何が起きたのか
DeepSeek が DeepSeek-V4-Flash-0731 の重みを Hugging Face 上で MIT ライセンスとして公開しました(Hugging Face deepseek-ai/DeepSeek-V4-Flash-0731)。モデルカードは冒頭で、これが「the official release of DeepSeek-V4-Flash, superseding the preview version」であると明記しています。API 側は先行して切り替わっており、DeepSeek 公式 API ドキュメントには「The deepseek-v4-flash model has been updated to DeepSeek-V4-Flash-0731. The calling method remains unchanged」と記載されています(DeepSeek API Docs News)。API のパブリックベータ投入は 2026-07-31 と報じられています(TechNode 2026-07-31)。
今回のリリースで技術的に興味深いのは、モデル構造を変えていないという点です。モデルカードは 0731 が DeepSeek-V4-Flash-DSpark と同じ構造だと述べ、TechNode も DeepSeek の説明として「keeps the same structure and size as the preview version but has been retrained」と伝えています。つまりベンチマークの伸びは、アーキテクチャ変更ではなく訓練・ポストトレーニングの成果として提示されています。
そして伸び幅が尋常ではありません。Terminal Bench 2.1 が 61.8 から 82.7、DeepSWE に至っては 7.3 から 54.4 です。
9本のベンチ、全てで自社フラッグシップを上回った
モデルカードに掲載された比較表をそのまま引用します(数値はすべて公式モデルカードより)。
| ベンチマーク | V4-Flash-0731 | V4-Flash (Preview) | V4-Pro (Preview) | GLM-5.2 | Opus-4.8 |
|---|---|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 61.8 | 72.1 | 81.0 | 85.0 |
| NL2Repo | 54.2 | 39.4 | 38.5 | 48.9 | 69.7 |
| Cybergym | 76.7 | 38.7 | 52.7 | — | 83.1 |
| DeepSWE | 54.4 | 7.3 | 12.8 | 46.2 | 58.0 |
| Toolathlon-Verified | 70.3 | 49.7 | 55.9 | 59.9 | 76.2 |
| Agents’ Last Exam | 25.2 | 15.8 | 16.5 | 23.8 | 25.7 |
| AutomationBench Public | 25.1 | 10.8 | 12.8 | 12.9 | 27.2 |
| DSBench-FullStack | 68.7 | 37.0 | 41.8 | 61.8 | 71.6 |
| DSBench-Hard | 59.6 | 25.8 | 31.1 | 54.5 | 71.7 |
読み取れることを3つに分けます。
1. 9項目すべてで自社の上位モデル V4-Pro (Preview) を上回っている。 モデルカードは「despite its far smaller activated parameter count」と付言しています。安い方のモデルが高い方を全項目で抜くという構図です。
2. 逆に、Opus-4.8 には9項目すべてで届いていない。 最接近は Agents’ Last Exam の 25.2 対 25.7(差 0.5pt)で、最も開くのが NL2Repo の 54.2 対 69.7(差 15.5pt)です。「Opus 4.8 級」という要約はエージェント系ベンチの上端では成立していません。
3. 伸び幅の分布が不均一すぎる。 DeepSWE は 7.3 → 54.4 で 7.4 倍、Cybergym は 38.7 → 76.7 でほぼ 2 倍。一方 Terminal Bench 2.1 は 1.34 倍です。ここで注意したいのは、preview の DeepSWE 7.3 という値です。同じ preview 世代の V4-Pro も 12.8 しか取れていません。この水準は「能力が低い」というより、出力フォーマットやツール呼び出しのハーネスが噛み合わず採点対象にすら乗っていなかった可能性を示唆します。だとすれば 54.4 への跳ね上がりの相当部分は、推論能力の向上ではなくエージェント動作の整形が効いた分になります。モデルカードはこの内訳を開示していません。
「304B」と「284B」はどちらも正しい
コミュニティで混乱が出ているのがパラメータ数です。0731 リポジトリのサイドバーは 304B params(Tensor type: BF16, I64, F32, F8_E4M3, I8)と表示する一方、GGUF 変換版のメタデータは 284B を示しています(unsloth/DeepSeek-V4-Flash-0731-GGUF)。
一次情報を当たると、権威ある数値は後者です。ベースモデルのカードは「284B parameters (13B activated)」、コンテキスト長 100 万トークンと明記しています(Hugging Face deepseek-ai/DeepSeek-V4-Flash)。0731 のカード本文には総パラメータ数の記述がなく(Hugging Face deepseek-ai/DeepSeek-V4-Flash-0731 README)、304B はモデルカード本文ではなく Hugging Face のリポジトリ側が表示している値です(格納されたテンソルのメタデータに基づく自動集計とみられますが、算出方法の公式な説明は見当たりません)。
284B 側は config.json から直接検算できます(config.json)。n_routed_experts: 256、n_shared_experts: 1、hidden_size: 4096、moe_intermediate_size: 2048、num_hidden_layers: 43 なので、1層あたりのエキスパート重みは
(3 は SwiGLU の gate/up/down の3行列分)。これを43層分積めば $43 \times 6.47\text{B} \approx 278\text{B}$ となり、注意機構と埋め込み(vocab_size: 129280)を足せば公称 284B にきれいに着地します。総パラメータの約98%がエキスパートです。
活性化側も同様で、num_experts_per_tok: 6 に共有エキスパート1個を足した7個だけが動くため、エキスパート部分の活性化率は
にとどまります。公称の 13B 活性化はこの計算と整合します。
では 304B との差 20B は何か。config.json には dspark_target_layer_ids: [40, 41, 42] という投機的デコード用の設定があり、3層分のエキスパート重み $3 \times 6.47\text{B} \approx 19.4\text{B}$ が差分とほぼ一致します。ただしこれは筆者が config から起こした推計であり、DeepSeek 側の内訳開示はありません。サイドバー表示が保存形式に依存する数値であることは、兄弟リポジトリを見れば明らかです。ベースの DeepSeek-V4-Flash は 158B params、DeepSeek-V4-Flash-DSpark は 165B params と表示されており(いずれも公称は同じ 284B)、サイドバーの数値はパラメータ数ではなく格納されたテンソル要素数として読むべきものです。
Q8がQ4より7GBしか大きくない理由
unsloth の GGUF リポジトリには、こう書かれています。「To run DeepSeek-V4-Flash-0731 in full precision lossless, run Q8 (UD-Q8_K_XL), which is 162GB and only 7GB bigger than Q4 (UD-Q4_K_XL)」。
通常なら 8bit は 4bit のおよそ2倍のサイズになるはずで、この記述は奇妙に見えます。答えは配布元の精度にあります。ベースモデルのカードは、配布形式が「FP4 + FP8 Mixed precision, where MoE expert parameters use FP4 while most other parameters use FP8」であると説明しています。config.json にも "expert_dtype": "fp4" があり、quantization_config は quant_method: fp8 です。
つまり総パラメータの98%を占めるエキスパートは出荷時点ですでに FP4 であり、GGUF 側で Q4 と Q8 を切り替えても再量子化されるのは残り数B規模の非エキスパート部分だけです。差が 7GB に収まるのはそのためで、裏を返せば「Q4 に落として容量を稼ぐ」という従来の節約戦略がこのモデルではほぼ効きません。
公開されている量子化ラインナップとサイズは以下の通りです。
| 量子化 | サイズ |
|---|---|
UD-IQ1_S (1bit) | 82.5 GB |
UD-IQ1_M (1bit) | 86.9 GB |
UD-IQ2_XXS / UD-IQ2_M (2bit) | 90.9 GB |
UD-Q2_K_XL (2bit) | 96.8 GB |
UD-IQ3_XXS (3bit) | 103 GB |
UD-IQ3_S (3bit) | 116 GB |
UD-Q3_K_M / UD-Q3_K_XL (3bit) | 128 GB |
UD-IQ4_XS / UD-IQ4_NL (4bit) | 137 GB |
UD-Q4_K_XL (4bit) | 155 GB |
UD-Q8_K_XL (8bit) | 162 GB |
実機要件として読み替えると、128GB のユニファイドメモリを持つ機材では 103GB の 3bit 版までが現実的な収まり所で、128GB ちょうどの 3bit 上位版は KV キャッシュと OS の取り分を考えると余裕がありません。100 万トークンのコンテキストを謳うモデルですが、そのコンテキストを実際に埋めるためのメモリは上表に含まれていない点に注意が必要です。なお GGUF リポジトリのモデルカード本文には RAM/VRAM の推奨値は書かれていませんが、Unsloth 公式ドキュメントには RAM+VRAM の合計として 1bit が 92GB、2bit が 102GB、3bit が 110〜135GB、4bit(near Lossless)が 162GB、Q8_K_XL(Lossless)が 169GB という推奨表が掲載されています(Unsloth Docs — DeepSeek-V4)。3bit で 110GB 以上という数字は、上述の 128GB ユニファイドメモリでの収まりの悪さを裏づけます。
推論設定としてモデルカードが挙げているのは、reasoning_effort の3段階(low / high / max)、high と max では最大出力長 384K トークンを推奨、エージェント用途では temperature = 1.0 と top_p = 0.95、それ以外は top_p = 1.0 です。投機的デコードは vLLM に --speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}' を渡して有効化します。また Jinja 形式のチャットテンプレートは同梱されず、リポジトリ内の encoding フォルダにある Python スクリプトでメッセージを組み立てる方式です。既存のテンプレート前提のツールチェーンはここで詰まります。
自前ホスティングの損益分岐はどこか
公式 API の価格は、キャッシュミス入力 0.14 ドル / 1M、キャッシュヒット入力 0.0028 ドル / 1M、出力 0.28 ドル / 1M です(DeepSeek API Pricing)。同ページによれば V4-Pro はキャッシュミス入力 0.435 ドル / 1M、出力 0.87 ドル / 1M で、Flash はおよそ3分の1の価格帯です。コンテキスト長は両者とも 100 万トークン、最大出力 384K トークン。なお同ページには、ピーク時間帯(北京時間 9:00–12:00 および 14:00–18:00)に全課金項目を 2 倍とする料金体系の導入予定が予告されていますが、原文は「will soon adopt」「The effective date will be subject to the official announcement」であり、施行日は未発表です。2026-08-01 時点の課金は時間帯によらず一律と読むのが正確です。
第三者計測では Artificial Analysis が Intelligence Index 50、同カテゴリ内 3 位 / 101 と算出し、入力 0.14 ドル / 出力 0.28 ドル、コンテキスト 100 万トークンを掲載しています(Artificial Analysis)。同ページは評価過程で 210M 出力トークンを消費したとし、中央値 100M と比べて「very verbose」と注記しています。エージェント用途で reasoning effort を上げる前提なら、出力トークン単価が安くても総額は素直に効いてきます。
MIT ライセンスなので自前ホスティングに法的障壁はありませんが、80〜162GB 級の重みを常時メモリに載せる機材の償却と、0.14 ドル / 0.28 ドルという単価を突き合わせると、損益分岐は「同時実行の稼働率をどこまで上げられるか」にほぼ収束します。ローカル実行の実利は価格ではなく、データを外に出さないことと、予告されているピーク時 2 倍課金のような料金改定や可用性から独立できることの側にあります。
残された不確実性
- ベンチマークはすべて DeepSeek 自身の測定値です。 Terminal Bench 2.1 や DeepSWE の第三者による再現報告は、本稿執筆時点で確認できていません。特に preview の DeepSWE 7.3 という異常に低い値が何に起因するのか(能力かハーネスか)は開示されておらず、7.4 倍という伸び幅の解釈はここに依存します。
- 0731 の再訓練の内容が非開示です。 「アーキテクチャ据え置きの再訓練」とは述べられていますが、0731 のモデルカードにはデータ量・RL 設計・ポストトレーニング手順の変更点が書かれていません。V4 系全体の学習手順(32T トークン超の事前学習、GRPO による RL、ドメイン別エキスパートの独立学習と on-policy distillation による統合)はテクニカルレポートに記載がありますが(arXiv:2606.19348)、0731 固有の再訓練で何を変えたのかは不明です。どの要素がどのベンチに効いたのかは外部から検証できません。
- 304B と 284B の差 20B を DSpark モジュールとする説明は筆者の推計です。
dspark_target_layer_ids: [40, 41, 42]と1層あたり約 6.47B という計算からの逆算であり、DeepSeek の公式な内訳ではありません。 - 100 万トークンのコンテキストにおける実効性能は未検証です。 ベースモデル DeepSeek-V4-Flash のモデルカードは、長文脈効率のために Compressed Sparse Attention と Heavily Compressed Attention を組み合わせたと述べており(Hugging Face deepseek-ai/DeepSeek-V4-Flash)、0731 はこれと同じ構造を引き継ぎます(0731 のモデルカード本文にはこれらの語句はありません)。ただし長文脈タスクでの精度を示すベンチは上記の表に含まれていません。
- GGUF 量子化での品質劣化幅が不明です。 エキスパートが元々 FP4 である以上、1bit や 2bit 量子化がどこまで実用に耐えるかは、公開されている情報からは判断できません。
まとめ
DeepSeek-V4-Flash-0731 で確認できた事実は次の通りです。MIT ライセンスで重みが公開され、総 284B・活性化 13B・コンテキスト 100 万トークンの MoE 構成であること。アーキテクチャを据え置いた再訓練により、9本のエージェント系ベンチマークすべてで自社の上位モデル V4-Pro (Preview) を上回り、同時に9本すべてで Opus-4.8 には届かなかったこと。総パラメータの98%を占めるエキスパートが出荷時点で FP4 のため、GGUF の Q4 と Q8 の差が 7GB しかないこと。そして 82.5GB から 162GB という重みサイズが、ローカル実行の可否をハードウェア側で先に決めてしまうこと。
「同じ設計のまま訓練だけで DeepSWE が 7.4 倍」という見出しは、preview 側の 7.3 という数値の正体が開示されるまで、額面通りには受け取れません。検証したいのは伸び幅ではなく、伸びる前の値が何を測っていたのかの方です。
主要出典
- deepseek-ai/DeepSeek-V4-Flash-0731 — Hugging Face(公式モデルカード。MIT ライセンス、9本のベンチマーク比較表、reasoning_effort の3段階、DSpark 投機的デコードの vLLM 設定、encoding フォルダによるメッセージ組み立て方式)
- DeepSeek-V4-Flash-0731 の config.json — Hugging Face(256+1 エキスパート、43層、hidden 4096、moe_intermediate 2048、max_position_embeddings 1048576、expert_dtype fp4、dspark_target_layer_ids [40,41,42])
- deepseek-ai/DeepSeek-V4-Flash — Hugging Face(284B / 13B 活性化、100万トークン、FP4 エキスパート + FP8 の混合精度、CSA と HCA のハイブリッド注意機構)
- unsloth/DeepSeek-V4-Flash-0731-GGUF — Hugging Face(1bit 82.5GB 〜 8bit 162GB の量子化一覧、Q8 が Q4 より 7GB 大きいだけという記述)
- DeepSeek API Docs — News / Models & Pricing(
deepseek-v4-flashの 0731 への更新告知、0.14 ドル / 0.0028 ドル / 0.28 ドルの価格、100万トークン、384K 最大出力、ピーク時2倍課金の導入予告と施行日未定の但し書き) - DeepSeek puts V4-Flash API into public beta — TechNode 2026-07-31(API パブリックベータ投入日、構造とサイズ据え置きの再訓練という説明、Responses API 対応)
- DeepSeek V4 Flash — Artificial Analysis(第三者計測。Intelligence Index 50、101モデル中3位、評価時の出力トークン 210M)
関連する過去記事
- Kimi K3の重み公開を検証──1.56TB・96シャード、16/896と活性104Bは矛盾しない — 同じく中国系オープンウェイトの重み公開を、シャード構成と活性化パラメータの整合性から検算した記事です。今回の 304B / 284B 問題と読み比べると、公称値と格納形式のズレがどこで生じるかが見えます。
- 『effortは上げるほど賢い』が崩れる場所──Opus 5公式グラフのFrontier-Benchでxhighがmaxを上回る — V4-Flash-0731 の reasoning_effort も low / high / max の3段階です。effort を上げれば単調に賢くなるとは限らないという論点は、そのまま今回のモデルにも当てはまります。
- オープンウェイト書簡は25社から約50団体へ──GoogleとOpenAIは正式署名、不在はAnthropic・xAI・Amazon — MIT ライセンスでのフロンティア級モデル公開が、業界の署名地図の中でどこに位置するかを整理した記事です。