PM 編集方針 (override #9 slot-swap) ── 8/1 18:00 HKT evening brief OVERRIDE #9 post-freeze / 8/2 06:00 HKT morning brief VALIDATED
8/1 18:00 HKT evening brief で OpenAI Astra（未解決数学問題10件、$2,000）が OVERRIDE #9 として P0-AM 8/2 に発火。本記事のテーマである DeepSeek V4 Flash 0731 は P0-AM 8/2 → P0-PM 8/2 へ slot-swap（同日内移動）。8/2 06:00 HKT morning brief で「✅ VALIDATED (locked plan stands)」、本スロットは LOCKED plan で新規 override なし（override counter: 9 post-freeze、override rate 9 in 16 days = 56%）。GPT-5.6 値下げは P1-AM 8/4 に繰り下げ。
7月31日、DeepSeek は V4 Flash の正式版 API をパブリックベータとして公開した。一見すると定例のマイナーアップデートだが、中国オープンウェイト（OW）ブロックの戦略転換を示す重要なシグナルだ。モデル構造とサイズはプレビュー版と完全に同一で「再ポストトレーニングのみ」。それにもかかわらず、独立系ベンチマークの Artificial Analysis Intelligence Index では Flash が 50 を記録し、上位モデル V4 Pro プレビュー（44）を 6 ポイント追い抜いた。
フラッグシップより安価な「下位モデル」が、同じアーキテクチャのまま上位モデルを逆転する——パラメータ数と事前学習が支配してきた性能競争の前提を揺るがす出来事だ。本記事では発表の実態、独立系ベンチマークの検証、中国 OW ブロックの新戦略を構造分析する。
発表の実態：API は無変更、重みも MIT で公開
DeepSeek の公式チェンジログ（7/31）は簡潔だ。deepseek-v4-flash というモデル名で API を呼ぶと、以降は自動的に最新版 DeepSeek-V4-Flash-0731 が返る。移行のためのコード変更は不要で、価格も変わらない。要点は3つだ。
- 同一アーキテクチャ・同一サイズ：総パラメータ 2,840億 / アクティブ 130億の MoE 型。「再ポストトレーニングのみ」と明記
- エージェント能力の大幅強化：ベンチマーク9項目すべてで V4 Pro プレビューを上回ったと主張
- エコシステム対応の前進：OpenAI の Responses API 形式にネイティブ対応し、Codex 向けに特化。V4 Pro の対応は8月上旬予定
さらに今回のチェックポイントは Hugging Face で MIT ライセンスの重みとして公開済みだ（FP4/FP8 混在の約167GB、DSpark モジュール含む表示は3,040億パラメータ）。「API のみ」ではなく、API とオープンウェイトの両面で同時に正式版へ移行した形だ。
独立系ベンチマーク：Flash 50 vs Pro 44、Luna に1ポイント差
| モデル | Intelligence Index | 備考 |
|---|---|---|
| Kimi K3 (max) | 57 | OW フロンティア |
| GPT-5.6 Luna (max) | 51 | OpenAI が 80% 値下げ |
| GLM-5.2 (max) | 51 | 中国 OW |
| DeepSeek V4 Flash 0731 | 50 | +10 vs 4月プレビュー（40） |
| Gemini 3.6 Flash | 50 | Google コスト効率路線 |
| DeepSeek V4 Pro プレビュー | 44 | Flash に6ポイント負け |
Flash は 4月のプレビューから +10 ポイントのジャンプで、Gemini 3.6 Flash と並び、Luna / GLM-5.2 に1ポイント差まで迫った。OW フロンティアの Kimi K3（57）には7ポイント差だが、価格を考慮した「Intelligence vs Cost per Task」の Pareto フロンティア上に乗ったと評価されている。しかもトークン効率も向上しており（評価時 2億3,400万→2億600万出力トークン、12%減）、CritPt +9、SciCode +5 と全評価で改善した。「賢く、かつ無駄話も減った」モデルへの変貌だ。
ベンチマーク表の内訳：DeepSWE 7.3→54.4 の意味
DeepSeek 公表の9ベンチマークで最も劇的なのは DeepSWE だ。未知リポジトリの調査から複数ファイルの変更、ツール呼び出し、検証を通過する修正まで行う長期的ソフトウェアエンジニアリング評価で、Flash プレビュー 7.3 → 0731 で 54.4 と約7.5倍の跳躍を記録している（V4 Pro プレビューは 12.8）。
| ベンチマーク | V4-Flash 0731 | Flash プレビュー | V4 Pro プレビュー | 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 |
| AutomationBench (Public) | 25.1 | 10.8 | 12.8 | 12.9 | 27.2 |
OpenAI の Opus 4.8 には全項目で届いていないが、OW 同士の比較では GLM-5.2 にスコアのある全項目で勝利している（AutomationBench 25.1 vs 12.9、Toolathlon 70.3 vs 59.9）。
ただし留意すべきは、これらの数字が DeepSeek 社内の「DeepSeek Harness」による vendor-published 値だということだ。Harness は未公開で独立再現ができず、DSBench 2項目は internal eval と明記されている。防御可能な結論は「かなり強い Flash ビルドが、API ユーザーに移行を求めずに配備された」という事実に留め、独立検証を待つべきだろう。
「再ポストトレーニングのみ」が示す中国 OW ブロックの新戦略
今回の最大の戦略的シグナルは、事前学習を一切せずに +10 ポイントを達成したことだ。コードエージェント向けのポストトレーニングは報酬が異常に明確（パッチがコンパイルできるか、テストが通るか）で、検証可能な報酬による強化学習（RLVR）が非常に効きやすい。4月時点でモデルは必要な知識を持っていたが、マルチステップのエージェント行動に変換できていなかった——今回のジャンプは、その「変換」をポストトレーニングで埋めたと解釈できる。
これは Qwen 3.5 9B を 500 ドルの GRPO ファインチューンで GPT-5.6 Sol / Opus 4.8 超えにした事例で論じた「訓練コストの経済学」と同じ文脈だ。中国 OW ブロックは、巨大な事前学習を毎回やり直す西洋フロンティアラボのサイクルとは異なり、**配備済みモデルを高速でポストトレーニング反復する「運用型進化」**を選択しつつある。これは Alibaba Qwen のオープンウェイト約束の信頼性検証で論じたエコシステム戦略とも重なる——「重みを公開し続ける」ことが、API 需要と蒸留耐性を同時に確保する防衛線なのだ。
この戦略は、GLM-5.2 が示した推論マージン崩壊の構造（90%粗利のビジネスモデル終焉）と表裏一体だ。性能がポストトレーニングで追いつけるなら、先行者の優位は「次の事前学習」ではなく「反復速度と配備網」に移る。追加コストは GPU 時間のみで、OpenAI が GPT-5.6 Luna を 80% 値下げせざるを得なかった価格圧力の源泉もここにある。Kimi K3 が新規サブスク停止に追い込まれた計算資源制約の裏返しとして、DeepSeek は「軽い反復」で需要を捌く戦略を取っているとも読める。
エージェント特化と Codex 対応：Claude Code / Codex の直接競合へ
今回の実務的な目玉は、OpenAI Responses API へのネイティブ対応と Codex 特化だ。Responses API は、エージェントが必要とする構造化ツール呼び出し・状態管理・明示的出力を前提に設計されており、従来は ChatCompletions を adapter で変換する必要があった。さらに reasoning_effort パラメータが low / high / max の3段階に拡張された。thinking はデフォルト有効で、思考トークンも課金対象になる点に注意したい。
# DeepSeek V4 Flash 0731 を Codex 系ワークフローで使う最小例
# （モデル名は従来どおり "deepseek-v4-flash"。自動的に 0731 が返る）
from openai import OpenAI
client = OpenAI(base_url="https://api.deepseek.com", api_key="<KEY>")
response = client.responses.create( # Responses API（ネイティブ対応）
model="deepseek-v4-flash",
reasoning_effort="high", # low / high / max
input="既存のTypeScriptリポジトリを調査し、テストが通る形でバグを修正してください。",
)
print(response.output_text)
価格は入力 $0.14 / 出力 $0.28（100万トークンあたり）で据え置き。V4 Pro（$0.435 / $0.87）の約3分の1、キャッシュヒット入力は $0.028（98%引き）だ。Opus 4.8 級の出力が必要なければ、コスト感覚が一桁変わる価格帯である。一方、北京時間の9-12時と14-18時に2倍課金するピーク/オフピーク政策が予告されており（開始日未定）、時間帯をずらしたバッチ実行が選択肢になる。
日本企業向け実務：3つのアクション
中国 OW 戦略の勝利を論じた 7/23 の記事で示した通り、中国 OW ブロックの「蒸留告発」「ルーティング精度」に続く第三の武器が、今回のポストトレーニング反復速度だ。日本企業の AI エンジニアが取るべきアクションは3つだ。
- API 検証サイクルの再実行：モデル名が同じでも中身は別モデル。プロダクション利用チームは 0731 をバージョン変更と捉え、エージェントタスク（ツール呼び出し順序・リトライ挙動・パッチサイズ・シェルコマンド安全性）を中心に回帰テストを回す
- Reasoning effort の段階的適用：
lowで軽量タスク、high/maxで長期間エージェントワーク。出力 384K 上限は max 推論時の理論値であり、遅延とコストは単純比較できない - セルフホスト余地の確保：重みは MIT、約167GB。vLLM で DSpark を1フラグで有効化でき、単一 4×GB300 ノード構成が公式レシピとして提供されている。データ主権要件がある企業は、Kimi K3 のオープンウェイト評価で確立した評価基盤をそのまま流用できる
V4 Pro GA が次のカード
DeepSeek は「V4 Pro の正式版は ASAP」と明言し、Responses API 対応は8月上旬予定だ。今回 Flash が Pro プレビューを全項目で上回った以上、Pro 正式版には同等以上のポストトレーニングが施される公算が大きい。Flash（50）と Pro（44）の逆転が、Pro 正式版で再び逆転するか——そして Kimi K3（57）や GLM-5.2（51）との OW 三つ巴がどう再編されるか。次のリリースが「運用型進化」戦略の射程を決定的に示すだろう。
この記事はAIによって生成され、人間の編集を経て公開されています。 Appwright AI は AI によるコンテンツ制作の可能性を探求する実験的プロジェクトです。