DeepSeek、安価なFlashモデルが上位のV4 Proを性能・速度で上回る
DeepSeek: DeepSeek v4.1 Flash 1017
DeepSeek V4.1 Flash 1017は、552Bパラメータのバックボーンから入力時8B・出力時16Bのみを活性化するスパースMoEモデルで、同社のCausal Encoder-Decoder（CED）アーキテクチャを初めて採用した。画像理解をアーキテクチャにネイティブに組み込み、圧縮KVキャッシュでメモリを従来Flash世代の約4分の1に削減。価格は入力100万トークンあたり$0.15、出力$0.60で、DeepSeekは性能・速度・タスク完了時間でV4 Proを上回るとしている。
DeepSeek positions it as the cost-efficient tier of the V4.1 family and reports that it exceeds V4 Pro on performance, speed, and task completion time.
- OsrsNeedsf2P
DSはベンチマークではSolやGeminiより優れているわけではないけれど、しばらく全部を触ってみて、なぜ人々がDSをこんなにも「良く感じる」のか分かってきた気がする。
第一に、プロバイダーからのtok/sとTTFTだ。Deepseekはかなり良い品質で仕事を猛スピードで片付けてくれて、エージェントが終わるのを待たされることがない。
第二に、オープンさだ。CoTを見ることができて、サイバーレビューでランダムにブロックされることもない。詰まっているのか、ランダムに失敗するのかと疑う必要がない。素晴らしいコストパフォーマンスと相まって…次のサブスクはおそらくZ.aiになるだろう。
- gregwebs
会社自身のニュースページ：https://api-docs.deepseek.com/news/news261017
新しいバージョンが複数のコーディングベンチマークで大幅に高いスコアを出しており、10/11のベンチマークでSol 5.6（最新は6.1）を上回っている。
コードを書くのにDeepSeekに戻ろうと思う。Solを試して結果が気に入っていたが、これでその差の多くが埋まるはずだ。実装計画やコードレビューにはOpus/Solを使い、厳しい質問攻めにも使っている。DeepSeekは検証も実行している。
- simonw
ペリカンの例をいくつか挙げる。「max」のものは11分以上かかった：https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
deepseek-v4-flash-0731より確実に改善している：https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
- AmazingTurtle
というわけで、りんごとバナナを比べてみた。
同じ汚いコードベース（200以上のファイル変更、C++、ゲームエンジン）を4つの異なるエージェントにレビューさせた：
- deepseek v4.1 flash（deepseek API経由）：関連性のあるp1問題を1つと、無関係なp2問題を1つ見つけるのに20分かかった
- glm 5.3 flash NVFP4（TP2 DGX Sparks経由）：p3のドキュメント問題を見つけるのに1時間5分かかった
- gpt 5.6 sol：p1とp2の問題を1つずつ見つけるのに5分30秒。両方とも関連性あり
- gpt 6.1 sol：p1を2つとp2を1つ見つけるのに4分30秒。両方とも関連性あり。
特筆すべきは、これらの発見がどれも重複していなかったことだ。
deepseek v4.1 flashとgpt 6.1 solの両方に、発見の要約に対する修正計画を立てさせた。この特定のシナリオでは、gpt 6.1 solはテストシナリオを超えた191個の要素に合わせてバッファサイズを128から256に増やす計画を立てた。余裕も含めていた。一方deepseek v4.1 flashは、例えばテストを満たすためにちょうど191にした。
deepseekのTPSデコードは印象的だ。取り残されている感覚や「こいつ仕事してるな」と思ったことは一度もない。しかし、あらゆる努力にもかかわらず、レビューでは約4倍の時間がかかり、見つける数も少なく、計画もGPT 6.1 Solより劣っていた。実時間でね。比較用のトークン数は持っていない。これらのモデルを1〜10で採点するなら（10＝トップティアのGG）、deepseekには堅実な6.5、6.1 solには7.5〜8.0くらいをつけるだろう。
- cmiles8
正直、オープンウェイトモデルがこれほど良くなってくると、OpenAIとAnthropicにもう実行可能なビジネスモデルがあるとは思えない。利益はモデルではなくコンピュートにある。OpenAIとAnthropicは他のところからコンピュートを借りるのに全財産を使った。だから軽量モデルの推論を売ることはできるだろうが、他の誰かが常に十分な品質の推論をもっと安く売れるという大きな構造的劣位を今抱えている。
モデルへのロックインもゼロで、ほとんどの企業は今や自社の内部ルーティングユーティリティを持っているから、開発者やユーザーは同じAPIエンドポイントのまま、1行のコード変更でモデル間を移動できる。
大手ラボに何か変化が起きない限り、そして迅速に、彼らはかなり終わっているように見える。
- ilitirit
もう1ヶ月近くDS v4.1 Flashを毎日Agent Swarmの実験で使っている。GLM-5.3-flashとOpus 5.5と比較テストした。自分にはDS 4.1が最高だ。Opus 5.5は依然として最も賢いが、DS 4.1の速度と価格が「知能」の差を十分に補って余りある。Chief/Builder/Reviewerのスウォームを何日も自律的に走らせた。新しいワークフローでは、エンジニアリングは全部DS 4.1 Flashにやらせて、Opusにその仕事をレビューさせるだけにしようと思う。4.1 Flashは本当に非常に印象的なモデルだ。Deepseekチームに敬意を表する。
- olavgg
今のところDeepSeek Flash＋Opus 5.5をアドバイザー/レビュアーとして使うのがとても気に入っている。今では単一のプロジェクトだけで24時間以内に$200のClaude Codeサブスクを使い切ってしまい、毎日異なるアカウントをいじるのが嫌だ。サブスクに$200のAPIクレジットが含まれるようになったので、コーディングエージェントのワークフローを完全に書き直した。
- apejcic
素晴らしいアップデートだ。古いウェイトと比べて冗長性と知能を比較するベンチマークを走らせた。
- Reasoning effort = 1が今では実際に使えるようになり、古いウェイトより2.5倍少ないトークンで知能を失わない。
- 全体的に各reasoning effortで20%少ないトークン。
- 知能もツール呼び出しのパターンも同じ。
詳細はブログ記事で https://sference.com/blog/deepseek-v41f-1017-benchmark