DeepSeek V4 Flash 0731徹底検証：圧倒的なコスパとインテリジェンスの正体とは？

注目のモデル「DeepSeek V4 Flash 0731」がリリースされました。その知能レベルやパフォーマンス、そして驚きのコストパフォーマンスについて詳細がまとめられています。詳細は以下のHugging Face公式ページをご確認ください。https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731

すでにLunaを価格とタスク性能の両面で2倍近く上回ってるよ。

https://artificialanalysis.ai/models/deepseek-v4-flash?intelligence-comparison=intelligence-vs-cost-per-task#intelligence-comparisons

DeepSeek V4 FlashがDeepSeek V4 Proを凌駕してるなら、Opus 5と同等（あるいはそれ以上）の性能を持つ新しいV4 Proが数週間以内に出るって期待していいのかな？

つまり出力100万トークンあたり0.28ドルでGLM 5.2やGemini 3.6レベルの知能が手に入るってことか。しかもProモデルのアップデートも控えてるし……。
さらに自宅で現実的に動かせるサイズなのもいいよね。UnslothのロスレスQ8で162GBだし。

話はちょっとずれるけど、Huggingfaceの経済モデルってどうなってるんだろ？今やペタバイト単位のモデルやデータセットをホストしてるはずだよね。自分も「念のため」と思っていくつかダウンロードしては、数ヶ月後に新しいバージョンに置き換えるなんてことを繰り返してるし。
自分でサーバーを立てるとファイルホスティングなんて大したコストじゃないのか、それともクラウドのせいでデータ配信にかかる本来のコスト感覚が狂わされているだけなんだろうか？

今回の件で本当に興味深いのは、追加のファインチューニングだけでこれほど飛躍的な向上を達成したっていう点だね。構造的な変更はなしで、ただデータ、計算リソース、時間を増やしただけ。スモールモデルの将来にかなり期待が持てるよ。DS v4 flashは競合モデルと比べても比較的小型だし、同じような質の高いデータや学習パイプラインを他の小さなモデルに適用すれば、同じような成果が出せるはず。

RTX PRO 6000 96GBを1枚か、DGX Spark 128GBを使ってる人には、あまり知られてないけどvllm-moetっていうエンジンがかなり優秀だよ。推論用に自動で対称な2bitプレーンを生成しつつ、精度を補うための4bitデルタキャッシュも作ってくれる。SSDストリーミングでの巨大ウェイトの読み込みにも対応してるし、VRAMの配分を調整してスピードと精度のバランスを取ることも可能。ds-v4-flashなら170 tpsが出せるよ。
既存のモデルをそのまま使えるし、新しいモデルを用意する必要もなし。
数時間かけて試す価値はあるよ。
DGX Sparkの場合はsm120とsm121の差異を無視するちょっとしたハックが必要だけど、ちゃんと動作する。

上記の公開ベンチマークにおけるコードエージェントタスクでは、DeepSeek-V4-Flash-0731はDeepSeek Harness（今後公開予定）の最小モードで評価されています

ということは、最適化されたコーディングエージェント用Harnessも発表するつもりなのかな？ DSv4 flashは素晴らしいモデルで、今や僕の常用モデルだよ。ReasonixやPiと組み合わせれば、一日中コードを書いてもコストはわずか数セント。トークン制限を気にしなくていい。一方でFireworksやOpenRouterで同じモデルを使うと、ZDR（冗長なリクエスト？）のせいか理由もわからずトークンコストが跳ね上がることがある。利用データを集めるために補助金が出てるんだろうけど、早くローカルで動かせるようになる日が待ち遠しいね。

昨日公開されたOpenAIのチャート[1]を更新して、DeepSeek V4 Flash 0731という新しいデータポイントを追加してみた。まさに最前線の性能だね。

https://files.parasmittal.com/openai_aa_luna_dsflash.svg

1: https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

デフォルトの推論モードだとペリカン（pelican）の回答が微妙だったんだけど： https://static.simonwillison.net/static/2026/deepseek-flash-v4-default.png

推論モードを「高」に設定したら（OpenRouter経由）、めちゃくちゃ良い回答になったよ： https://static.simonwillison.net/static/2026/deepseek-flash-v4-high.png

今回一番印象的なのは、アーキテクチャを変えなくてもポストトレーニングだけでこれほど性能を向上させられると証明したことだよね。事前学習が終わった後でも、まだまだ最適化の余地があるってことを思い知らされたよ。