DeepSeek「V4.1-Flash-1017」はClaudeやChatGPTの代わりになるか —— 成績・費用・仕組みを公式の数字で確かめる

DeepSeekの新モデルが公開

公式の資料から引用

• 題名は「願いで作るプログラミングを現実に」
• 成績・速さ・短い出力がよくなった（DeepSeekの説明）

DeepSeekは10月17日の発表で、成績・速さ・出力の短さが良くなったと説明し、ゲームや3Dを作る作例も公開しました。[s1]話題性は十分ですが、乗り換えるかどうかは、数字と条件を確かめてから決めるべきです。

DeepSeekのモデルの流れ

まず名前を整理します。DeepSeekは2026年に入って新しいモデルを次々に公開しています。[s1][s5]今回の「1017」は10月17日のことで、9月に出たV4.1 Flashの小さな更新版です。[s1][s3]

基本の仕様

読める量は100万トークン、1回の最大の出力は38.4万トークンです。[s2]トークンはAIが文章を数える単位で、長い資料をまるごと読ませられる量です。画像も読めますが、答えは文字だけです。重み（AIの頭脳にあたる数値のかたまり）はMITライセンスで公開されています。[s2][s3]

公式の作例から分かること

公式の資料から引用

ブラウザのレースゲーム

Godotで作った3Dゲーム

故宮の3Dモデル

時代をたどる3Dシーン

公式が見せた作例は4つで、ブラウザで遊べるレースゲーム、ゲームエンジンのGodotで作った3Dのゲーム、故宮の3Dモデル、時代をたどる3Dのシーンです。[s1]DeepSeekによると、出来上がりを自分で確かめて直す学習（強化学習）で、最初から最後まで作り上げる力を伸ばしたそうです。[s1]

ただし、作例は選ばれたものであり、何回試して何回成功したかは書かれていません。[s1]作例は「できることの例」として受け止め、実力は次の成績で確かめるのが妥当です。

成績 —— 9月版からの伸び

9月版と10月17日版の比較

9月のV4.1 Flashと比べた数字は、DeepSeekの発表によるものです。[s1][s3][s5]いちばん伸びたのはターミナル（CLI）の作業のテスト（Terminal-Bench）で、31.2点から42.3点になりました。ほかのテストも、6つすべてで点数が上がっています。[s3]

点数の差と増え方の割合は別の数字です。31.2点から42.3点への伸びは11.1点で、もとの点数から見ると約36%の増加にあたります。[s3]

テストの中身は、ターミナルの作業、不具合の修正、ゼロからの開発、仕事の自動化などです。いずれも、AIが道具を使って最後まで作業をやり切れるかを測るもので、エージェントとしての実力を見るのに向いています。[s3]

ClaudeやGPTと比べると

QClaudeやChatGPTより上と言える？

公式の資料から引用

• 今回の1017
• Claude Opus 5
• GPT-5.6 Sol

DeepSeekの発表には、Claude Opus 5とGPT-5.6 Solを並べた表が載っています。[s1][s3]

7つのテストの比較（点数が高いほどよい）

7つのテストのうち、DeepSeekが1位だったのは、不具合を直すテスト、仕事を自動化するテスト、調べて答えるテストの3つです。Opus 5が1位だったのは、ターミナルの作業、ゼロからの開発、難問の推論の4つでした。[s3]つまり、全体としてClaudeより上とは言えません。KimiのK3とGLM-5.3に対しては、HLE以外の6つで上回っています。[s3]

ただし、これはDeepSeekが自分でまとめた表で、測り方によって点数は変わります。[s3]1017版を独立した機関が測った結果は、10月18日の時点では見つかりませんでした。DeepSeek自身も、最も難しい課題ではまだ差があると書いています。[s4]

同じ仕事にかかる費用

公式の資料から引用

• DeepSeek 1017　約0.2ドルで77%
• Claude Opus 5　約12ドル（図から読んだ目安）

DeepSeekは、同じ課題にかかった費用を比べた図も公開しています。横軸が1つの課題にかかる費用、縦軸が正解率です。[s1]図から読むと、DeepSeek 1017は1課題あたり約0.2ドルで正解率77%、Opus 5は約12ドルで約74%で、費用には約60倍の差があります。[s1]

ただし、これもDeepSeekが作った図です。自分の仕事に当てはまるかは、同じ条件で確かめる必要があります。[s1]

なぜ安いのか —— 仕組み

エージェントの作業は「読む」量が多い

AIエージェントは、作業の中でコードやログを何度も読み直すため、書く量より読む量のほうがずっと多くなります。そのため、「読む」部分を軽くすることがいちばん効きます。

中身を「読む係」と「答える係」に分ける

公式の資料から引用

• エンコーダ層（20層）
• デコーダ層（20層）

1つ目の工夫は、AIの中身を前半と後半に分けたことです。全部で40層ある中身を、入力を読む20層と答えを作る20層に分けています。[s4]

モデル全体は5,520億パラメータですが、1回に動かすのは、読むときが約80億、答えるときが約160億です。[s4]読むときに動かす量は、答えるときの約半分で済みます。また、専門家が384人いて、1回に働くのはそのうち6人と共通の1人だけという構造です。[s3]

読んだ内容のメモを小さくする

公式の資料から引用

• 2023年のV1　約39万バイト
• 今回　890バイト

2つ目の工夫は、KVキャッシュを大きく縮めたことです。AIは読んだ内容を見返すためのメモとしてGPUのメモリに置いており、長い作業ほどメモが増えてメモリを使います。[s4]このメモの大きさは、2023年のV1では1トークンあたり約39万バイトでしたが、今回は890バイトになりました。約437分の1で、前のV4 Flashと比べても約4分の1です。[s4]100万トークンを読んでも、メモは計算上約890MBに収まります。[s4]

ほかにも、よく出る言い回しを辞書のように引くEngramと、下書きを先に作って速くするDSparkを組み合わせています。[s4]一方で、DeepSeekは、試していない場面では性能が落ちる可能性があることも書いています。[s4]

料金とピーク時間

100万トークンあたりの料金（ドル）

料金は100万トークンあたりで決まり、読む（入力）と書く（出力）で値段が別で、読むほうが安く設定されています。[s2]表は、deepseek-flashと、より大きいV4 Proを比べたものです。「通常」は空いている時間帯の料金で、混雑するピークの時間帯はちょうど2倍になります。[s2]

日本時間で見たピーク

日本時間に直すと、平日の10時から13時と、15時から19時がピークです。[s2]ちょうど日本の仕事の時間と重なるため、使う時間帯には注意が必要です。

1か月の費用の試算

例として、サイトの修正をAIに1日20回頼み、1回に10万トークンを読ませて1万トークンを書かせる場合を、平日22日分で試算しました。平日の昼のピークに使うと1か月で約18ドル（約2,800円）、夜や土日に回せば半分の約9ドル（約1,400円）です。大きいV4 Proの通常料金なら約38ドル（約5,700円）になります。

さらに、前に読んだ内容と先頭が同じ部分はキャッシュが効き、入力の料金が約50分の1になります。[s2][s5]試算では、入力の9割がキャッシュにあたれば、1か月で約3.4ドルです。

なお、公式も料金は変わることがあると書いているので、使う前には必ず最新の料金表を確かめましょう。[s2]ClaudeやGPTと比べる場合も、各社の料金表で同じ条件にそろえて比べる必要があります。

成績を左右する「ハーネス」と検索API

表の下の小さな注

成績の表の下には、テストに使った道具が小さく書かれています。Terminal-BenchはClaude Codeで、DeepSWEはMini-SWE-V2で測ったものです。[s3]

ハーネスとは

成績はモデルだけでなく、それを動かす仕組みによっても変わります。道具を使う、ファイルを読み書きする、エラーを直してやり直す、覚えておく、といった仕事を受け持つこの仕組みを、ハーネスと呼びます。DeepSeekは、自社のDeepSeek Harnessなどに合わせて調整したと書いており、Claude Codeから使うための設定手順も公開しています。[s1][s5]

検索APIとページ取得API

10月17日には、AIエージェントが調べものをするための検索APIとページ取得APIも公開されました。[s1][s2]どちらも成功1,000回ごとに0.75ドルで、DeepSeek HarnessやClaude Code、Codexを経由するサーバー側の利用は、日本時間の11月1日午前1時まで無料です。[s1][s2]人が使う検索サイトではなく、AIエージェントが使う道具である点に注意してください。[s1]

使い始めるには

from openai import OpenAI
client = OpenAI( api_key=os.environ["DEEPSEEK_API_KEY"], base_url="https://api.deepseek.com",
)
r = client.chat.completions.create( model="deepseek-flash", messages=[{"role": "user", "content": "レビューして"}], reasoning_effort="high",
)

OpenAI形式のAPIがそのまま使えるため、使い始めるのは簡単です。つなぎ先のURLをDeepSeekに変え、モデル名に「deepseek-flash」を指定すれば、最新の1017版が使われます。[s1][s2][s5]考えるモードは最初からオンで、強さはlow・high・maxから選べます。[s5]

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=（自分のAPIキー）
export ANTHROPIC_MODEL=deepseek-flash[1m]

Claude Codeから使う場合は、環境変数を3つ変えるだけです。APIキーは人に見せないように管理しましょう。[s5]

乗り換えるかどうか —— 3つの見方

乗り換えるべきかどうかは、仕事しだいです。判断には3つの見方があります。1つ目は仕事の種類です。DeepSeekの表では、不具合の修正や仕事の自動化でDeepSeekの数字が高く、ターミナルの作業やゼロからの大きな開発、難問の推論ではOpus 5の数字が高い結果でした。[s3]得意な項目が分かれているので、自分の仕事に近い項目を見ることが大切です。

送るデータとプライバシーポリシー

2つ目は、送るデータです。DeepSeekのプライバシーポリシーには、集めた情報を中華人民共和国のサーバーに保存すること、モデルの訓練に使うことがあること（拒否する権利があること）が書かれています。[s6]会社の秘密やお客様の情報を送る前には、ポリシーと利用規約、そして社内のルールを必ず確かめてください。[s6]

公開された重みを手元に置くには

重みが公開されているので手元で動かすという選択肢もありますが、ファイルは合計で約510GBあり、一般的なパソコンには入りません。複数のGPUを持つサーバーが必要です。Hugging Faceに表示される約7,630億パラメータは、本体の5,520億にEngram（約1,960億）などを足した合計です。[s3][s4]個人なら、送るデータを確かめたうえで、まずは公式のAPIを使うのが現実的です。

乗り換える前の試し方

3つ目は費用と手間です。同じ仕事をいまのAIとDeepSeekの両方に頼み、直した回数・費用・時間を記録して比べましょう。そのうえで、向いている仕事だけを移し、すべてを一度に乗り換えないことをおすすめします。

まとめ

DeepSeek-V4.1-Flash-1017は、コーディングと自動化の成績を伸ばしながら、API料金を据え置きました。ただし、成績と費用の数字はDeepSeek自身の発表で、Claude Opus 5に全面的に勝っているわけでもありません。[s1][s3]

乗り換えるより、仕事ごとに並べて試し、向いている仕事に使い分けるのが現実的です。送るデータについては、ポリシーと社内のルールを確かめてから判断しましょう。[s6]