何が起きたか
DeepSeekは7月31日にV4 Flashをパブリックベータで公開し、8月13日にV4 Proを一般提供しました。Flashは2,840億パラメータで大量処理と速度に、Proは1.6兆パラメータで複雑なワークフローに向けた設計です。両者とも推論の強度をlow／high／maxで切り替えられ、思考モード（CoT＝連鎖的思考）で回答精度を高める仕組みを持ちます。
公開直後からFlashはリーダーボードを制し、OpenRouterの週次トークン量では現在最も使われているモデルです。ML研究者のNathan Lambert氏はXで、初期V4 Flashの採用数を「異常」と評し、新バージョンは「GLM 5.2と同スコア」で「まさに怪物」だと投稿しました。
一方、Composioの検証は別の顔を示します。Claude Code、Codex、OpenCodeを含む8種のエージェントハーネス上で、Gmail・GitHub・Slack・Google Sheetsといった実サービスをまたぐ意図的に難しいマルチステップタスク30件を実行。計240ランのうち通ったのは129、全ハーネスで成功した業務フローは30件中わずか6件でした。
なぜ重要か
注目すべきは「同じモデルなのに結果が割れた」点です。ハーネス、ツール構成、キャッシュ挙動、リトライ、プロバイダースタックの違いで成績が大きく変わりました。つまり企業導入の成否を分けるのは、モデルの素の能力よりオーケストレーション側だということになります。
Greyhound ResearchのSanchit vir Gogia氏は、ベンチマークは本番の準備完了度の代理指標にはならないと指摘します。「モデルは美しいスコアを出しながら、ツールと認証情報と状態が部屋に入った途端に誤作動しうる」。同氏によれば、DeepSeek自身のドキュメントですら、ある人気エージェント環境について、組み込みのV4エントリのままでは互換性の上書きなしに安定動作しないと記しています。さらに同じオープンウェイトでもホストが違えばスループットと稼働率に差が出るため、Flashの採用は「誰が配信し、どこで動き、どんな統制で囲うか」という三つの問いを新たに開くと述べています。
値上げは「時間」を価格変数にした
新料金はFlashがオフピークで入力100万トークンあたり22セント・出力66セント、ピーク時は44セントと1.32ドル（57〜371%増）。Proはオフピーク66セントと1.98ドル、ピーク1.32ドルと3.96ドル（51〜355%増）。キャッシュヒットは52〜1,100%の上昇です。24時間のうち17時間は半額、という設計をDeepSeekは「より柔軟なワークロードのスケジューリング」を促すためと説明します。
Gogia氏はこれを単なる値上げではなく「推論のタイミングを経済変数に変える価格アーキテクチャ」と表現します。バッチ評価、合成データ生成、夜間の開発ランのような後回しにできる処理は安い時間帯に寄せられますが、対話型エージェントや稼働中のオペレーションはずらせません。ちなみに新体系では、同社の母国市場が最も高い価格帯に置かれています。
テックアナリストのCarmi Levy氏は当初「信頼性をまだ探している段階のプラットフォームによる自殺的な一手」に見えると評しつつ、OpenAI、Anthropic、Google、Cohere、xAIなどと比べればあらゆる価格指標でなお大幅に安く、当面は導入の理屈が立つとします。ただし「優位はいずれ削られていく」。同氏はFlashを既存勢の全面置き換えではなく、ポイントソリューション向けの高性能な推論エンジンと位置づけ、初期採用は非機密の隔離されたワークロード、明確な成功指標、厳格な監督と権限統制、フォールバックモデルを伴う形になると見ています。
現場が学んだのは「賢さより信頼性」
MetaのソフトウェアエンジニアNaman Ahuja氏は、勤務先とは無関係の個人プロジェクトで、V4 Flashを推論・オーケストレーション層に据えた家庭自動化エージェントを構築しました。外出時にサーモスタットを「away」にし、Ringのセキュリティを起動し、ドアを閉めて施錠する——複数ツールをまたぐ一連の動作です。同氏の結論は明快で、モデルが「行動できる」ようになった瞬間から、知性と同じだけ信頼性が重要になる。構造化されたツール出力、実行が成功したかの検証、リトライと失敗処理、そして越えてはならない境界の明示が要る、と述べます。「失敗したテキスト応答は不便なだけですが、業務フローで失敗した行動は現実の結果を生みます」。
これは家庭のデバイスをチケットシステム、データベース、CRM、インフラAPIに置き換えれば、そのままエンタープライズの設計論になります。Ahuja氏は「価値あるAIエージェントの多くはチャットボットではなく、イベントに応じてAPIや業務システムを協調させるバックグラウンドエージェントになる」と見ています。
モデルは「選ぶ」ものから「振り分ける」ものへ
DeepSeek V4 Flashを含む100以上のモデルを単一APIで提供するEmpirioLabs AIのCEO、Adam Dalloul氏は、大きければ良いわけではないと言います。自社サイトの多言語翻訳にGPT 5.6 SolやOpus 5のような大型モデルは要らない。安価なサブエージェントを産み、タスクに応じて日常業務はFlash系、力が要る場面はPro系に切り替える。多くの企業が独自の社内ベンチマークを整備し、速度と精度の適所���見極めてルーティングし始めているとも語ります。同氏の企業顧客の一社は、各種モデルを試した結果、速度・コスト・「適切な知能の閾値」を満たす唯一の選択肢としてV4 Flashだけを求めたそうです。
Ahuja氏も、頻出する定型のエージェントタスクは小型で効率的なモデルに任せ、フロンティアモデルは「曖昧・困難・高リスクな判断」に温存すべきだと同意します。そして評価指標は、トークン単価ではなく「成功裏に完了したワークフロー1件あたりのコスト」に移ると指摘します。
Gogia氏の総括が現在地を的確に示しています。Flash APIはまだパブリックベータで、確立した企業採用や実運用、名前の出る顧客という証跡はない。「トラフィックでは主流、契約ではまだ未証明」というわけです。
💼 事業会社視点：これは自社にどう効くか
日本企業にとっての実務的な含意は三つあります。第一に、社内ベンチマークの内製化。Composioの検証で240ラン中129成功、全ハーネス成功はわずか6/30という結果は、ベンダーの公開スコアが自社ワークフローの成否を予測しないことを意味します。SaaS事業者や受託開発会社は、自社の代表的な30〜50タスクを実サービス（自社CRM、Slack、社内DB）で回す評価セットを持つべきです。これは一度作れば、モデル乗り換えのたびに再利用できる資産になります。
第二に、KPIをトークン単価から「完了ワークフロー単価」へ。53.8%の完遂率なら、実質コストは表示単価の約2倍に跳ね上がります。稟議書の比較表がトークン単価のままなら、意思決定の土台が間違っています。
第三に、時間帯シフトの再設計。24時間中17時間が半額という構造は、ECの商品説明文生成、問い合わせログの要約分類、夜間バッチ評価といった遅延許容の処理を安い時間帯へ寄せる余地を作ります。逆にチャット接客や受注処理は動かせません。情シス部門は「ずらせる処理／ずらせない処理」の棚卸しを今すぐ始める価値があります。
なお、Levy氏が指摘するように、中国発であることへの懸念は価格優位が縮むほど相対的に重くなります。非機密・隔離・フォールバック付きから始めるのが妥当な入口です。