何が公開されたか
DeepSeekがV4ファミリーの最新版として「DeepSeek-V4-Flash-0731」をリリースしました。同社は「substantially enhanced agentic capabilities（エージェント能力を大幅に強化）」と説明しており、単発の質問応答ではなく、ツールを呼び出しながら複数ステップの作業をこなす用途を明確に狙った位置づけです。
数字は3つ押さえれば十分です。パラメータ数3040億、Hugging Face上の配布サイズ167GB、そして価格が入力100万トークンあたり0.14ドル、出力0.27ドル。Artificial Analysisのランキングでは、パラメータ数で上回る4280億のMiniMax M3より上に位置しています。
なぜ重要か：「賢さ」ではなく「知能あたりのコスト」
このモデルの意味は、スコアの絶対値ではなく置かれた座標にあります。Artificial Analysisが用いるIntelligence Index（知能指標）とCost per Intelligence Index Task（同等タスクあたりのコスト）を2軸に取った図で、現時点で最も「知能あたりの単価」が優れたモデルではないか、という評価が出ています。
これが効くのはエージェント用途です。人が読むための文章生成なら消費トークンは知れていますが、エージェントは思考・ツール呼び出し・失敗のリトライを繰り返すため、1タスクで桁違いのトークンを消費します。つまりエージェント時代には、モデル選定の主要変数が「性能」から「性能÷単価」へ移ります。304Bが428Bを上回ったという事実も、同じ方向の示唆です。パラメータ数はもはや性能の代理指標として機能していません。
見落とされがちな論点：デフォルト設定で評価すると読み違える
実務上、最も重要なのは検証手順の話です。OpenRouter経由でデフォルトの推論レベルのまま試したところ結果は物足りず、推論レベルをhighに上げると大きく改善した、という報告があります。実行コマンドは llm -m openrouter/deepseek/deepseek-v4-flash-0731 -t pelican -o reasoning_effort high です。
これは「同じモデルでも、設定次第で評価が逆転しうる」ことを意味します。PoCでモデルを比較したチームが、片方をデフォルト設定、片方をチューニング済みで走らせていれば、その比較結果は無意味です。推論レベルを上げれば思考トークンが増え、当然コストも増えるため、「知能あたり単価」の評価もどの設定で測ったかとセットでしか成立しません。安さを理由に採用を決める前に、自社タスクで設定を振った実測を取る——手間に見えますが、ここを飛ばした比較表が社内の意思決定を歪めます。
💼 事業会社視点：これは自社にどう効くか
まずSaaS・自社プロダクト側から。 LLMを機能に組み込んでいる事業では、原価率が粗利を直接規定します。入力0.14ドル／出力0.27ドルという水準が実タスクで通用するなら、これまで単価を理由に見送っていた「エージェントが裏で数十ステップ回る」機能——問い合わせの自動一次対応、データ整形、社内システム横断の調査——が採算ラインに乗ります。役員が今すべきは値下げ交渉ではなく、「単価が1桁下がったら解禁できる機能」のリストを事業責任者に作らせることです。
ECや業務部門では、置き換え候補は人手の定型オペレーションです。商品説明生成、レビュー分類、受発注データの突合など、量が効く領域から試算し直す価値があります。
受託開発・SIerは、提案書のモデル前提が最も陳腐化しやすい部分になります。単一モデルに密結合した実装は避け、OpenRouterのような抽象層を挟んで差し替え可能にしておくことが、そのまま利益率の防衛策です。
一方で、DeepSeekは中国発のモデルであり、APIに顧客データを流す前に社内のデータ取り扱い規程との整合を取る必要があります。 ただし重みが167GBで公開されている以上、自社環境での運用という選択肢は残ります。「使えない」と切る前に、APIか自社ホストかを分けて議論してください。