2026年4月24日、DeepSeekはDeepSeek-V4シリーズを正式にリリースし、オープンソースとして公開しました。1.6Tパラメータのこのオープンソースの巨大モデルは、Agentコーディング、ロングコンテキスト、複雑な推論のすべてを全面グレードアップさせ、リリース当日にHugging Faceトレンド1位に登り詰めました。本記事ではコア仕様、API料金、多角的な実測結果を整理し、切り替える価値があるかどうかを素早く判断する助けにします。

コア仕様

DeepSeek-V4シリーズは2つのバージョンを含み、いずれもMoE（混合エキスパート）アーキテクチャを採用しています：

100万tokenのシーンでは、V4の1tokenあたりの推論計算量はV3.2のわずか27%で、KV Cacheの占有量は約10%にまで下がります。

API料金

V4-Flashの価格は非常に攻撃的です -- キャッシュヒット時は0.2元/100万tokensで、高頻度で呼び出す軽量タスクに適しています。

注意：DeepSeek公式によると、ハイエンド計算資源の制約により、V4-Proのサービススループットは現在限られています。下半期にAscend 950スーパーノードが本格投入された後は、価格が大幅に下がると見込まれます。

実測：60分連続コーディングで介入不要

タスク1：ゼロから完全な家計簿システムを構築

テスターはDeepSeek-V4-Proに曖昧なデータベース設計の要件を与えました。モデルはまず8つの機能モジュールと6枚のデータテーブルを含むプランを自ら立案し、続けて10項目の検証チェックリストを提示しました。

計画完了後は完全に放置して実行させました：連続コーディングは60分近くに及び、中断も無限ループも重要ステップの漏れもありませんでした。フロントエンドのすべてのコア機能が正常に動作し、フロントとバックエンドのデータ連携の経路も完全でした。

このタスクは約20万tokensを消費し（大半が入力）、API請求額は約5元でした。キャッシュ機構が効いたため、実際のコストは抑えられています。

タスク2：ゼロからAndroidエミュレータを作る

このタスクの複雑さはモデルの知識範囲を超えていましたが、自らウェブ検索を開始し、18回のツール呼び出しを行い、11分間の思考の後に完全な7ステップの開発計画を出力しました。最終的に50分以上連続実行して完成させました。

鍵となるポイント：モデルは知識の盲点に直面すると、でっち上げるのではなく自ら検索して補いました。

ロングテキストテスト：『三体』三部作を一気に読み通す

『三体』三部作の全文をアップロードし、54万tokensを消費。モデルは作中のプロットの細部に関する質問に正確に回答でき、100万コンテキストの実用性を実証しました。

既知の弱点

• 軽量タスクで時々失敗：単純な問題でPro版が「過剰思考」に陥ることがあり、Flash版の方がむしろ直接的で効率的
• 推論の安定性は要改善：一部の超高難度の数学問題や軽量テストで無限ループが発生することがある
• 価格はV3.2より上昇：ただしキャッシュ機構がその一部を相殺

クイックスタート

• ウェブで体験：chat.deepseek.com
• APIドキュメント：api-docs.deepseek.com
• オープンソースのモデル重み：HuggingFace / ModelScope
• 技術レポート：DeepSeek_V4.pdf