【ITニュース解説】Artificial Analysis Rates DeepSeek V4.1 Flash 1017 at 45, Up From 39, at $0.26 a Task

大規模言語モデル（LLM）の世界では、新しいモデルの登場や既存モデルのアップデートが日々行われ、その性能やコスト効率が注目されている。今回、DeepSeek社が提供するLLM「DeepSeek-V4.1-Flash」が「DeepSeek-V4.1-Flash-1017」という新しいバージョンにアップデートされ、その性能向上と大幅なコスト削減が独立した評価機関によって示された。システムエンジニアを目指す皆さんにとって、このようなモデルの進化は、開発するアプリケーションの性能や運用コストに直結するため、非常に重要な情報である。

まず、このアップデートで最も重要な点は、もしあなたがこれまでdeepseek-flashという名前でDeepSeekのAPI（アプリケーション・プログラミング・インターフェース）を呼び出していた場合、2026年10月17日以降、自動的に新しい「DeepSeek-V4.1-Flash-1017」モデルが使われるようになっていることである。これは、開発者がコードを変更することなく、最新の高性能なモデルを利用できるようになったことを意味する。古いモデル名も引き続き機能するが、内部的にはすでに新しい1017モデルにルーティングされている状態だ。

この新しい1017モデルの賢さを示す独立した評価結果が、「Artificial Analysis」という第三者機関から発表された。彼らは、AIの賢さを測る指標として「Intelligence Index」というスコアを使用しており、1017モデルはこのインデックスで45点というスコアを獲得した。これは、以前のV4.1 Flashモデルの39点から大幅な向上であり、その評価時点で検証された121のモデルの中で2位に位置するという、非常に優れた成績である。これは、AIがより複雑な問題を理解し、論理的に思考する「推論能力」が向上したことを示している。具体的には、Terminal-Bench 4.0やSciCode、Humanity's Last Examといった多様な評価タスクをまとめたIntelligence Index v4.3.2に基づいて測定された結果だ。

そして、このアップデートのもう一つの大きなポイントは、モデルの利用料金、特に「タスクあたりのコスト」が劇的に下がったことである。Artificial Analysisの測定では、同じ評価タスクを実行する際のコストが、以前の$0.49から$0.26へと、約47%も削減されている。これは、AIを活用するアプリケーションを開発・運用する上で、非常に大きなメリットとなるだろう。

興味深いのは、このコスト削減が、AIが情報を処理する最小単位である「トークン」あたりの料金が安くなったことによるものではない、という点だ。DeepSeekが設定している入力100万トークンあたり$0.30、出力100万トークンあたり$1.20というトークン単価は、新旧モデルで変わっていない。ではなぜタスクあたりのコストが半分近くになったのだろうか。その理由は、新しい1017モデルが、同じタスクを完了するためにより少ない「出力トークン数」で済むようになったからである。以前のモデルでは評価タスクの実行に2億5000万出力トークンが必要だったのに対し、1017モデルでは2億1000万出力トークンで済むようになった。これは約16%の削減であり、AIがより効率的に、無駄なく必要な情報を生成できるようになったことを示している。つまり、AIがより「簡潔かつ賢い」回答を出せるようになった結果、同じ仕事をさせるのに必要な情報量、ひいてはコストが下がったというわけだ。

ただし、このタスクあたりのコスト$0.26という数字は、すべての利用ケースに当てはまるわけではない。コストに影響を与える二つの重要な要因があることを理解しておく必要がある。

一つ目は、時間帯による料金設定である。DeepSeekのAPI料金には、平日UTC（協定世界時）の01時から04時と06時から10時という「ピーク時間帯」と、それ以外の「オフピーク時間帯」が存在する。オフピーク時間帯では、料金がピーク時の半額になる。Artificial Analysisの測定はピーク料金に基づいて行われているため、もしあなたのアプリケーションがオフピーク時間帯に多くの処理を行うのであれば、実際のコストはさらに安くなる可能性がある。

二つ目は、AIの推論の「努力（effort）」設定である。DeepSeekモデルには、AIがどれだけ深く、時間をかけて考えるかを示すreasoning_effortという設定がある。この設定にはlow、high、maxの3つのレベルがあり、デフォルトはhighである。Artificial Analysisは、最も深く考える設定であるMaxでテストを行っている。深く考えさせるほど、より賢い答えが期待できる一方で、より多くのトークンを消費し、コストも高くなる傾向がある。もしあなたがこの設定を明示的に指定していない場合、デフォルトのhigh設定で実行されている可能性があり、その場合はMax設定よりもコストが安く済むかもしれない。ただし、その分、性能も45点ではなくなる可能性がある。

これらの変動要因があるため、DeepSeekの公式ベンチマークや独立機関の評価結果はあくまで参考として捉え、あなた自身のプロジェクトで実際にAIを利用する際のコストと性能を測定することが非常に重要だ。DeepSeekのAPIは、各リクエストの使用トークン数（プロンプトキャッシュヒット、ミス、完了トークン）を詳細に返す機能を提供している。これと、リクエストが実行された時間帯に応じた料金を組み合わせることで、あなた自身でタスクあたりの正確なコストを計算できる。

例えば、Hermes IDEという開発ツールは、複数のAIモデルを同じタスクで並行して比較・検証する機能を提供している。これを使えば、あなたが現在利用しているAIモデルと、DeepSeekの新しい1017モデルを同じ条件で比較し、あなたのアプリケーションにとってどちらが最もコスト効率が高く、かつ必要な性能を満たすかを具体的に検証できるだろう。AIの力を最大限に引き出し、同時にコストを最適化するためには、このような実測と検証が不可欠である。

結論として、DeepSeekの新しい「DeepSeek-V4.1-Flash-1017」モデルは、開発者がコードを変更することなく、より高い性能と大幅なコスト削減を享受できる画期的なアップデートである。しかし、その恩恵を最大限に受けるためには、時間帯や推論の努力設定といった利用条件を理解し、自身のプロジェクトにおける実際のコストと性能をきちんと測定・比較することが、システムエンジニアとしての重要なスキルとなるだろう。