何が起きたか
DeepSeekが廉価モデル「V4 Flash」の大型アップデート版「0731」をリリースしました。Artificial Analysis Intelligence Indexのスコアは50点で、2026年4月に登場した前世代から10点の上積みです。OpenAIの廉価モデルGPT-5.6 Lunaとの差は1点にとどまります。
アーキテクチャは据え置きで、総パラメータ2,840億・アクティブ13億、コンテキストウィンドウは100万トークン。モデル重みはMITライセンスでHugging Faceに公開されています。
なぜ重要か
注目すべきはスコアそのものではなく、その裏側にある単価の構造です。OpenAIが80%の値下げを行った後でもなお、DeepSeekのタスクあたりコストは約60%低い水準にあります。Artificial Analysisの整理では、価格性能比で首位という位置づけです。
この差を生んでいる要因の一つが、業界標準の90%を上回る98%のキャッシュ割引です。同じ前提文（システムプロンプト、社内ドキュメント、商品マスタなど）を繰り返し投げる使い方では、キャッシュヒット分の単価が実質2%まで下がる計算になります。90%と98%の差は「8ポイント」ではなく、キャッシュ部分の支払額が5分の1になるという差です。プロンプトを長大に積む業務システムほど、この差が請求額に直結します。
もう一つが、前世代比で12%少ないトークン消費です。同じ仕事を短い出力で終える分だけ、単価×トークン数の両側からコストが落ちます。
伸びしろは「エージェント」に出ている
改善は全カテゴリに及びますが、最も大きな伸びはエージェント的タスクでした。実務的なオフィス業務を測るベンチマークGDPvalでは、Eloが1,189から1,559へと370ポイント上昇しています。ハルシネーションの頻度も減ったとされています。
つまりこのアップデートは「賢いチャットボット」の改良ではなく、ツールを呼び、複数ステップを回し、業務成果物を作る用途に寄った改良です。エージェント用途はトークン消費が読みにくく、コストが暴れやすい領域でもあります。そこで「単価が安く、キャッシュが効き、出力トークンも減る」モデルが出てきた意味は小さくありません。
見落としてはいけない点
1点差というスコア差は、ベンチマーク上の話です。自社の業務プロンプトで同じ差になる保証はありません。またMITライセンスで重みが公開されている以上、APIを使うか自社環境に置くかという選択肢が生まれますが、2,840億パラメータのモデルを自前で回す運用コストは別途発生します。安いのはあくまでタスクあたりの推論単価である、という切り分けが必要です。
💼 事業会社視点：これは自社にどう効くか
まず動くべきは、LLMコストが月次で読めなくなっている事業部門です。 特にECの商品説明・レビュー要約生成、SaaSのサポート自動応答、受託開発のコード生成支援は、いずれも「同じ前提文を大量に反復投入する」典型的な形をしています。ここは98%キャッシュ割引が最も効く領域で、GPT-5.6 Luna基準で組んだ原価計算がそのまま6割落ちる可能性があります。今期のAI予算を握っている役員は、まず現行ワークロードのうちキャッシュヒット可能な前提文の比率を出させるべきです。この数字がないと、乗り換え判断も値下げ交渉もできません。
次に、エージェント案件を持つ受託開発・SIerです。 GDPvalで1,189→1,559という伸びは、「単価が安いモデルは複数ステップの業務タスクを任せられない」という前提が崩れつつあることを示します。見積の前提を作り直す時期です。
一方で、日本企業には固有の制約があります。 中国発モデルをAPI経由で業務データに触れさせる判断は、金融・医療・公共向けでは通りにくいのが現実です。ただしMITライセンスで重みが公開されている以上、「使わない」の前に「自社環境で動かした場合の総コストはいくらか」を試算する余地はあります。全面移行ではなく、まず社内向け・非機密ワークロードで単価差を実測し、主力モデルとの二本立てで交渉材料にする——これが現実的な一手です。