DeepSeek-V4.1-Flash-1017公開：低コスト化が変えるAI競争と米国市場

2026年10月17日、DeepSeekが「DeepSeek-V4.1-Flash-1017」を公開した。9月10日に登場したV4.1-Flashの更新版で、推論、コーディング、エージェントによる作業、画像理解の性能を高めたという。PC Watchの報道では一部のコード関連評価でClaude Opus 5を上回ったことが紹介されているが、実用上は、その性能をどの程度の費用で利用できるかにも関心が向く。

今回、DeepSeekはAPI単価を据え置きながら、タスクの実行時間と出力の長さを減らしたと説明している。単価、必要なトークン数、仕事の成功率が同時に利用費用を左右するため、ベンチマークの順位だけでは更新の意味を捉えきれない。公式の更新履歴を基に性能と料金を整理し、半導体株が下落している米国市場と、中国国内のモデル競争への影響を考えてみる。

今回の公開で何が変わったのか

DeepSeekの公式発表によると、新版は公式Web、アプリ、APIへ投入され、モデルの重みも公開された。自己フィードバックを使う強化学習によって、ゲーム制作や3Dモデリングなど、プロジェクトを最初から完成まで進める能力を改善したとしている。DeepSeek Harnessに加え、TencentのCodeBuddy、WorkBuddy向けの最適化も告知された。

APIでは、公式の利用手順に従い、モデル名にdeepseek-flashを指定すると1017版を利用できる。OpenAI互換形式の接続先はhttps://api.deepseek.com、Anthropic互換形式はhttps://api.deepseek.com/anthropicである。旧名のdeepseek-v4-flashとdeepseek-v4-flash-vision-expも受け付けるが、旧モデルではなく1017版へ接続され、Flash料金が適用される。DeepSeek Harnessについては、今回の公式発表でv0.2.1-rc.1以降への更新が推奨されている。

テキストと画像を入力し、テキストを生成するモデルで、コンテキスト長は100万トークン。公式APIの仕様では最大出力は384Kトークンとされる。公開リポジトリと重みのライセンスはMITであり、ライセンス条件に従って商用利用や改変、再配布ができる。重みを無償で取得できることと、DeepSeekのサーバーを使うAPIが無料であることは別である。

基本設計は9月版から引き継がれている。V4.1-Flashの技術説明では、本体は552B、すなわち5,520億パラメータのMoEモデルで、入力を読み込む段階では8B、出力を生成する段階では16Bを活性化する。すべてのパラメータを毎回計算する構成ではなく、必要な部分を選んで使うことで計算量を抑えている。さらに、本体とは別に196B規模の条件付きメモリ「Engram」があり、必要な項目を参照して利用する。

「Flash」という名前から、一般的なPCに容易に収まる小型モデルを想像すると実態と合わない。Hugging Faceに表示される重みの規模は約763Bで、Engramや投機デコード用の部分なども含まれる。1トークンの計算に使う量が小さいことと、モデル全体を保持するためのメモリ容量が小さいことは同じではない。今回の費用面の評価は、主としてAPIを利用する側の料金についてである。

性能はどこまで高まったのか

新版の公式モデルカードの比較表から、得意な作業と差が残る作業が分かる六つの評価を抜き出した。いずれもDeepSeekが公表した数値であり、筆者が再測定したものではない。

コード修正や業務自動化ではOpus 5を上回る一方、Terminal-BenchやHLEでは差が残る。例えばTerminal-Benchは旧版から11.1ポイント改善しているが、それでもOpus 5には届かない。「コード系でOpus 5超え」という見出しは特定の評価については成り立つものの、すべてのプログラミング作業や一般的な推論で優れているという意味には広げられない。

Terminal-Bench 4.0はClaude Code、DeepSWEはMini-SWE-V2という実行環境で評価されている。HLEの42.6はツールなしの値で、テキスト問題だけの別集計44.0とは区別した。また、Anthropicの現行資料にはOpus 5.5なども掲載されている。この表は、2026年10月19日時点の全モデルを比較した最新の総合順位表ではない。

実際のエージェントでは、モデルに加えて、指示文、利用できるツール、試行回数、処理時間の上限が結果に影響する。日本語の資料整理に強いか、長い作業で指示を守れるか、途中の誤りを修正できるかといった点は、導入する作業で確認する必要がある。今回の公表値は、候補を絞る材料として読むのが妥当である。

ひと仕事を終えるまでのコスト

10月19日時点で再確認したDeepSeekの公式料金とAnthropicの公式料金を比較すると、価格差は明確である。下表は100万トークン当たりの米ドル価格で、Claudeは標準API料金。月額のチャット契約や、バッチ処理の割引とは分けている。

DeepSeekのピーク時間は、中国の祝日を除く月～金曜日の日本時間10～13時、15～19時。それ以外と土日、中国の祝日はオフピークとなる。Claudeにはキャッシュを新規作成する際の別料金があるため、再利用時の料金だけで初回を含む全費用を比較しないこと。

具体例として、一つの案件について複数回のAPI呼び出しを行い、累積で入力100万トークン、推論分を含む出力10万トークンを使ったと仮定する。入力はすべてキャッシュ未使用、検索などのツール料金は除外する。計算は「入力100万トークンの料金＋出力100万トークンの料金×0.1」である。

この条件では、DeepSeekのピーク時間の費用はOpus 5の約18分の1、Opus 5.5の約14分の1になる。ただし、各社でトークンへの分割方法は異なり、同じ仕事に必要な出力量や試行回数も揃わない。表3は単価の差を確かめる計算であり、同じ品質の成果物を必ずこの比率の費用で得られるという実測ではない。 実務で見るべき費用は、初回の回答だけでなく、調査、コードの実行、失敗の修正、再試行まで含む。単価が安くても何度もやり直せば利点は小さくなる。反対に、十分な成功率を保ちながら出力を短くできれば、推論にかかる料金と待ち時間の両方を減らせる。DeepSeekが今回うたう改善は、この後者に当たる。

公式発表にはDeepSWEでの性能とタスク当たり費用の比較図もある。ただし、それは特定の評価環境と比較条件における結果であり、あらゆる業務で同じ費用削減率を保証するものではない。今回確認した公式説明から、一般の仕事について「出力が一律何％減った」「処理が必ず何倍速い」とまでは言えない。

検索のSearch APIと、Webページの本文を取り出すFetch APIも同時に開放された。公式ガイドでは、それぞれ成功した1,000回の呼び出しにつき0.75ドル。モデルの生成料金とは別に数える。モデルに質問を投げるだけでなく、資料を探して読み、作業を進めるところまで低価格で提供する点は、エージェント用途を意識した展開と解釈できる。

DeepSeek Harness、Claude Code、CodexからDeepSeek APIを利用する際のサーバー側Search／Fetch呼び出しは、公式料金表では日本時間2026年11月1日1時から課金開始と案内されている。無料期間の対象はこの経路での呼び出しであり、Search／Fetchの直接利用まで一律に無料という条件ではない。

半導体株の下落との関係

米国市場では、今回の更新が発表される前から半導体関連株が売られていた。下表は10月16日の通常取引終値と、10月9日の終値から計算した週間騰落率である。

個別株は各行のStock Analysisの履歴、SOXの10月16日はNasdaq、10月9日はFRED掲載のNasdaqデータを参照した。週間騰落率は「10月16日終値÷10月9日終値−1」から算出。指数の終値はポイント、個別株は米ドルで、時間外取引を含まない。

10月16日のReuters報道は、AIインフラ企業が巨額の借入を返せる時期までに十分な利益を上げられるかという懸念や、資金調達費用の上昇への警戒を伝えている。CoreWeaveの株式・債券が売られ、原油高も市場の不安材料となった。

したがって、今回のニュースは「DeepSeekの公開によって半導体株が下落した」と説明する材料にはならない。時系列としては、設備投資の採算に対する不安が強まっているところへ、性能と費用を改善したモデルが公開された。米国10月19日の通常取引は、本稿の更新時点ではまだ始まっていない。

一方、公開後の10月19日の時間外取引では、NVIDIAは216.97ドル、前営業日終値比1.33％高（米東部夏時間5時53分、日本時間18時53分）、AMDは544.26ドル、同2.93％高（同5時58分、日本時間18時58分）、Broadcomは337.75ドル、同2.74％高（同5時52分、日本時間18時52分）と表示されていた。下落した10月16日の通常取引と、週明けの時間外取引では、観測される値動きの向きが異なる。

時間外の値は各ページに表示された異なる時刻の価格で、10月19日の終値ではない。いずれも10月16日の通常取引終値との比較であり、この値動きだけでDeepSeekの公開が上昇の原因だったと判断することはできない。

米国のAI企業と半導体企業には、同じ影響が出るのか

利用企業にとって、同じ予算で処理できる仕事が増えることは歓迎しやすい。しかし、モデルを販売する企業、計算設備を貸す企業、半導体を売る企業では、低価格化の意味が異なる。今回の更新は、その違いを考える材料になる。

高いAPI単価を維持するには、仕事の結果で差を示す必要がある

ある業務を安価なモデルで十分に処理できるなら、利用企業は高価格モデルを常用する必要が薄れる。モデル提供会社には、料金の見直し、推論効率の改善、難しい仕事を少ない試行で終える能力、業務システムとの統合など、価格差を説明できる利点が求められる。

使い分けも進み得る。定型的な処理を低価格モデルに任せ、失敗した案件や判断の難しい案件だけを高性能モデルへ送る構成なら、高価格モデルの利用量は仕事全体の一部に限られる。一方、安いモデルの確認や修正に人手が多く必要なら、API料金の節約は人件費で相殺される。競争の単位は、トークンの価格から、確認作業も含めて業務を完了する総費用へ広がる。

米国企業が中国で開発されたモデルを採用する場合も、APIの接続先、データの扱い、契約条件、運用支援によって導入判断は変わる。オープンウェイトを米国内や自社管理の環境で動かす選択肢があれば、モデルの開発国と、実際にデータを処理する場所を分けて考えられる。ただし、自社運用には設備と保守の費用がかかる。価格表だけで導入全体の優劣が決まるわけではない。

推論が安くなっても、半導体需要の減少は自動的には決まらない

仕事一件に必要な計算量が減り、仕事の総量が変わらなければ、必要な計算設備は減る方向に働く。一方、価格が下がったことで、従来は採算が合わなかった調査や自動化まで実行されるようになれば、総処理量は増える。例えば一件の計算量が半分になっても、実行件数が3倍になれば、全体の計算量は1.5倍になる。これは効果の向きを示す仮定であり、今回の需要予測ではない。

半導体メーカー自身も推論費用の削減を売りにしている。NVIDIAは2025年3月のDynamo発表で、DeepSeek-R1を含むモデルの推論を効率化する仕組みを紹介した。低価格の公開モデルが広く使われることは、米国のモデル提供会社には競争圧力となる一方、それを動かす基盤を提供する企業には事業機会にもなり得る。

APIの販売価格は稼働率、設備費、運用費、料金戦略なども反映した数値であり、半導体の必要量を直接表す数字ではない。DeepSeekの料金がOpusの何分の1だからGPUも同じ割合で不要になる、という換算はできない。総需要が伸びても、企業ごとの利益率や投資家が期待する成長率まで維持されるとは限らない。

一方で、推論の効率化によって単価が下がったとしても総需要が減るとは限らず、寧ろ需要を喚起することによって資源の総消費量はより増大してしまう可能性もあり得る。これはジェボンズのパラドックス（Jevons paradox）として良く知られている。「技術の進歩によって資源の利用効率が良くなると、かえってその資源の総消費量が増えてしまう」という経済学の逆説である。

巨額の設備投資を、どの利益で回収するのか

Metaの2026年第2四半期決算では、2026年の設備投資見通しはファイナンスリース元本支払いを含め1,300億～1,450億ドルだった。一方、NVIDIAの2027会計年度第2四半期決算では、データセンター売上高は890億ドル、前年同期比117％増となっている。投資も売上も大きい。その中で市場が問題にしているのは、投資額の大きさに見合う利益が、必要な時期までに得られるかどうかである。

低価格モデルの性能が上がれば、利用企業の費用は下がりやすい。その効果をモデル提供会社やクラウド事業者が効率化で吸収できれば、普及と利益を両立できる。販売価格だけが先に下がり、借入や設備の負担が残れば、投資回収は難しくなる。米国市場への影響を判断するには、AIの利用拡大と、各社が利益を確保できるかを別々に見る必要がある。

コラム：Qwen4の登場前に、DeepSeekが先手を打ったのか

中国国内の主導権争い　以下は、公開資料を踏まえた筆者の考察。

中国のモデル競争では、DeepSeekの比較相手を米国企業だけに限定できない。AlibabaのQwen3.8-Flash-Nextの公式モデルカードは、このモデルをQwen4の基礎となるアーキテクチャの実験的プレビューと説明している。さらに、Alibabaの9月22日の公式発表は、Qwen4について、その時点で学習中であると明記している。開発中のモデルとして公式に言及されているが、10月19日時点でも、本稿の調査では具体的な正式公開日や提供条件を示す一次発表は確認できなかった。

智譜のZ.aiも、GLM-5.3-Flashで性能と費用を前面に出している。公式説明では、従来のGLM-5.2を多くの評価で上回りながら、価格を10分の1とする。これは同社モデル間の比較であるが、DeepSeekとQwenに加えてGLMも、日常的に使える高性能モデルの価格競争に参加していることが分かる。

この環境なら、今回の公開を「Qwen4の登場前に、DeepSeekが比較の基準を更新した」と読む余地はある。新モデルを待つ利用者が、現在利用できるモデルで十分な成果を得られれば、そのまま導入を進められる。先に採用されたモデルに合わせて指示文、評価方法、エージェント設定、運用のノウハウが蓄積されるため、後から登場するモデルには、移行の手間に見合う利点が必要になる。

もっとも、その効果だけで長期的な主導権が決まるわけではない。用途ごとに複数モデルを使い分ける利用者もおり、共通のAPI形式や実行環境があれば、切り替えの負担は小さくなる。Qwen4が大きな性能差や、導入しやすいモデル規模、優れた運用条件を示せば、利用者が移る可能性は残る。現段階では、Qwen4の未公表の性能や料金を前提に優劣を決めることはできない。

また、今回DeepSeekがTencent CodeBuddy、WorkBuddy向けの最適化を告知した点も、この競争を考えるうえで意味がある。基盤モデルの開発と、それを日常的に使うアプリの提供は、同じ会社の中だけで完結しない。モデルの重み、API、検索機能、エージェントの実行環境をどのように組み合わせて利用者を獲得するかが争点になる。

私は、今回の公開には次世代Qwenを待つ開発者の試用を先に促す効果があると考える。ただし、これは公開が競争に与え得る効果についての解釈である。DeepSeekがQwen4に合わせて10月17日を選んだという関係者の説明や、信頼できる取材報道は確認できなかった。学習、評価、配備の準備が整ったために公開したという説明とも両立するため、発表日を決めた動機としては断定できない。

コラム：ブラックマンデーを意識したという説は成り立つか

発表日を巡る俗説　以下は、公開資料を踏まえた筆者の考察。

今回の公開日には、相場に関する連想を誘う暦の一致がある。1987年のブラックマンデーは10月19日、月曜日で、この日ダウ平均は22.6％下落した。39年後の2026年10月19日も月曜日であり、DeepSeekが新版を公開した10月17日土曜日の、週明けに当たる。

さらに、2025年1月27日のDeepSeekを巡る株価下落も月曜日だった。この日はNVIDIA株が約17％下落し、時価総額が約5,930億ドル減少したとReutersが報じている。安価な中国製モデルの登場と米国AI関連株の売りを結び付ける記憶があるため、今回の日程から同様の展開を想像すること自体は不自然ではない。

そこから「ブラックマンデーに合わせ、米国市場を揺さぶるために公開したのではないか」という説を考えることはできる。しかし、この説では二つの段階を分ける必要がある。日付の一致が投資家の話題になる可能性と、DeepSeekが株価下落を狙って日程を決めたことは、異なる主張である。前者には暦という確認可能な材料があるが、後者には意図を示す証拠が必要になる。

今回調べた公式発表は、性能改善、処理時間と出力の短縮、エージェント環境への最適化を説明している。ブラックマンデーの記念日や株式市場を狙ったという説明はなく、その意図を裏付ける信頼できる報道も確認できなかった。噂の分かりやすさだけで、株価下落を狙った発表だったと結論することはできない。

また、2025年の大幅下落と今回を同一視することもできない。1017版は既存系列の更新であり、API単価の追加値下げもない。米国市場では、それ以前から設備投資の回収や借入負担が懸念されている。週明けに株価が下落したとしても、その値動きだけで今回のモデル公開が主因だったことや、開発元にその意図があったことが証明されるわけではない。

日程の選び方についての仮説としては興味を引くが、現時点で確認できるのは、歴史的な日付と曜日が一致していることまでである。相場の予測では、記念日の連想より、企業の収益見通し、金利、資金調達、そして実際のAI利用費用の変化を重く見るのが妥当だろう。

利用者の利益と、AI産業の利益を分けて考える

DeepSeek-V4.1-Flash-1017は、既に低いAPI単価を維持しながら、実務に近い評価の成績と処理効率を改善したとされる更新である。高価格モデルとの比較では得意・不得意が残るが、費用を抑えてエージェントを利用したい開発者や企業にとって、有力な選択肢として検討する理由はある。 その価値は、米国企業が一斉に不利になることや、半導体需要が縮小することと同義ではない。低価格化によって新しい用途が採算に乗る可能性がある一方、モデルの販売価格や計算設備の投資回収には厳しい条件が生じ得る。中国国内でも、開発者に選ばれるためには性能に加え、費用と使い続けやすさを示す必要がある。 今回の発表を評価するうえでは、実際の仕事をどの品質と総費用で終えられるかが基準になる。Qwen4への先制説やブラックマンデー狙い説は、その周囲にある戦略上・相場上の解釈として扱うべきであり、確認された性能と料金、発表前から続く株価の下落に代わる根拠にはならない。