DeepSeek V4.1 Flash 対 DeepSeek V4 Flash：1週間経過時点の独立測定

この比較が答えるために書かれた問い——DeepSeek V4 Flash から DeepSeek V4.1 Flash へ移行すべきか——は、今週さらに短くなった。DeepSeek が尋ねられもしないのに、その一部に答えたからだ。2026年9月14日 04:00 UTC 以降、廃止された deepseek-v4-flash 識別子宛ての API 呼び出しは DeepSeek V4.1 Flash によって処理され、deepseek-v4-pro 宛ての呼び出しも同様で、どちらも Flash の料金で課金される。ベンダー自身のエンドポイント上では、静かに立ち止まっていることはもはや選択肢の一つではない。まだ本当に未解決なのは、新しいモデルがローンチ時に主張した点で優れているかどうかだ——そしてそこで、最初の独立した測定結果が今や出ており、それはローンチの物語をきれいに半分に分けている。

以下のすべての数値には日付が付いています。過去7日間で状況が動いたからです。ベンダー報告の数値には「ベンダー報告」、コミュニティの数値には「コミュニティ測定」とラベルを付けています。そしてそれぞれは、この記事の以前の版から引き継いだのではなく、それぞれ独自の情報源から読み取ったものです。DeepSeek V4.1 Flash は2026年9月10日に一般提供を開始しました — 6日前のことです — そして9月9日以降、状況は十分に落ち着いたため、この比較の以前の草案は今や2つの点で誤解を招くものになっています。その1つは速度で、しかもローンチが望んだ方向に誤解を招いています。

9月9日から今日までの間に閉鎖されたものは何ですか

この組み合わせが最初に記事にまとめられた時点では、6つの未解決の疑問があった。今ではその6つすべてに答えが出ており、悪い知らせはそのうちの1つだけだ。

• 一般提供開始 — 確認済みで日付も明記。DeepSeek自身の変更履歴には2026-09-10のリリースとして記載されており、このモデルはApp、Webクライアント、APIで識別子deepseek-flashとして稼働しています。

• 料金表 — 発表どおりに登場した。ローンチ前に出回っていた料金は、ローンチ前のリークとして報じられていた。それらは今や公開された料金表であり、2つ下のセクションにある数字でもある。

• オープンウェイト — 回答済み。重みはMITライセンスの下でHugging Faceに公開されており、技術レポートも併せて提供され、ゲートもアクセス申請フォームもない。

• 独立した測定 — 届いた。Artificial Analysis は今や DeepSeek V4.1 Flash を実行した。これは9月9日の記事における唯一最大の空白だった。以下で論じるが、それはローンチが示唆していたことを述べていない。

• ルーティング — 有効化。ローンチ発表で近日実施とされていたDeepSeek V4 Proトラフィックのリダイレクトが、日付付きで現在実施されています。

• サービング対応 — 出荷済み、ただし注意点あり。NVIDIAのvLLM、SGLang、Dynamoはいずれもday-zeroのパスを提供したが、ローカルランナーに関する実情は「day-0サポート」という言葉から連想されるほど厚いものではない。

変わっていない点が2つあり、それは数字の前に置くべきだ。DeepSeek V4.1-Pro は依然として未リリースだ。DeepSeek 自身の資料では、Pro リダイレクトは「V4.1-Pro が出荷されるまで」稼働すると説明されており、今日時点でまだ何も出荷されていない。そして DeepSeek V4 Flash は存在しなくなったわけではない — その重みは依然としてオープンで MIT ライセンスであり、セルフホストしている人は誰でも動かし続けられる。終わったのは、ベンダーによるそれへの API 経路だ。

内部では：より速いモデルではなく、別のモデル

9月9日の比較では、DeepSeek V4.1 FlashはDeepSeek V4 Flashのスピードダイヤルを上げただけのものではないと論じられていたが、その後に一週間分にわたって公開された詳細によって、それが具体的なものになった。古いモデルは284BパラメータのMixture-of-Expertsで13Bがアクティブなもの、つまりV4-Flash-0731のポストトレーニング更新版だが、後継モデルはDeepSeekがCausal Encoder-Decoderと呼ぶ新しいアーキテクチャである。20層のデコーダ上に積み重ねられた20層の因果エンコーダ、計40のTransformer層を備え、デコーダのKVキャッシュは層ごとに計算されるのではなく、エンコーダの最終隠れ状態から射影される。その最後の詳細こそ、効率性に関する主張の根拠である。

• アクティブパラメータ — DeepSeekによると、prefill時はトークンあたり約8B、decode時は16Bがアクティブで、これは552Bのバックボーンパラメータに対してのものです。DeepSeek V4 Flashは284Bのバックボーン全体で13Bをアクティブにします。

• KVキャッシュ — DeepSeekは、新しいビルドが前のFlash世代のHBMの4分の1、SSDの8分の1で済むと報告している。そのうちどちらが永続ストレージ側の数値なのかを押さえておこう。ターン間でディスク上に保持できるコンテキスト量を左右するのは、8倍削減のほうだ。

• 入力 — テキストと画像を1つのモデルでネイティブに処理。DeepSeek V4 Flash はテキスト専用で、画像を扱うには別途実験的ビルドの DeepSeek-V4-Flash-Vision-Exp が必要でしたが、これも今では本体とともに廃止されています。

• コンテキストと出力 — コンテキスト 1,048,576 トークン、出力上限 384,000 トークン。DeepSeek V4 Flash が公表したのと同じ見出しの形。

• 重み — MIT、Hugging Face で公開。

上記のすべてのサイズベースの比較には1つの注意点があり、脚注ではなく率直に述べておく価値がある。552Bというバックボーン数値はベンダーによるものである。チェックポイント自体のファイル一覧は合計約510GBであり、これは552Bパラメータの素朴な解釈が示唆するよりも小さい。なぜなら重みはすでに量子化された状態で提供されるからである。また、DeepSeekのモデルカードは別途、196BパラメータのEngram条件付きメモリテーブルを宣言している。これはネットワーク内の2箇所で参照されるトークンアドレス方式のルックアップであり、テキストが流れる層ではない。ベンダー自身の2つの数値を合計すると748Bになり、これは信頼できるコミュニティ分析が552Bという見出しに異議を唱えたときに到達したまさにその読みである。Hugging Faceのモデル専用ページでは、サイドバーに第3の数値763Bが表示されている。3つの数値はすべて擁護可能であり、コンピューティングスタックを数えているのか、メモリテーブルを数えているのか、ディスク上のファイルを数えているのかによって異なる。スペック比較における「552B」は、ダウンロードサイズではなく、ベンダーのバックボーン数として扱うこと。

そのカードの2行はローンチ当日には未解決の課題でしたが、その後どちらも埋まりました。重みはMITライセンスの下で公開されており、最初の第三者スコアも存在します。速度の行は逆の方向に進んだもので、以下で独立したセクションを設けて扱います。

レートカードが確定しました — そしてそれは依然として1枚のカードです

先の比較の核心的な知見は依然として有効で、今では噂以上のものになっている。DeepSeek V4.1 Flash と DeepSeek V4 Flash は、2種類ではなく単一の Flash 階層の料金表に基づいて課金され、古い識別子は今や新しいモデルへの別名になっているため、deepseek-v4-flash をまだ呼び出しているものも新料金表で課金される。これらは DeepSeek が公表した数値で、2026年9月10日 04:00 UTC に発効する：

• キャッシュヒット入力 — オフピーク時は100万トークンあたり$0.003、ピーク時は$0.006

• キャッシュミス入力 — 100万トークンあたり$0.15（オフピーク時）、ピーク時は$0.30

• 出力 — オフピーク時は1Mトークンあたり$0.60、ピーク時は$1.20

• ピーク時間帯 — 平日の01:00～04:00および06:00～10:00 UTC。週末と祝日は24時間を通じてオフピークです。

オフピークの列は引用される側で、ピークの列は実際に効いてくる側だ。ヨーロッパやアジアの朝の勤務時間はピークの時間帯に重なり、料金は倍になる。つまり、ほとんどのチームが実際にトラフィックを流しているまさにその時間帯に、見出しの入力 $0.15 が $0.30 になってしまう。ワークロードが本当に UTC の夜間に走るのでなければ、ピークの列を基準に予算を組もう。

変更前に DeepSeek V4 Flash が請求していた料金表——オフピーク時で100万トークンあたりキャッシュヒット $0.007、キャッシュミス $0.22、出力 $0.66——と比べると、新しい料金表はキャッシュ済み入力を約57%、キャッシュミス入力を約32%、出力を約9%削減している。つまり後継モデルは、置き換えるモデルよりトークンあたりで安く、その差はエージェントループが絶えず読み直すトークンでは大きく、生成するトークンでは控えめだ。これが「Flash 値下げ」という話の実態である。すなわち、出力の割引が付随したキャッシュヒットの値下げなのだ。

そのキャプチャは、9月10日の値下げ前の時点でのカードです。つまり、8月を通じて DeepSeek V4 Flash の請求基準となっていた料金表で、比較の「ビフォア」側としてここに残しています。「アフター」側は上の4つの箇条書きです。

ベンチマークが実際に何を示しているのか、そして誰がそれを実施したのか

ベンチマークの全体像は、しばしば一括りに引用される二つの半身から成り立っており、両者の立場は大きく異なっている。

前半はDeepSeek自身の評価表で、リリース時に公開された。そこではDeepSeek V4.1 FlashがDeepSWE v1.1で74.2を記録し、Claude Opus 5の74.0、GPT-5.6 Solの73.0、Kimi K3の67.5、GLM-5.3の66.9、DeepSeek V4 Pro 0813の62.7、DeepSeek V4 Flash 0731の54.4を上回っている。これらはベンダーが実行した数値で、最大推論エフォートで測定されたものであり、同じリリースでは、同一チェックポイントが8つの異なるエージェントスキャフォールドにわたって65.5から74.2の範囲のスコアを記録したと報告されている——最も適合するスキャフォールドでは74.2、Claude Codeでは69.8、Codexでは65.6、OpenCodeでは65.5。ベンダーが実行したスイートで、8つのスキャフォールドのうち最も有利なものから得られた、Claude Opus 5に対する0.2ポイントの差は、Claude Opus 5に対する優位を確立するものではない。それは、すべてが新Flashに都合よく設定されたとき、エージェントコーディングにおいて新Flashがフロンティアと競争力があることを示している——これは実質的な結果であり、「Opus 5を上回る」という響きよりもはるかに小さいものだ。

後半は、9月9日には存在しなかった部分だ。Artificial Analysisは今回、DeepSeek V4.1 Flashを独自に測定し、Intelligence Indexで40と評価している。DeepSeek V4 Flash 0731の35に対してであり、測定された113モデル中6位で、置き換えるモデルの8位に対して、同程度の規模のオープンウェイトモデルの中央値18を大きく上回る。これが、この記事の以前の版がまだ存在しないと述べていた数字であり、後継モデルに有利な形で広範な問いに決着をつける。第三者による推論・知識・数学・コーディングの総合評価において、新しいビルドは測定可能なほどより強いモデルである。ただしフロンティアの問いには決着をつけない。同じリーダーボードではKimi K3とGLM-5.3がそれより上位にあるからだ。

スピードの話は測定に耐えなかった

ここが、先の比較を拡張するのではなく修正すべき点である。その骨子は、両モデルが同じ料金表を共有し、速度で分かれるというものだった。DeepSeek V4 Flash は毎秒およそ120～140出力トークンと測定され、DeepSeek V4.1 Flash の初日テスターたちは280～500、ピークでは500超を報告した。その差は再現しなかった。

Artificial Analysisの測定では、DeepSeek V4.1 Flashは毎秒214.4出力トークンを生成し、DeepSeek V4 Flash 0731は毎秒214.9を生成する——両方の数値を生み出した同一の方法論において、毎秒0.5トークン差という互角の結果だ。初日のコミュニティによる計測が何を測っていたにせよ、それは同一条件での比較ではなかった。毎秒トークン数は、プロバイダー、ハードウェア、バッチサイズ、同時実行数、そして回答のうち推論トークンがどれだけを占めるかによって変動し、ローンチ週の数値はその5点すべてが異なる構成から得られていた。正直に修正するなら、ローンチ時に示唆されたスループット上の優位性は、独立した計測では見えていない。2倍から3倍の速度を期待してDeepSeek V4.1 Flashに移行した人は、それを前提とする前に、自分のトラフィックで再計測すべきだ。

コストの全体像は速度の全体像よりも興味深く、しかも単純な勝利でもない。Artificial Analysisのトークンあたりの入力値——新モデルは入力$0.30、出力$1.20で、旧モデルは$0.44と$1.32、いずれもピーク時——では、DeepSeek V4.1 Flashのほうがトークンあたりでは安い。しかし、Intelligence Indexタスクあたりの実測コストは$0.27対$0.22と、わずかに高くなる。新しいモデルのほうがよく喋るからだ。インデックス全体で出力トークンは250Mで、前身は240Mであり、リーダーボードが計測するなかでもより冗長なモデルの一つである。より安いトークンがより頻繁に使われるからといって、自動的にタスクが安くなるわけではない。そのどちら側に立つかは、あなたのワークロードが再読み込みされるコンテキスト——ここではキャッシュヒットによる57%削減が効く——に支配されているのか、それとも生成出力——ここでは冗長さが割引を食いつぶす——に支配されているのかに、完全にかかっている。

Day-0サービング対応、そしてそれが実際にどれほどの価値を持つのか

すでにDeepSeek V4 Flashをセルフホストしているなら、移行が安く済むかどうかを決めるのはこのセクションであり、答えはこうだ。通常より安いが、無料ではなく、多くの人が「ローカル」と聞いて思い浮かべるランタイム上で動くわけでもない。

• NVIDIA vLLM — リリース済みパッケージではなくプレビュー版 Docker イメージとして day-zero の経路を提供。リリース時点でそのアーキテクチャのサポートはメインラインにマージされていないため、それを含む pip install は存在しない。単一ではなく複数の NVIDIA プラットフォームで検証済みで、重みに約 614GB のメモリ下限、さらにヘッドルームを要する。

• SGLang — デイゼロのプレビューイメージとcookbookエントリ。開発期間中の測定値は不安定だとベンダーが判断したため、性能数値を付けずに公開された。GB300クラスのハードウェアで検証済みで、その他のハードウェアはまだ確認中と記載されている。

• NVIDIA Dynamo — 既存のFlashおよびProレシピと並ぶ、デイゼロデプロイレシピ。

• その他のシリコン — Cambriconは同日、vLLMによるデイゼロ対応を報告した。

• Ollama と llama.cpp — その隔たり。Ollama はモデルを一覧に載せているが、それはクラウドパススルーとしてであり、Ollama のサーバー上で動作するのであって、あなたの環境ではありません。llama.cpp のアーキテクチャ対応はまだマージされていないため、上流のローカル実行パスはまだ存在せず、コミュニティによる GGUF 変換は存在しても、それらをエンドツーエンドで実行するリリース済みランタイムはありません。

実用的な見方としては、フレームワークのエコシステムは異例なほど速く動いており、マルチGPUノード上でvLLMやSGLangにデプロイしているなら、ローンチから数日以内に文書化された道筋が用意されている。DeepSeek V4 Flashのデプロイ先がllama.cppやOllamaのマシンなら、同等のものはまだ存在せず、約510GBのチェックポイントということは、そのハードウェアが示唆する規模ではそれが存在する可能性は低いことを意味する。重みもまた、同じ形の問題ではない。合計284BのDeepSeek V4 Flashはシングルノードで成立する話だが、新しいビルドは、Engramテーブルを加える前のバックボーンだけで552Bあり、そうではない。

ルーティングが動きました。そして、それはあなたのために動いたのです

このローンチで最も報道されていない部分は、依然としてDeepSeekが自社モデル間でトラフィックをルーティングしているという点であり、9月9日とは異なり、今度は日付が明示されている。9月14日04:00 UTCから、deepseek-v4-pro宛てのAPIリクエストはDeepSeek V4.1 Flashによって処理され、Flashの料金で請求される。DeepSeekはこのポリシーをV4.1-Proが出荷されるまで続くと説明している。DeepSeek V4 FlashとDeepSeek-V4-Flash-Vision-Expは完全に廃止され、それらの識別子は互換性エイリアスとしてのみ存続し、同じく新しいモデルに解決される。

これを、この記事が存在する理由である問いへの答えとして読んでほしい。1週間前、Proの呼び出し元は自動的に切り替わり、Flashの呼び出し元は判断を迫られた。今日、ベンダーは両方のためにその判断を下した。つまり、API上での実運用上の選択はもはや「V4 FlashかV4.1 Flashか」ではない。あなたのプロンプト、評価、コストモデルが再トレーニング済みモデルに対応できるのか、それともまったく別のフォールバックが必要なのか、ということだ。

これはルーティング層がベンダーをまたいで適用するのと同じ論理であり、OrcaRouter のようなプラットフォームがその価値を発揮する部分でもある。OrcaRouter の DeepSeek V4.1 Flashは DeepSeek の定価 — 入力 100 万トークンあたり $0.15、出力 100 万トークンあたり $0.60 — を 0% のマークアップでそのまま通しており、だからこそベンダーの値下げは、彼らの側に反映されたその日にこちらの側にも反映される。OrcaRouter の DeepSeek V4 Flashは移行中も同じキーで呼び出せるため、切り替えは 2 つ目の契約ではなくモデル文字列の変更で済み、OrcaRouter の DeepSeek V4 Proは、ベンダーのリダイレクトが新しいモデルを Flash の料金で提供している間も掲載が続く。プロバイダーをまたぐ自動フェイルオーバーは、初日の挙動に本番経路を賭けることなく、再トレーニングされたモデルを実トラフィックで試すための安上がりな方法だ。トラフィックの一部をルーティングし、その背後に実績のあるモデルを置き、新しいプロンプトが期待どおりに機能するかを見極める間、エッジケースはフォールバックに任せればよい。

どちらを呼ぶべきですか？

もし正直な答えが依然として「誰にとっても、どちらでもよい」だったのなら、この更新は公開する価値がなかっただろう。今週、その決定は二度揺れた——一度は後継者に有利に、一度は不利に。

DeepSeek V4.1 Flash へ移行する根拠は、ローンチ当日よりも今のほうが強くなっており、それはベンダー公表の表ではなく、独立系の数値に基づいている。Intelligence Index での40対35は、利害関係のない第三者によって測定された実際の差であり、このモデルは同じカード上で取って代わるモデルよりもトークンあたりのコストが安く、画像入力にはもはや2つ目のモデルが必要なく、サードパーティの測定はいずれも、スループットにおいて2～3倍速いのではなく、少なくとも前身と同等であることで一致している。新しいワークロードを始める場合、あるいは画像に DeepSeek-V4-Flash-Vision-Exp を使っていた場合は、移行は簡単で、移行コストはモデル文字列1つ分だ。

一時停止すべきだという論拠は以前より狭く、より具体的になっている。プロンプト、ツール呼び出しスキーマ、評価をV4-Flash-0731に合わせて調整していたなら、再トレーニングされたモデルは速度の変化ではなく振る舞いの変化だ——プロンプトの効き方、拒否の境界、出力長がすべて変わり、新しいモデルがより饒舌であるという事実自体が振る舞いの変化であり、それは品質指標に現れるより先に請求書に現れる。また、llama.cppやOllamaでセルフホストしている場合、あるいは予算がキャッシュされた入力ではなく出力トークンに依存している場合、移行の経済性はローンチ時の見出しが示唆したものとは異なる。自分のトラフィックを1日分、両方に通して、1ドルあたりの受理された補完数を比較すれば、上のどの表よりも多くのことを教えてくれる。

ほとんどのチームにとって、1週間が経った時点で擁護できる立場は、声高などちらの立場でもない。DeepSeek V4.1 Flash は、独立した証拠が今やそれを支持しているのだからデフォルトとして扱い、DeepSeek V4 Flash はすでにうまく提供しているものをそのまま提供し続ける——その重みは今もそこにあり、今も MIT ライセンスのままだ——そして、ローンチ週のコミュニティの数値や単一のリーダーボード行のどちらかを信頼するのではなく、自分たちのワークロードでスループットを再測定するのだ。後継モデルは本当に優れている。ただ、ローンチ時に示唆されていたよりも、優れている幅が小さく、優れている箇所も異なるだけだ。