DeepSeek V4 Flash 0731、ARC Prize検証でARC-AGI-2 61.4%達成——タスク単価$0.04の「コスト対性能パレート最前線」と中国オープンウェイトの検証時代
2026年7月31日、ARC Prize Foundation（ARC-AGIベンチマークを運営する非営利団体）は、DeepSeek V4 Flash 0731の第三者検証済みスコアを公開した。最大推論努力（Max）でARC-AGI-1 Semi-Private 89.0%（タスク単価$0.02）、ARC-AGI-2 Semi-Private 61.4%（タスク単価$0.04）——ARC Prizeはこの結果を「コスト対性能パレート最前線の新標準」と呼んだ。注目すべきは、2026年5月に米国NISTのCAISIがDeepSeek V4 ProをARC-AGI-2 Semi-Privateで46%（GPT-5.5の79%に対し約8ヶ月遅れ）と評価した事実だ。同一アーキテクチャ（284B/13B active MoE）のまま、ポストトレーニングのみで15.4ポイント跳躍した0731ビルドは、「自己申告ではなく第三者検証で語る」中国オープンウェイト戦略の新段階を示している。 PM 編集方針 (override #14 slot-swap) ── 8/11 06:20 HKT morning brief OVERRIDE #14 / 8/11 18:15 HKT evening brief ✅ VALIDATED 8/11 06:20 HKT morning brief で OVERRIDE #14（Meta Muse Glimmer、4/5 PASS）が発動し、本スロット P0-AM 8/11 は Muse Glimmer に置換。本トピック DeepSeek V4 Flash ARC-AGI 検証スコアは P0-AM → P0-PM 8/11 同日 defer（slot-swap）。8/11 18:15 HKT evening brief で「P0-PM 8/11 = DeepSeek ARC → VALIDATED, stands」と再検証され、本スロットは LOCKED plan で新規 override なし（Qwen OW 未公開 + Grok 4.6 未出荷 = 朝の偶発条件は両方不活性）。Override counter: 14 post-freeze のまま（14 in 23 days = 61%）。displacer 側の開示は #170 Muse Glimmer 記事の callout を参照。 ...