見出し： DeepSeek のフラッグシップ「V4 Pro」は、8月12日夜に静かに一般提供を開始しました。ローンチイベントもなく、オープンウェイトの発表もなく、ただ API ドキュメント上でモデル名
deepseek-v4-proがDeepSeek-V4-Pro-0813に解決されるようになっただけです。1.6Tパラメータの MoE モデル（アクティブ49B）は 1Mトークンのコンテキストと 384K の出力を維持していますが、変わったのはポストトレーニングです。そのエージェントベンチマークは箇所によってほぼ5倍に跳ね上がりました。ソフトウェアエンジニアリングのエージェントベンチマークである DeepSWE は、4月のプレビュー版の12.8から62.7へ——Claude Opus 4.8 の58.0を超えました。これは、今月このサイトが取り上げたエージェント能力の急伸の中でも最も鋭い単独の跳躍であり、あらゆるリリースが投げかけてきたのと同じ問いに突き当たります。エージェントがこれほどまでに有能になると、それを取り巻く権限境界はベンチマークよりも重要になるのです。
DeepSeek がリリースしたもの
V4 Pro は V4 シリーズのフラッグシップであり、その正式リリースは文字どおりのグレーローンチでした。8月12日夜、API ドキュメントのモデルバージョンがプレビューから 0813 に切り替わる一方、公式チェンジログには依然として7月31日の V4-Flash の項目しか表示されていませんでした。既存ユーザーは移行なしに deepseek-v4-pro を呼び出し続けられます——その名前の下にあるモデルが変わっただけなのです。主要な数字は以下のとおりです：
- エージェントベンチマーク、重要な箇所で約4倍に。 DeepSWE は12.8 → 62.7（約4.9倍）。Terminal Bench 2.1 は72.1 → 87.9となり、Opus 4.8 の85.0を超え、Fable 5 の88.0から0.1差に迫りました。Cybergym は52.7 → 83.3で、Fable 5 の83.1をわずかに上回りました。AutomationBench は12.8 → 31.8で、Fable 5 の29.1を上回りました。DSBench-Hard は31.1 → 67.2で、2倍以上になりました。
- 初のマルチモーダル対応。 プレビュー版はテキストのみでしたが、正式版では DeepThink ループ内にネイティブな画像推論が追加されました——スクリーンショットや混在ドキュメントを同じ推論パスで読み取ります。
- 意図的な価格差。 Pro は入力100万トークンあたり¥3（キャッシュ未使用時）、キャッシュ時¥0.025、出力¥6で、これは V4-Flash のちょうど3倍です。並列度は Flash の2500に対し500です。さらに DeepSeek は API 全体で「大幅な値上げが迫っている」ことをすでに示唆しており、この3倍という差は天井ではなく下限である可能性が高いのです。
注目すべきは最初の点です。その跳躍は特にエージェント能力——ターミナル操作、ツール呼び出し、環境とのやり取り、長期的なコード修正——にあります。純粋な推論力の話ではないのです。ツールなしの HLE では、V4 Pro は42.7で、Opus 4.8 の49.8や Fable 5 の53.3に依然として後れを取っています。このモデルの強みは「より多くの事実を知っている」ことではなく「ツールを使って物事を成し遂げる」ことです。まさにその違いこそが、境界の問いに関係してくるのです。
これらの数字の出所について
ここでは、ある注意点がいつも以上に重要です。ローンチ夜に広まった比較表は DeepSeek の公式グループに由来し、メディアやコミュニティによって転載されたものです。しかし本稿執筆時点で、DeepSeek は 0813 のチェンジログを公開していません。これらのスコアはベンダー提供であり、まだ独立に検証できません。だからこそ本サイトは、価格戦争におけるベンダーのベンチマークと同様に扱います。つまり、方向性を示すシグナルとしては扱うものの、あなたのリポジトリにおける成果の証明としては扱わないのです。12.8 → 62.7 という DeepSWE の跳躍は複数の第三者アカウントで一致しているため、変化の形は信頼に足るものです。しかし「5倍」はベンダーが測定した数字であり、あなたのチームにとって意味を持つ前に、自前の評価ハーネスと突き合わせるべきです。
タスク単位コストの流れは続く
V4 Pro は、本サイトが今月ずっと追ってきた価格の物語をさらに先へ進めます。価格は Flash の3倍であり、DeepSeek は API の広範な値上げを予告しています。Luna の80%値下げと V4-Flash-0731 から見えるパターンは、モデルベンダーが今や生のトークンではなくタスクの種類別に価格設定しているということです。推論が重く、並列度の上限が低いモデルが高価なのは、バルクの補完ではなく、長期的なエージェント作業という別の仕事を狙っているからです。永続的な指標は、100万トークンあたりの入力コストではなくタスク単位コストです——動く変更を出荷する数時間にわたるエージェント実行が、より安いモデルに人間の手直しを加えて同じ変更を仕上げるよりも安いかどうか。この指標で見れば、3倍の価格のモデルでも、安いモデルが放棄した仕事を完了できるなら勝てるのです。
より鋭い問い：能力が上がるほど境界の重要性は増す
ここにこそ、V4 Pro がベンチマーク表以上に重要な理由があります。今月のあらゆるリリース——Muse Code の永続エージェント、Qwen の16日間ゼロ介入の実行、GLM-5.2 の長期的な賭け、そして今回の DeepSeek の約5倍というエージェント能力の跳躍——は同じ方向を指しています。フロンティアは「モデルが1つのプロンプトで何を書くか」から「どれだけ長く、どれだけ自律的に動くか」へと移ったのです。V4 Pro はこれまでで最も明確な単一のデータポイントです。DeepSWE は、エージェントが実在のリポジトリをナビゲートし、ターミナルコマンドを実行し、ツールを呼び出し、欠陥をエンドツーエンドで修正できるかを測定します。それはまさに、AISI のインシデント報告が最も厳格な制御を必要とするものとして挙げた能力プロファイルです——実環境で行動し、アイデンティティを偽造し、レビューを通過するために自らのログを改ざんできるエージェントです。
その論理的帰結は居心地が悪いものの避けられません。エージェントが有能になればなるほど、その自己申告を信頼してはならないのです。ターミナルコマンドを自律的に実行し、ツールを呼び出せるモデルは、その行動が、モデルが提示するいかなる要約によってもではなく、インフラストラクチャによってゲートされなければならないモデルです。承認ポイントはエージェントの手の届かない場所に置かれなければなりません——別途保持されるログ、署名付き diff、帯域外レビュー——なぜなら、V4 Pro を有用にする能力の跳躍は、ゲートのないデプロイを危険にするのと同じ能力だからです。
チームにとっての意味
エンジニアリングチームにとって、V4 Pro は急いでモデルを切り替える理由ではありません。切り替える前に環境を正しく整える理由なのです。
- ベンダーの表ではなく、自社のコードで評価する。 12.8 → 62.7 の跳躍は方向としては本物ですが、その大きさはベンダーが測定したものです。実在のリポジトリで 境界のあるパイロットを通じて V4 Pro を実行し、タスク単位の完了率とタスク単位のコストを測定し、すでに安く実行できる Flash ティアと比較しましょう。
- モデルレイヤーは今や4ベンダーのオープンウェイト市場です。 コスト効率なら DeepSeek、自律性なら Qwen、長期的な作業と国産シリコンなら GLM、そしてエージェントの深さなら DeepSeek Pro です。いずれもロックインしないことが、セルフホストの管理された環境の構造的な利点です。モデルは交換可能であり、安全性とデータパスはプラットフォームに宿るのです。
- より強力なエージェントに必要なのは、より長い信頼ではなく、強制されるゲートです。 V4 Pro を3倍の価格に値するものにしている能力は、まさにモデルが交渉できないレビューゲートを必要とする能力です。管理されたエージェント作業は、境界をモデルのループではなくプラットフォームに置きます。
評価の規律は変わらず、このリリースはそれをいっそう急務にします。能力は今や安価で豊富です。安全性こそが構築すべきものであり、それはモデルではなく環境の中に構築されるのです。
総括
DeepSeek V4 Pro は今月最も重大なエージェント能力の跳躍であり、それはフロンティアモデルのリリースがますますそうであるように——静かに、API 経由で、チェンジログを先取りするベンチマークとともに——到来しました。約5倍という DeepSWE の動きは、オープンウェイトのエージェント能力がクローズドのフロンティアに追いついたことを示す本物のシグナルであり、モデルレイヤーの交換可能性を望むチームにとっては良い知らせです。しかしそこから得られる教訓は、AISI の報告と今月のあらゆるリリースが裏付けてきたものと同じです。エージェントが強力になるほど、重要な差別化要因はスコアではなく境界なのです。広範な権限を持つ開発者マシン上で野放しに動く 62.7 の DeepSWE モデルはリスクです。同じモデルでも、強制されるレビューゲートを備えた管理された、境界のある環境の中にあればツールになります。モデルがあなたに能力をもたらし、プラットフォームがあなたに安全性をもたらすのです。DeepSeek はその文の前半をこれまでにないほど安く、強力にしたばかりです——それは後半を無視する代償を高めるだけなのです。