DeepSeek V4.1 Flash: ポイントリリース番号を冠した真新しいベースモデル

DeepSeek V4.1 Flashは登場から6日が経ち、そのローンチが未解決のまま残した3つの疑問は今や決着した。うち2つは同社に有利な形で、1つは厳しく不利な形で。モデル自体は9月10日から変わっていない。オープンなMITライセンスの重みを持つ5520億パラメータのmixture-of-experts、100万トークンのコンテキスト、そしてベンダー自身のモデルカードが同社の言う「新アーキテクチャファミリー」の下に分類している新たなCausal Encoder-Decoderアーキテクチャだ。動いたのは、それを取り巻くすべてである。独立系の評価機関が、ローンチ当日の朝には存在しなかったスコアを公開した。同社は、自社の変更履歴で告知していたDeepSeek V4 Proの廃止を撤回した。そして、あの朝には存在しなかったday-zeroのサービング作業は、今や複数の主要な推論ランタイム上で動いている。その中で最も難しい2つの部分、Engramメモリテーブルと、本番デプロイが依存するprefill/decode分割は、今も公然と活発に作り直され続けている。

名称の不一致こそが、この記事が存在する理由だ。「V4 FlashからV4.1 Flash」をパッチ適用の一段階として読むのは自然なことだが、間違ったことでもある。バージョン番号は再調整から小数第1位しか離れていないのに、その下のアーキテクチャは一つのファミリーを打ち立てている。6日分の証拠はそれを和らげなかった。どころか、独立した数値はそれをより強固にした。なぜなら、自社ベンダーの1.6兆パラメータの旗艦を上回るモデルはポイントリリースではない——自ら名乗ることを拒んだ一世代なのだから。

9月10日に実際にリリースされたもの

これはリークではなく、ベータ版でもなかった。9月8日に始まった2日間のAPIテストは、モデルIDdeepseek-v4.1-flash-expires-on-0910で、その接尾辞が示すとおりに終了し、リリースはDeepSeekのWebアプリ、モバイルアプリ、ファーストパーティAPI全体に展開され、重みとテクニカルレポートの公開先はHugging Faceのdeepseek-ai/DeepSeek-V4.1-Flash。

実務的な詳細は6日間進展していない：

• モデル名 — deepseek-flash と呼びます。従来の名前 deepseek-v4-flash および deepseek-v4-flash-vision-exp は依然として受け入れられますが、以前と同じモデルには解決されなくなりました。両方とも廃止され、これらの名前を使用するリクエストはDeepSeek V4.1 Flashによって処理され、Flashレートで請求されます。

• 内容 — 100万トークンのコンテキストウィンドウ、最大38万4000トークンの出力、JSON出力、関数呼び出し、ネイティブ画像入力、そして、low、high、maxのエフォート設定を備えた、デフォルトで有効な思考モード

• ライセンス — MIT、重みも同梱、リポジトリには推論用フォルダと独立したエンコーディングモジュールがある。DeepSeek は初日からオープンソースコミュニティに推論サポートの構築を明示的に呼びかけ、コミュニティはその呼びかけが示唆していたよりも速くそれに応えた。

ポイントリリースではない.1

この記事の発端となった主張は、匿名ながら多くの人が注目するDeepSeekウォッチャーであるteortaxesTex氏が9月10日に投稿したものだ。その内容は、「DeepSeekが完全に新しいベースモデルに.1のリリースバージョンを付けるのは初めて」であり、V4.1は「例えばLLaMA 1に対するLLaMA 3よりも、V4との違いが大きい」、そしてDeepSeekは「これをV5に値するとは感じていない」— ただし、投稿者はその理由を説明できていない。

因果部分は推測として扱い、構造部分は検証可能なものとして扱うべきだ。その推測——DeepSeekがV5ではなく.1を選んだ理由——は、ひとりの観察者の見解に過ぎない。社外の誰もその決定を説明しておらず、DeepSeek自身の資料もこの点に一切触れていない。検証可能な部分はアーキテクチャであり、それはポイントリリースには見えない。DeepSeekのチェンジログはV4.1 Flashを「当社の新しいアーキテクチャファミリーの中で最小のモデル」と説明しているが、これはバージョンアップについて書くには奇妙な文だ。バージョンアップはファミリーを拡張するものであって、創設するものではない。

曖昧さには実際のコストが伴い、そのコストはDeepSeekではなく買い手にのしかかる。バージョン番号は、開発者にとって「これは新世代なのか、それとも再調整なのか、そしてどれだけの評価予算を割く価値があるのか」という問いに対する最も安価なシグナルだ。DeepSeekは今やそのシグナルを一方向において信頼できないものにした。つまり、アーキテクチャファミリーを確立するモデルは、ポストトレーニングのレシピを変更しただけのモデルと、小数点一桁分しか離れていない。同社はV5のマーカーを温存しておくことができる。移行評価を行う全員が、その混乱の代償を払うことになる。

「新しいアーキテクチャ」が重みにおいて何を意味するか

モデルカードは異例なほど具体的で、それによってベンチマークを一つも使わずに「世代の飛躍」という主張を検証できる。際立つ点は5つあり——5番目はローンチ時の報道がほとんど取り上げなかったものだが、このモデルを提供しようとする人にとって最も重要だと判明するものだ。

• 非対称アクティベーション — Causal Encoder-Decoder分割は、20層の因果エンコーダーとそれに続く20層のデコーダーで構成される40層のトランスフォーマーであり、デコーダーのグローバルKVキャッシュは各デコーダー層自身のものから導出されるのではなく、エンコーダーの最終隠れ状態から投影される。この設計の意図は、モデルがプリフィル中はトークンあたりわずか8Bパラメータのみを活性化し、デコード中は16Bを活性化することにある。入力が重いエージェントワークロード（長いドキュメント、長いツールトレース）はモデルの安価な半分を使用し、生成は高価な半分を使用する。

• KVキャッシュ圧縮（トークンあたりで測定）— DeepSeek-V4.1-FlashはFP4メインKVキャッシュをトークンあたり890バイトで実行しており、カードではDeepSeek V4 Flashのおよそ4分の1とされている。中国の報道はさらに踏み込み、初代V4モデルとの比較で437倍の削減として圧縮を位置づけた。この大きな数字はベンダー提供の計算に基づくもので、基準が異なるため、測定値ではなく主張として扱うべきだ。

• SWA Bounded Replay — スライディングウィンドウ・アテンションは通常、コンテキストを再構築するためにKV状態をSSDに永続化する必要があります。これに対し本手法では、最新ウィンドウのトークンのみをリプレイして欠落したSWA KV状態を再構築し、永続KVフットプリントをDeepSeek V4 Flashの約8分の1に削減します。

• Compressed Sparse Attention 2 — 各アテンション層は (Full、Reindex、Reuse) の 3 つの静的モードのいずれかで実行され、KV とインデクサーの状態を層間で共有します。階層型スパースインデクサーは、深い層のコストをコンテキスト長とは無関係に制限します。

• Engram — メモリを計算から分離して保つ条件付きメモリモジュールであり、アテンションや追加のエキスパートとしてではなく、モデルの残差ストリームにゲート制御して注入される n-gram ハッシュ探索として実装されている。SGLang 自身のアーキテクチャ解説によれば、2つの fp8 テーブルは189 GiBの重みを保持しており、このチェックポイントを移植したランタイムベンダーは、テーブルを552Bのバックボーンに追加される約196Bパラメータと見積もっている — だからこそ、モデルカードの見出しのパラメータ数はバックボーンの説明であり、ダウンロード全体の説明ではない。Engram は2つの層で訓練され、次数ごとに8つのハッシュヘッドにわたり2次、3次、4次の n-gram を使用し、同じように正規化されるトークンを統合することで、大文字小文字違いの変種が同じバケットにハッシュされるようにする。持ち帰る価値のある設計上の詳細は、それが課すコストである。すべてのデコードステップがこれらのテーブルを読み取るため、それらをどこに置くかで、残せる KV キャッシュの量が決まる。

その5つをまとめて読めば、戦略的な全体像が見えてくる。これはまず、スパース性、キャッシュ効率、メモリオフロードを軸としたアーキテクチャであり、後から同じ構造をスケールアップできるようにサイズ設計されている。「新しいアーキテクチャファミリー」という言及は実際に重要な役割を果たしている——さらなるものが控えているという表明なのだ。

独立した評価がついに発表された——そしてそれはベンダーを支持するものだった

4日前なら、このセクションはまったく違う内容になっていただろう。公開時点では、Artificial AnalysisはDeepSeek V4.1 Flashについて何も公表しておらず、Hugging Faceのモデルページには、このモデルが「どのInference Providerにもデプロイされていない」という注記がまだ残っており、そしてリリース全体の要となる主張——Flashティアのモデルが性能、コスト、速度、総タスク時間のすべてで1.6Tパラメータのフラッグシップを全面的に上回るという主張——は、外部監査のないベンダーの主張にとどまっていた。そうした3つのギャップは、その後すべて埋まった。

Artificial Analysisは今回、そのIntelligence Indexでこのモデルを測定した。手短に言えば、DeepSeekの主張は第三者との接触に耐えた：

• インテリジェンス指数 — DeepSeek V4.1 Flash は最大推論エフォートで40を記録し、比較クラス内の113モデル中6位、同等のオープンウェイトモデルの中央値18を大きく上回る。それが取って代わったと非難されたフラッグシップ、DeepSeek V4 Pro 0813は同じ指数で36を記録する。

• タスクあたりのコスト — Intelligence Index のタスクあたり、V4.1 Flash は $0.27 であるのに対し、V4 Pro 0813 は $0.67。これが、独立に再現された「能力あたりのコスト」の主張だ。つまりこの指標では、安価なモデルのほうが高性能であり、完了したタスクあたりのコストはおよそ 40% で済む。

• 速度 — 同等のモデルにおける中央値73.1 t/sに対して212.1出力トークン/秒、初回トークンまでの時間は中央値2.37秒に対して1.31秒。同じハーネス上で、V4 Pro 0813は94.4 t/s、TTFT 1.72秒を計測。

• 価格 — Artificial Analysisの記録では、入力トークン100万あたり$0.30、出力トークン100万あたり$1.20で、98%のキャッシュ割引が適用される。これは公開されているとおりのDeepSeekのピーク時料金表であり、サードパーティによる割増価格ではない。

そのラベルは正しく付け直す必要がある。ラベルが変わったからだ。これらは独立した測定値であり、ベンダーの公表数値ではない——ただし、単一のサードパーティ製ハーネス上での独立した測定値であって、一つの指標がモデルに対する最終判断になるわけではない。この測定が確定させるのは、リーダーボード上の順位よりも狭く、そしてより有用なことだ。すなわち、DeepSeekが自社の製品ラインを正当化するために用いた具体的な主張——Flashが能力とコストの両面でProを上回る——は、今や変更履歴だけに支えられているのではなく、外部からの裏付けを得たということである。

反対側にも正直な但し書きがあり、それは以前と同じベンダー報告から来ている。DeepSeek自身の数値では、V4.1 FlashはKimi K3との16件中13件の比較で勝利し、GLM-5.3との13件中11件でも勝利している一方、より新しいTerminal-Bench 3.0と4.0のタスクやProgramBenchでは、依然としてGPT-5.6 SolとClaude Opus 5に後れを取っている。これは一貫した形だ——このアーキテクチャが最適化されているコーディング、ターミナル、エージェント自動化の作業で最も強く、フロンティア推論タスクでは弱い——そしてそれは、本当の世代交代の一歩が持つべき形である。独立系インデックスは、すべてのセルを確定させることなく、その輪郭に同意している。

DeepSeekが発表し、その後撤回したProの廃止

こちらが、DeepSeek自身が示した計画に対して変更された部分であり、稼働中の統合に影響を与える可能性が最も高い部分です。

ローンチ時、DeepSeek は DeepSeek V4 Pro を API から廃止すると述べていた。北京時間9月14日12時以降、deepseek-v4-pro を指定したリクエストは V4.1 Flash にルーティングされ、Flash の料金で課金される — Pro のモデル名をハードコードしている人にとっては出力コストがおよそ70%削減される — そして将来の V4.1 Pro が出荷されるまで、そのルーティングが維持される。ローンチ当日の料金表では、Pro の出力100万トークンあたり3.96ドルが、ピーク時には Flash の1.20ドルにまで下落することを意味し、コード変更もなく、変更履歴の記載以外の通知もなかった。

それは起こらなかった。9月11日、DeepSeekは自社のオープンプラットフォーム上で通知を公開し、ユーザーの要望に応じて、課金体系を変更せずに9月14日以降もDeepSeek V4 Pro APIサービスを提供し続けると述べた。その通知は、切り替えの時点が過ぎた9月14日当日になってもプラットフォーム上に表示されたままだった。したがってこれは、一次情報による現行の声明であり、それに関する噂ではない。報じられている理由は、この話の中で最も驚きの少ないものだ。開発者たちは、ベンダーが本番環境の統合においてモデル名の背後にある重みを黙って差し替えることに反対したのであり、DeepSeek自身の複数当事者によるテストでは、V4.1 Flashが公開評価で勝利するところでも、V4 Proが一部チームの実際のワークロードで品質上の優位を保っていることが分かっていた。

実務的な解釈は、ローンチ当日の報道が勧めていたことの真逆だ。9月14日をカレンダーに入れて、Proにピン留めした統合を再テストするつもりだったなら、その期限は無効だ。DeepSeek V4 Proは依然としてDeepSeek V4 Proであり、価格も従来どおり。一方、V4.1 Proは今も発表されておらず、モデルカードもパラメータ数も日付も重みもない。変わっていないのは進む方向だ。DeepSeekがその製品ラインを新しいアーキテクチャに収れんさせる意図は明らかであり、旧アーキテクチャについて確認された唯一のことは、固定された日に移行を強制するつもりはないということだ。

それを提供する：189 GiBのn-gramテーブル、そしてまだ続く作業

ローンチ時点での可用性に関する説明は「ベンダーのAPI上でのみ動作し、それ以外では動かない」というものだった。それはもはや当てはまらない。そしてそれが当てはまらなくなった箇所は、このアーキテクチャについて示唆に富んでいる。

SGLangとMilesは9月10日、DeepSeek V4.1のday-zeroサポートを、モデル自体と同じタイミングで提供した — そのため、ローンチ時にHugging Faceのページに記載されていた「サードパーティによる提供なし」という注記は、数時間で古くなっていた。面白いのは、それが動くことではなく、動かすのにどれだけコストがかかるかだ。デコードの各ステップでEngramテーブルを読み取るため、SGLangのアプローチでは、それらをGPUメモリまたはホストメモリのどちらに置くかを選べる。ホストオフロードを使うと、ノード上のホストRAM約200 GBと引き換えに、GPUあたり約46 GiBをKVキャッシュ用に空けられる。4基のGPUを搭載したGB300構成では、ホストオフロードによりKVキャッシュ容量が36%増え、デコードスループットと最初のトークンまでの時間は同程度で、28件のgreedyプローブ補完はすべて全GPUベースラインと一致した。これはオプトインで、単一の環境変数で有効になり、デフォルトではない。vLLMは逆方向の並行作業を行っている — テーブルをホストRAMに保持するのではなく、ディスクからシャードをメモリマップする — これは同じことを2つの角度から示している。つまり、このモデルをどれだけ安く提供できるかの制約は、重みではなくEngramテーブルにある。

この話全体で最も新しい変更はここにあり、それらは小さいとラベル付けされるに値する小さなものだ。9月15日、SGLangのコントリビューターがプルリクエスト #39666 を開き、プロジェクトのDeepSeek V4.1ブランチにEngramモジュールと共有リクエスト履歴アダプターを追加した——7ファイル、+1205/−11で、このアダプターはスケジューラーとフォワードバッチ上で任意のn-gram履歴フィールドを公開し、プレフィックスヒット、撤回、スロット再利用をまたいでその履歴を再構築する。これはオープンで未マージであり、CI実行は失敗しており、9人のコードオーナーによるレビューを待っていた。著者自身の要約は限界について率直で、ルックアップチェックはリクエストライフサイクルの正確性を証明しないと述べている。これは9月15日にそのブランチで開かれた一連のDeepSeek V4.1プルリクエストの1つで、ほとんどは同じコントリビューターによるもので、モデル構築、ビジョンタワー、チャットエンコーディング、カーネル層にまたがっていた。

そして9月16日、サービングのより難しい半分の計画が公になった。ロードマップの issue #39700 は、B200 プラットフォーム上の DeepSeek V4.1 向け prefill/decode 分離を段階的なリストとして示している。まず prefill 側の context parallelism、次にその prefill 作業と MegaMoE、BCG、multi-stream の組み合わせ、その後 decode 側の項目で、その中には DP attention や CUDA-graph メモリが含まれる。第1段階は、プルリクエスト #39748 として登場し、タイトルは「[DSV4.1-PD-1/8] Support prefill node use cp parallel strategy」で、同じ日に同じ著者によって開かれた。これにより、分離デプロイメントの prefill ノードで context-parallel 戦略を実行できるようになる。参照構成は、TP4/EP4 の B200 8台で、flashinfer_mxfp4 MoE ランナーと DSPARK 投機的デコーディングを実行するものだ。prefill ノードは、Mooncake 転送バックエンド上で --disaggregation-mode prefill とともに --enable-prefill-cp --cp-strategy interleave を指定する。decode ノードは CP フラグを一切付けずに実行する。検証は gsm8k スコアリングに加え、テキストおよび画像パスの単体テストだ。Engram のプルリクエストと同様、これはオープンで未マージであり、現在は run-ci ラベルの欠落により CI でブロックされている。

それが何であり、何でないかをはっきりさせておこう。これは、すでにモデルを提供しているランタイムの内部にあるインフラの配管であって、DeepSeek V4.1 Flash が何をするか、いくらかかるか、使うべきかどうかについては何も変えない。この数行を割く価値があるのは、残っている鋭いエッジがどこにあるかを示しているからにすぎない。Engram 側では、n-gram 履歴が撤回やプレフィックスキャッシュの再利用をまたいで生き残ることが、デモと本番エンドポイントを分けるまさにその種の正確性のディテールだ。ディスアグリゲーション側の対象は、プレフィルとデコードを別々のプールに分けて、それぞれの半分を固有のボトルネックに合わせて並列化できるようにする運用者だ——その参照構成が B200 8 台から始まるデプロイであり、これは設定ファイルの一行ではなく資本の意思決定である。そしてこのシリーズは 1/8 と銘打たれているのに、ロードマップの issue ではその段階が 6 つの部分で列挙され、デコードの半分はまるごとまだ書かれていない。番号付けさえ暫定的なのだ。その資本の意思決定をしていないなら、あなたの座っている場所からはこのどれも見えない——DeepSeek V4.1 Flash は OrcaRouter 上で下記のパススルー料金で稼働しており、配管はエンドポイントの運用者側にとどまっている。

本日はDeepSeek V4.1 Flashを呼び出します

提供状況の記載は当社側でも変わり、しかもそれは、この記事の公開初日版の読者がそうならないと告げられていた方向への変化でした。OrcaRouterは9月10日時点でDeepSeek V4.1 Flashを取り扱っていませんでした — モデルページは「model not found」を返し、この記事はそう匂わせるのではなく、その事実を率直に記していました。今は取り扱っています：deepseek/deepseek-v4.1-flashはカタログで公開中で、100万入力トークンあたり0.15ドル、100万出力トークンあたり0.60ドルです。DeepSeek自身のプロバイダー料金をマークアップ0%でそのまま適用したもので、次にDeepSeekが価格を変更したときに確認すべき数字でもあります。登場以来、このプラットフォームでは54,982.2Mトークンが処理され、最初のトークンまでの時間はp50が811 ms、p95が3.03秒です。

同じレートカード以上のものを得られるというのは、つまり6日前のアーキテクチャを確定事項ではなく実験として扱えるということだ。フェイルオーバーとは、負荷がかかるとエラーを出し始めたV4.1 Flashの呼び出しを、デプロイなしで別のモデルに付け替えられることを意味する。ルーティングDSLとは、新しいモデルをトラフィックの一部に、既知のモデルを残りに充て、リーダーボード上ではなく自分の入力で両者を比較できることを意味する。そしてカタログ内のその他すべてのモデルが同じキーの背後に並び、DeepSeekシリーズの残り——DeepSeek V4 FlashとDeepSeek V4 Pro——も含まれるので、切り戻しは文字列の変更であって、二つ目の契約ではない。

ここでは、それがいつも以上に重要だ。6日分のニュースが具体化した2つの理由があるからだ。第一に、価格上の優位は実在するが、提供側がその料率を維持することを条件としており、これが守られないときに誠実さを保つのはパススルー型の取り決めだけだからだ。第二に、立ち上げ週の唯一の注意点が生き残っている。能力面の優位とコスト面の優位は今やそれぞれ独立に測定されているが、それらは1つのハーネス上で、名称は「マイナーアップデート」と言いながら、アーキテクチャはそうではないと言うモデルについて測定されている。新世代のようにルーティングせよ。実際にそうなのだから。そして、動かせるティアの背後に置いておけ。

何がまだ開いていますか

3つのこと。それぞれがあなたに伝える情報量の昇順で。

DeepSeek V4.1 Pro は、そのファミリーという主張を検証することになるだろう。DeepSeek V4.1 Flash は、新しいアーキテクチャファミリーの中で最小のモデルだと自称しており、そのファミリーの存在を証明することになる兄弟モデルには、依然としてモデルカードも、パラメータ数も、日付も、重みも、価格もない。それはまた、その工作が中止された今となっては、Pro ルーティングの工作全体が中心に据えていたモデルでもある。

2つ目の独立した評価がこのスコアを検証することになるでしょう。置き換えたモデルが36なのに対してIntelligence Indexが40というのは、1つのハーネス上では明確な結果ですが、このアーキテクチャが1世代先を行くのか、それともよく最適化された横方向の一歩なのかという問いに対しては、1つのデータ点にすぎません。2つ目の評価者に注目し、Engram-offloadのサービング経路が貪欲法によるプローブ上ではなく実際のトラフィック下で持ちこたえるかどうか、また現在プルリクエストで段階的に進められているprefill/decode分割が、普通のチームがデプロイできるパッケージングの話にまで発展するかどうかを注視してください。

そして、地味ながら有用な問いは、DeepSeekがまた同じことをするかどうかだ。別の新しいベースモデルに二度目の「.1」ラベルが付けられれば、それは異例を慣例に変える。そして慣例とは、開発者がそれを前提に計画を立てられるものだ。一つのモデルは好奇心の対象にすぎない。命名が有益な形で誤解を招くようになるのは、パターンができてからのことだ。

今のところ、実用的な見方は、あなたが誰かによってきれいに分かれる。DeepSeek V4 Proを使っているなら、その名前の背後にあるモデルは9月14日にも、発表されたどの日付にも変わることはない——DeepSeekはそれを覆したので、あなたの統合はそのままにしておいてよい。DeepSeek V4 Flashを使っているなら、あなたはすでに、同じ価格のまま、DeepSeekがスケールするために構築したアーキテクチャへ移されている。そしてV5を待っていたのなら、正直な答えはこうだ。DeepSeekはその世代を出荷したようで、名前を付けることはせず、その後、箱に書かれた番号が結局のところ重要だったと気づいたらしい。