一言まとめ： 7月31日、DeepSeek は V4-Flash 正式版を公開——284B 総パラメータ・わずか 13B アクティブの MoE モデルが、後訓練の最適化のみで Terminal Bench 2.1 で 82.7、DeepSWE で 7.3→54.4（6.5 倍）を達成し、自社の V4-Pro プレビューを全面超越した。アーキテクチャは不変。変わったのは訓練方法だけ。V4-Pro（1.6T 総パラメータ・49B アクティブ）は 8 月初旬に登場。コーディングチームにとって、これはコストパフォーマンスの地殻変動であると同時に、「後訓練こそが真のレバレッジだ」という強力なシグナルでもある。
何が起きたか
7月31日午後、DeepSeek は静かに V4-Flash 正式版 API のパブリックベータを開始した。記者会見もなければ、ティーザーもなく、CEO の登壇もない。ただ、すべてのエージェントベンチマークでコスト対性能比を塗り替えるモデルがそこにあった。
アーキテクチャは4月のプレビュー版と完全に同一：284B 総パラメータの MoE 構成、推論あたりのアクティブパラメータはわずか 13B、100万トークンのネイティブコンテキストウィンドウ、CSA+HCA ハイブリッドスパースアテンション。変わったのは後訓練のみ——そしてその結果がすべてを物語っている：
| ベンチマーク | V4-Flash 正式版 | V4-Pro プレビュー (4月) | 含意 |
|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 67.9 (TB 2.0) | エージェント自律性が Claude Opus 4.6 (85) に肉薄 |
| DeepSWE | 54.4 | 7.3 | ソフトウェアエンジニアリング能力が 6.5 倍に急上昇 |
| Cybergym | 76.7 | — | セキュリティ自動化が実用水準に到達 |
| Toolathlon Verified | 70.3 | — | マルチツールオーケストレーションが利用可能に |
| NL2Repo | 54.2 | — | リポジトリ規模のコード理解 |
| DSBench-FullStack | 68.7 | — | フルスタック開発タスク |
| DSBench-Hard | 59.6 | — | 高難度コーディング問題 |
わずか 13B アクティブの Flash が、744B の GLM-5.2 を上回り、Claude Opus 4.6（推定アクティブ 300-400B）と 2.3 ポイント差に迫っている。そして V4-Pro（1.6T/49B アクティブ）はまだ登場すらしていない。
コーディングチームにとっての意味
1. 後訓練のレバレッジが証明された
DeepSeek は公式に明言した：「モデル構造、サイズはプレビュー版と完全に一致し、後訓練のみを再実施した」。DeepSWE の 7.3→54.4 という 6.5 倍の飛躍は、ハードウェアの話ではない。方法論の話だ。この含意は重大である：モデル能力の天井は、もはやパラメータ数では決まらない。訓練データの品質、RLHF 戦略、エージェント特化のファインチューニングこそが新たなフロンティアだ。
AI コーディングプラットフォームを利用するチームにとって、これは「今日デプロイしたモデルが、3ヶ月後にハードウェア変更なしで劇的に変化しうる」ことを意味する。評価パイプラインは継続的でなければならず、一度きりのチェックでは不十分だ。
2. エージェントワークロードの経済性が逆転した
V4-Flash の価格：入力約 0.28 ドル/百万トークン、出力約 1.10 ドル/百万トークン（キャッシュヒット時 0.03 ドル/百万トークン）。GPT-4o の約 1/10、Claude Opus の約 1/7。タスクあたり 50-100 回のモデル呼び出しを行うコーディングエージェントが、中頻度タスクに対しても経済的に成立するようになった。
言い換えれば：これまで高価値タスクにのみエージェントを割り当てていたチームが、すべてのプルリクエストでエージェントを実行できるようになる。ボトルネックはコストからレビュー能力に移行する。
3. MIT ライセンス——カスタムライセンスではない
Kimi K3 のカスタムライセンスとは異なり、DeepSeek V4 は標準 MIT ライセンスを採用——商用利用制限なし、帰属表示要件なし、禁止用途条項なし。セルフホスト展開において、法務審査がブロッカーにならない。13B アクティブパラメータの軽量さと相まって、V4-Flash のセルフホストは 104B アクティブの Kimi K3 よりはるかに低いハードルで実現可能だ。
4. Responses API ネイティブサポート + Codex 互換
V4-Flash は OpenAI の Responses API フォーマットをネイティブサポート——これはツール呼び出しワークフロー向けに Chat Completions を置き換える新世代のエージェント指向 API だ。さらに Codex への互換性も明示されている。実務上の効果：OpenAI のエージェントインフラ上に構築されたコードベースは、最小限の変更で V4-Flash に切り替えられ、1/10 のコストで同等以上のエージェント性能を得られる。
Harness の登場：DeepSeek のエージェントフレームワークが正式公開
今回の発表で、ベンチマークスコアと同様に重要なシグナルが見落とされている：DeepSeek 自社開発の Agent Harness フレームワークが初めて正式名称で登場した。Harness チームを率いるのは、元 Jane Street クオンツの崔添翼（ACM アジア地区大会金メダル 6 回）。2026年3月に結成され、5月には大規模な採用を開始した。
DeepSeek CEO の梁文鋒は AGI への道のりを階段に例えている：言語モデルが第一段階、Chain-of-Thought が第二段階、エージェントが第三段階、継続学習が第四段階。Harness は第三段階の工学的実装——長期的なマルチステップ自律タスク、反復的自己チェック、障害時の自動リトライを実現するフレームワークだ。
これはモデルの機能ではない。インフラストラクチャだ。DeepSeek が構築しているのは単なるモデルカタログではなく、完全なエージェント技術スタックであることを示している。
V4-Pro がもたらすもの
V4-Pro 正式版は 8 月初旬の登場が予想される。スペック：
- 1.6T 総パラメータ、49B アクティブ（MoE）
- 100万トークンコンテキストウィンドウ、384K 最大出力
- 4段階の計算リソースを選択可能な適応型深層思考エンジン
- 複雑推論、マルチエージェント協調、兆単位データ演算がターゲット
Flash の後訓練による向上が Pro に比例的にスケールするなら——4倍のパラメータ規模に同じ方法論を適用——結果は GPT-5.6 Sol、Claude Opus 5、Fable 5 に挑戦、あるいは超える可能性がある。
中国の AI エコシステムは今、驚くべき密度のリリースラッシュにある：Kimi K3（7月16日、オープンウェイト）、GLM-5.2（6月、オープンソース）、DeepSeek V4（7月31日、MIT ライセンス）。6週間で3つのフロンティア級モデルがすべてオープンに利用可能になった。
誇大広告なしで評価する方法
- 自分のエージェントタスクを実行せよ。 Terminal Bench や DeepSWE はスクリーニングツールであり、合格基準ではない。明確な合格条件付きの 10-20 の境界付きコーディングタスクを定義し、リーダーボードスコアではなく合格率で比較する。
- タスクあたりのコストを測定せよ。トークンあたりではない。 トークン単価が 1/10 でも、リトライ回数が 3 倍なら実際には節約にならない。消費トークン数、レビュアー時間、タスク合格率をエンドツーエンドで追跡する。
- ツール呼び出し経路を個別にテストせよ。 V4-Flash の Toolathlon スコア（70.3）は良好だが完璧ではない。エージェントワークフローが 5 つ以上のツールを連鎖呼び出しする場合、全チェーンでコンテキストとパラメータ形式が維持されるか検証する。
- セルフホストするなら推論フットプリントを実測せよ。 13B アクティブパラメータは 2026 年基準では控えめだが、100万トークンコンテキストウィンドウはメモリ計算を変える。実際のタスク長で実際の推論スタックをプロファイリングする。
- Pro の価格に注目せよ。 V4-Flash の経済性はすでに破壊的だ。V4-Pro が GPT-5.6 や Opus の 1/5 の価格でフロンティア性能を提供するなら、エージェント API 市場全体の価格モデルが再調整を迫られる。
より大きな構図：この発表から読み取る 3 つの教訓
教訓 1：後訓練が新たな堀だ。 DeepSeek は 284B モデルが訓練方法論だけで自社の 1.6T プレビューを破ることを証明した。「より大きなモデル = より良いモデル」の時代は終わった。「より良い訓練 = より良いモデル」の時代が始まった。
教訓 2：中国のオープンソースの波は本物であり、加速している。 Kimi K3、GLM-5.2、DeepSeek V4 は孤立した出来事ではない。フロンティア級モデルがオープンライセンスで、短期間に集中リリースされるというパターンだ。モデル選択と展開の柔軟性を求めるチームにとって、選択肢の幅はかつてないほど広がっている。
教訓 3：エージェントインフラが製品そのものになりつつある。 DeepSeek が今回出荷したのはモデルだけではない——Harness、Responses API、Codex 互換性も同時に出荷された。モデルはエンジンであり、エージェントフレームワークは車両だ。AI コーディングプラットフォームを評価するチームは問うべきだ：「このプラットフォームはタスクに最適なモデルにルーティングするのか、それとも単一ベンダーのスタックにロックインするのか」と。
結論
DeepSeek V4-Flash 正式版が印象的なのは、大きいからではない。小さいのにヘビー級のパンチを繰り出すからだ。わずか 13B アクティブのモデルが Terminal Bench で 82.7、DeepSWE で 54.4 を叩き出すことは、低コスト帯の可能性に関するすべての前提を書き換える。数日中に登場する V4-Pro は、同じ後訓練方法論が 1.6T パラメータ規模でスケールするかどうかを検証する。
コーディングチームにとって、取るべき行動は明確だ：V4-Flash を評価ロースターに加え、自前の合格基準でテストし、タスクあたりの合格コストを測定する。リーダーボードは観客のもの。パイロットは作り手のものだ。
V4-Flash シリーズ
これは私たちの V4-Flash 報道の中心です。関心に合わせて選んでください：
- 速報：V4-Flash が登場 — 3 分で読める。発表、主要な数字、即時の受け止め。
- アーキテクチャ深掘り — 12 分で読める。MoE 設計、CSA+HCA アテンション、ベンチマークが実際に測定するもの。
- 移行ガイド — 10 分で読める。GPT-4o からワークフローを移す実践的な手順。
- 後訓練革命 — 8 分で読める。なぜ訓練方法論が今やパラメータ数に勝るのか。
- 対決比較 — 6 分で読める。V4-Flash vs GPT-5.6、Claude、Kimi K3、GLM-5.2。
- エコシステム影響 — 7 分で読める。誰が勝ち、誰が圧力を受け、今何をすべきか。