DeepSeek V4 Flash 非思考モードのエイリアス — 1M コンテキスト、強力な指示追従とコーディング (レガシーエイリアス、廃止予定)。
DeepSeek V3は、DeepSeekが開発したMixture-of-Expertsテキストモデルであり、非常に長いコンテキストを理解し生成するタスク向けに設計されています。1,048,576トークンのコンテキストウィンドウにより、1回のパスで書籍全体、大規模なコードベース、長い会話履歴を処理できます。モデルは最大384,000トークンを出力し、レポート、記事、複雑な構造化データの生成に適して…
DeepSeek V3は、100万トークンのウィンドウにより、長いコンテキストにわたる推論に優れています。数百ページにわたるテキスト全体で一貫性を維持できるため、文書全体の要約、複雑なストーリーの追跡、大規模なコードリポジトリの分析に最適です。MoEアーキテクチャにより、タスクの異なる部分を専門化された「エキスパート」サブネットワークに委任し、効率を向上させます。また、384kトークンの高い出力制限をサポートしており、長文のレポート、書籍、または広範な応答を含むマルチターン対話の生成を可能にします。特に数学的推論とコード生成に強みがあり、DeepSeekがトレーニングに注力してきた分野です。
短いQ&A、分類、軽い要約のような単純なタスクには、より小さなモデル（例：Llama 3.1 8BやGPT-4o mini）の方がコスト効率が良く高速です。DeepSeek V3は長いコンテキストと高出力向けに最適化されています；100トークンの回答に使用するとその能力を無駄にします。リアルタイムのレイテンシが重要でコンテキストが短い場合は、オーバーヘッドの低いモデルを検討してください。さらに、マルチモーダル入力が必要な場合、DeepSeek V3は適していません。
最適なユースケースとしては、法的契約書、研究論文、書籍全体など、文脈全体を考慮する必要がある非常に長いドキュメントの処理が挙げられます。また、高度なカスタマーサポートやインタラクティブなストーリーテリングなど、最大1Mトークンの会話履歴を保持するマルチターンチャットアプリケーションにも効果的です。大規模なコードベースにわたるコード生成と分析も、大規模コンテキストの恩恵を受けます。加えて、レポート作成、記事作成、構造化データ生成（JSON、XMLなど）といった長文生成を必要とするタスクにおいても、384kの出力上限を最大限に活用できます。
このリストにはDeepSeek V3の具体的なベンチマークスコアは記載されていません。ただし、DeepSeekから公開されている情報によると、V3は推論ベンチマーク（例：MATH、GSM8K）、コーディングベンチマーク（例：HumanEval、MBPP）、言語理解タスク（例：MMLU）で競争力のある結果を達成しています。そのMoEアーキテクチャにより、より多くの総パラメータを持つ高密度モデルと同様のパフォーマンスを、トークンあたりの計算量を抑えながら実現しています。詳細な数値については、公式のDeepSeek論文をご参照ください。
レイテンシは、入力長、出力長、および現在の負荷に依存します。DeepSeek V3はMixture-of-Expertsアーキテクチャを採用しているため、トークンごとにパラメータのサブセットのみを活性化し、これにより同じ総パラメータ数の高密度モデルと比較して、一般的に生成速度が速くなります。OrcaRouter上では、レイテンシはネットワーク状況や負荷分散にも影響を受けます。短いコンテキストではモデルは迅速に応答しますが、長いコンテキスト処理では初期エンコード時間が入力長に比例します。具体的なレイテンシ値は示されていませんが、ユーザーはこのサイズのモデルとして妥当なパフォーマンスを期待できます。
強みとしては、巨大なコンテキストウィンドウ（100万トークン）、高い出力制限（384kトークン）、MoE効率性によるトークンあたりの低コスト、優れた推論・コーディング性能が挙げられます。 制限事項：テキストのみの入力（画像、音声は不可）、大規模な稠密モデルと比較した場合の知識の深さ低下の可能性、非常に短いタスクには過剰で適さない場合があること。 さらに、高度に繊細なタスク（例：クリエイティブライティング、感情表現）では動作が変わる可能性があり、ユーザーによるテストを推奨します。
料金は、入力トークン100万トークンあたり$0.14、出力トークン100万トークンあたり$0.28です。これらの料金はプロバイダーのレートで請求され、OrcaRouterによる追加マークアップはありません。入力トークンにはプロンプトが含まれ、出力トークンはモデルが生成したテキストです。例えば、500,000トークンの入力と100,000トークンの出力の場合、$0.07（入力）＋$0.028（出力）＝$0.098となります。トークンはプロバイダーのトークナイザーによってカウントされることに注意してください。
大規模なコンテキストウィンドウを考慮すると、常にフルの1Mトークンを使用するとコストがかさむ可能性があります。しかし、多くのユースケースでは、平均的な入力サイズはより小さくなります。トークンあたりのコストは、特に同程度の能力を持つ高密度モデルと比較して競争力があります。これはMoEモデルであるため、トークンあたりの計算コストが低く、OrcaRouterはそれをゼロマークアップで提供しています。タスクに必要なトークンが数百程度であれば、より安価なモデルの方が経済的かもしれません。長いコンテキストのタスクには、DeepSeek V3が最良のコストパフォーマンス比を提供することが多いです。
OrcaRouterはDeepSeek V3のキャッシュ割引を個別に宣伝していません。キャッシュが存在する場合、それはプロバイダー（DeepSeek）のポリシーに従うものであり、適用されるかどうかは不明です。ユーザーは標準のトークン単位の課金を想定する必要があります。コスト最適化のためには、不要な入力を削除してコンテキストウィンドウを効率的に再利用することを検討してください。
OrcaRouterのOpenAI互換APIをベースURL https://api.orcarouter.ai/v1 で使用してください。モデルIDは "deepseek/deepseek-chat" に設定します。公式のOpenAI Pythonクライアントや、OpenAIのチャット補完をサポートする任意のライブラリを使用できます。Pythonの例: ```python import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_ORCAROUTER_API_KEY") response = client.chat.completions.create(model="deepseek/deepseek-chat", messages=[{"role":"user","content":"Hello"}]) ```
モデルは標準のチャット完了パラメータをサポートしています: temperature、top_p、max_tokens、stop、frequency_penalty、presence_penaltyなど。max_tokensは最大384,000まで設定可能です。モデルはテキストのみ対応のため、画像や音声の入力はできません。長いコンテキストの場合は、大きなメッセージ配列を送信できますが、トークン合計が1,048,576を超えないようにしてください。トークナイザーはDeepSeek独自のものと同じで、OrcaRouterがプロバイダーに従ってトークン数を処理します。
base_url を https://api.orcarouter.ai/v1 に変更し、モデルID を "deepseek/deepseek-chat" に変更してください。既存のコード構造（messages、parameters）はそのままにしてください。OpenAI Python クライアントまたは類似のものを使用している場合、他の変更は必要ありません。API キーが OrcaRouter に対して有効であることを確認してください。トークン制限と価格を確認するために、小さなリクエストでテストしてください。ストリーミングを使用するアプリケーションの場合、レスポンス形式は OpenAI のストリーミングと同じです。
GPT-4oはテキスト、画像、音声の入力に対応していますが、DeepSeek V3はテキストのみです。GPT-4oのコンテキストウィンドウは128kである一方、DeepSeek V3は1Mをサポートします。GPT-4oの価格は変動しますが、一般的にトークンあたりのコストは高めです。DeepSeek V3のMoEアーキテクチャは、長いコンテキストにおいてレイテンシを低減できる可能性があります。推論とコーディングの分野では両者とも強力ですが、GPT-4oはより広範なマルチモーダル機能を持っています。極端に長いコンテキストと効率的なテキスト処理が必要な場合はDeepSeek V3を、マルチモーダルタスクにはGPT-4oを選んでください。
Claude 3.5 Sonnetは200kのコンテキストウィンドウを提供しており、DeepSeek V3の1Mよりも大幅に小さい。Claudeはテキストと画像の入力をサポートしているが、DeepSeek V3はテキストのみである。Claudeの価格はトークンあたり高く（例：100万入力トークンあたり3ドル）、DeepSeek V3はより安価である。Claudeは強力な指示追従と安全性で知られているが、DeepSeek V3は数学とコーディングに優れている。長いコンテキストのタスクにおいては、DeepSeek V3の方がコスト効率が良く、より大きな容量を提供する。
Llama 3.1 405Bは128kコンテキストウィンドウを持つ高密度モデルで、DeepSeek V3のコンテキストははるかに大きい。Llama 3.1 405Bはテキスト専用でもある。ホスティングサービス経由のLlama 3.1 405Bの料金は通常DeepSeek V3より高い。DeepSeek V3のMoEアーキテクチャはアクティブパラメータが少なく、生成が潜在的に高速である。両方とも推論に強いが、DeepSeek V3は拡張ウィンドウにより長文コンテキストの想起で優位に立つ可能性がある。極端なコンテキスト長にはDeepSeek V3を選択し、オープンウェイトアクセスや特定のファインチューニング済みバリアントにはLlama 3.1を選択せよ。
DeepSeek V3を、非常に長いコンテキスト（例えば、書籍全体や大規模なコードベース）を処理する必要がある場合や、長い出力（最大384kトークン）を生成する必要がある場合に使用してください。タスクが短い場合は、DeepSeek V2 LiteやLlama 3.1 8Bのような小規模モデルの方が高速で低コストです。また、マルチモーダル入力が必要な場合は、他のモデルを検討してください。コスト対効果の比率は、コンテキストが128kトークンを超える場合、または出力長が通常の制限を超える必要がある場合、DeepSeek V3が有利です。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="deepseek/deepseek-chat",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoninglogprobsmax_tokensreasoningresponse_formatstopstreamstream_optionstemperaturethinkingtool_choicetoolstop_logprobstop_puser_id| 入力 / 1M tokens | $0.147 |
| 出力 / 1M tokens | $0.295 |
| キャッシュ読み取り / 1M | $0.020 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@misc{orcarouter_deepseek_chat,
title = {DeepSeek V3 API},
author = {DeepSeek},
year = {2024},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/deepseek/deepseek-chat}
}DeepSeek. (2024). DeepSeek V3 API. OrcaRouter. https://www.orcarouter.ai/models/deepseek/deepseek-chat