比較表のなかでは、下位モデルであるはずのV4 Flashが上位のV4 Proプレビュー版を9項目すべてで上回っていて、モデルの世代交代が器を作り直すことではなくなってきているのがよくわかります。

料金｜出力コストがOpus 4.8の89分の1

今回いちばん注目されているのが価格です。出力100万トークンあたり0.28ドルで、日本円にするとおよそ40円から50円といったところになります。

同じ量を出力したときのClaude Opus 4.8が25ドルなので、単純計算で89分の1です。入力側はさらに効きます。通常の入力が0.14ドルなのに対して、キャッシュが効いた入力は0.0028ドルまで下がります。同じ文脈を何度も読ませるような使い方をしていると、桁がもうひとつ落ちる計算です。

出典：各社公式価格ページ（2026年8月時点・公式参照）

グラフにすると差がわかりやすいと思います。他社の軽量モデルと比べても一段安く、いちばん近いGLM-5.2でも15.7倍の開きがあります。単価だけで見れば、現時点で選択肢のなかでは頭ひとつ抜けている水準です。

ただし、ひとつだけ注意しておきたい点があります。公式の料金ページにはピーク時間帯は通常の2倍料金にする方針が記載されていて、対象は北京時間の9時から12時と14時から18時です。日本時間に直すと10時から13時、15時から19時になり、日本の勤務時間帯とほぼ重なります。

オープンウェイトで公開｜166.9GBという現実的なサイズ

V4 Flashはオープンウェイトのモデルとしても公開されています。HuggingFaceで重みが配布されていて、ライセンスはMITです。LM Studioのようなツールからも扱えるようになっています。

公開されているファイルの合計サイズは166.9GBで、48個のファイルに分割されています。284Bという総パラメータの規模から想像するより小さく感じますが、これには理由があります。エキスパートの重みが最初からFP4、つまり4ビット精度で配布されているからです。自分で量子化をかける手間がない状態で配られていることになります。

ここが前回扱ったKimi K3との大きな違いです。あちらは1.56TBあって、個人の環境では現実的に動かせないという結論になりました。今回はその約9分の1のサイズなので、頑張れば動かせる射程に入ってきています。

出典：HuggingFace 公式リポジトリ（2026年8月時点・実測）

実際にX上では、128GBのMacBook Proでローカル動作させたという報告も出ています。ただし標準構成では販売されていないメモリ量なので、カスタマイズして購入したモデルだと思われます。

僕自身はM3チップの64GBを使っていて、これで70万円ほどでした。128GBだとおそらく100万円前後にはなるはずなので、そのクラスのマシンが前提になります。

つまり誰でも動かせるという話ではありません。それなりのハードウェアは必要になります。それでも最新のオープンウェイトモデルが個人の手の届く範囲に入ってきたという意味では、なかなか夢のある状況だと思います。

8種類のお題で実機検証｜得意と苦手がはっきり分かれた

ここからが本題です。OpenRouter経由でV4 Flashを導入して、いつものように同じお題をいくつかのモデルに投げて比べてみました。結果を先にまとめると、得意な領域と苦手な領域がかなりはっきり分かれています。

よくできたもの

いちばん驚いたのが、小さいものを巻き込みながらだんだん大きくなっていくタイプのゲームです。これは正直かなりクオリティが高かったです。

少し粗いところはあるものの、巻き込んだ分だけ大きくなって、より大きいものを巻き込めるようになるというゲーム性の中心をしっかり実装してくれました。ワンショットの生成でここまで来るのは十分に立派だと思います。

もうひとつ良かったのが、アニメーション付きのスライドです。動きのあるスライドをコードで作らせたのですが、これは実用に足りる出来でした。

動的なスライドを毎日のように量産したい方には、この用途だけでも導入する価値があると思います。単価が安いので、枚数を作るほど効いてきます。人間が最後に目で見て確認する成果物という点でも、相性がいい使い方です。

互角だったもの

自分のポータルサイトのようなものを1ページで作らせたところ、こちらはきれいにまとまりました。最新動画を埋め込む枠や、チャンネルへ飛ぶボタンも動いていて、突きどころがあまりありません。

同じお題をGemini 3.6 Flashにも投げましたが、並べて見てもそこまで差はありませんでした。体感としての精度はGemini 3.6 Flashにかなり近い、というのが正直なところです。

軽めのLPを作るとか、すでに設計が決まっているものにコードを当てていくような作業であれば、十分に表現してくれるモデルだと思います。動画共有サイトのようなUIも試しましたが、ざっくり作るぶんには問題ありませんでした。

厳しかったもの

一方で、複雑な3Dになると急に厳しくなります。3Dのアスレチックを作らせたところ、ジャンプの動作自体はできるものの、途中で無限ループに入ってしまって先に進めませんでした。

マインクラフトのようなゲームも試しましたが、こちらは形になりませんでした。同じお題をQwen 3.8 Maxにも投げていて、そちらと比べると精度の差は明確です。3Dモデルを扱うお題については、比較したなかではQwenのほうが全然上でした。

2Dのアクションゲームも作らせています。動くことは動くのですが、キャラクターのデザインなどは少しざっくりしていて、同じお題を投げたClaude Opus 5のほうがまとまっていました。3Dになると精度の差が顕著に出る、という傾向がはっきり見えた検証でした。

使い始める方法｜OpenRouterが一番早い

使い方はいくつかありますが、まず試すという段階であればOpenRouterが早いと思います。僕自身も今回の検証はここから導入しました。

step
1OpenRouterでAPIキーを発行する

OpenRouterはテキストだけでなく、画像や動画、音楽や音声まで、さまざまな生成AIモデルを一括で引っ張ってこられるサービスです。サイトからAPIキーを発行して、先にクレジットをチャージしておきます。上限を10ドルに設定すれば、その範囲でいろいろなモデルを使い回せます。

step
2モデル一覧からV4 Flashを選ぶ

モデルの一覧を開くと、使えるモデルがずらっと並びます。リリースされたばかりのDeepSeek V4 Flashもここから選べます。新しいモデルが出るとすぐ反映されるので、出たばかりのものをさっと触ってみたいときに便利です。

step
3公式APIを直接使う場合はエンドポイントを差し替える

公式のAPIを直接叩く方法もあります。DeepSeekはOpenAI形式とAnthropic形式の両方に互換のベースURLを用意しているので、いま使っているクライアントのエンドポイントを差し替えるだけで動きます。

出典：DeepSeek公式 Models & Pricing（2026年8月時点・公式参照）

使いどころの線引き｜任せていい仕事とダメな仕事

ここまでの検証を踏まえて、どこに使うかの線を引いておきます。全部を安いモデルに移すという発想でいくと、やり直しのコストで価格差の優位が消えてしまいます。

僕自身の感覚としては、ハーネスの仕組みの一部を構築させるような使い方はありえないと思っています。全体像を設計するところや、ループを回す中核の部分はOpus 5やFable 5のようなモデルに任せたほうが、生成物の精度は確実に上がります。

逆に相性がいいのは、人間が必ず目を通す工程です。僕の場合だとスライドを作るとか、台本の資料をまとめるといった作業がこれにあたります。生成物の終点に近いところ、つまり出てきたものを自分で確認してから使う場所であれば、多少のブレが混ざっても他に波及しません。

反対に、相手に渡す資料や第三者が見る成果物になると、少し頼りない印象です。指示をきちんと守って実装してくれるかという点にはまだ不安が残るので、シンプルなやり取りや簡単な作業に留めておくのが安全だと思います。最近はハーネスの仕組みを組んでループをどう回すかという設計が重要になってきましたが、そこに使うモデルは大規模なものばかりである必要はありません。役割を分けて組み合わせるという発想で見ると、V4 Flashの置き場所は見つけやすくなると思います。

まとめ

DeepSeek V4 Flashは、性能を最上位クラスに近づけながら価格を2桁下げてきたモデルです。ただし全部の領域で並んだわけではないので、任せる仕事を選ぶ必要があります。

軽量で速いモデルをどう組み込むかは、これからの開発環境でますます効いてくる部分だと思います。Grok 4.5のように選択肢も増えてきているので、ご自身の環境にどう取り入れられるかという視点で見比べてみてください。

それでは今回は以上になります。最後までお読みいただきありがとうございました。