DeepSeekがV4 Proの一般提供を静かに開始、Claude Fable 5のわずか数%の性能差でコストは約4,600%安
重要ポイント
- •DeepSeekはV4 Proモデルを0813ビルドで一般提供に移行し、4月に始まったプレビュー期間を終了した。唯一の公開シグナルはAPI価格ページのバージョンラベルの更新だった。
- •これまでのDeepSeek V4 Proの独立系ベンチマーク評価は未完成のプレビュービルドをテストしたものであり、Hugging FaceのモデルカードがV4シリーズを依然としてプレビュー版と記載していることで確認される。
- •DeepSeekが自社公開したベンチマークでは、V4 Proは10種類のエージェントベンチマークでClaude Fable 5に平均5.3%遅れをとるが、ブレンドトークンレートでは約46分の1のコストである。
- •DeepSeekが比較に使用した10のベンチマークのうち2つ、DSBench-FullStackとDSBench-Hardは公開リーダーボードのない内部テストセットであり、結果の独立した検証が限られている。
- •DeepSeekのモデル重みはHugging FaceでMITライセンスとして公開されており、ロイヤリティ義務なしで変更や再配分を含む無制限の商用利用を許可している。
DeepSeekは、deepseek-v4-proモデルを0813ビルドに静かに移行した。これは4月からプレビューとして稼働していたシステムの一般提供リリースを意味する。この中国のAIラボは水曜日に主力モデルの完成版を出荷したが、ブログ記事も正式発表もなかった——唯一の手がかりはAPI価格ページの表のセルで、「deepseek-v4-pro」のモデルバージョンが「DeepSeek-V4-Pro-0813」に変更されていたことだった。
価格は変更なく、入力100万トークンあたり約0.435ドル、出力100万トークンあたり0.87ドル、キャッシュ入力は0.003625ドルのままである。変更されたのはモデルの重みである。API価格ページがこのアップデートの唯一の公的な手がかりである。
DeepSeek V4 Proは4月から利用可能で、GPT-5 Proより98%安い価格で提供されていたが、テストを行ったすべての独立系ラボはプレビュービルドを評価していた。DeepSeekは7月31日にこれを認め、V4-Flashを一般提供に移行した際、Pro APIは「変更なし」で正式リリースは「近日対応」と記載していた。オープンソースAIプロジェクトの主要リポジトリであるHugging Faceのモデルカードでも、V4シリーズは「プレビュー版」と記載されたままである。つまり、広く流通していたベンチマーク結果は、DeepSeek自身が未完成とみなしていたビルドに基づくものだった。社外の誰も0813リリースをまだ独立してベンチマークテストしていない。
ベンチマーク比較
DeepSeekは10種類のエージェントベンチマークにわたる比較を公開した——これらは、単に質問に答えるのではなく、ツール使用、コード実行、データ分析といった複数ステップのタスクをモデルが自律的に完了できる度合いを測定するテストである。Claude Fable 5または別の競合モデルが優位を持つ8つのテストでは、差は僅かであった。全ベンチマークにわたるFable 5の相対的リードの平均は5.3%であった。DeepSeekが42.7に対して53.3と10.6%の差がつき、平均を大きく歪めるHumanity's Last Exam（ツールなし）を除外すると、残りの行の平均はわずか2.8%であった。両モデルがスコア付けされた9つのベンチマークのうち2つで、DeepSeekが勝利している。
価格は双方で公開されており、その乖離は著しい。Fable 5は入力100万トークンあたり10ドル、出力100万トークンあたり50ドルである。V4 Proは同じ量で0.435ドルと0.87ドルである。ブレンドレートでは、約30ドル対0.65ドル——約46倍、つまりコストの約4,600%である。Reutersによれば、調査企業はDeepSeekのモデルを著名なAIモデルの中で圧倒的に最安と特定している。
完了タスクあたりのコストはさらに開きがある。Fable 5はより長い出力を生成し、レスポンスごとにより多くの計算リソースを消費するからだ。Artificial Analysisは、Fable 5のベンチマークタスクあたりのコストを3.15ドルと測定し、V4-Flashは3セント——約105倍安い。Hugging FaceのCEOであるClément Delangueは、タスクあたり31ドル以上対約0.04ドルという差だと指摘した。0813ビルドのタスクあたりコストの数値はまだ存在しない。
Anthropic自身の製品ラインナップもFable 5のプレミアム positioningを複雑にしている。Claude Opus 5はほとんどのベンチマークでFable 5を半額で上回っている。
DeepSeekはこれらのベンチマーク評価を公開していないインフラ上で自社で実施した。7月のノートでは、DeepSeek Harness minimal modeを「近日公開」とし、最大努力度で高い創造性設定で実行すると指定していた。10のベンチマークのうち2つ、DSBench-FullStackとDSBench-Hardは、独立した検証のための公開リーダーボードが存在しない内部テストセットである。
業界全体の状況
この趨勢は中国のオープンウェイトラボ全体で一貫している。これらは米国のフロンティアモデルの数パーセント以内の性能を、コストのほんの一部で実現し続けている。Kimi K3はリリース時にFable 5とGPT-5.6 Solの両方に勝利し、DeepSeekとXiaomiはフロンティアAIコストを99%削減してきた。一方、米国のラボは逆方向に動いている。DeepSeekの重みはMITライセンスでHugging Faceで公開されており、独立した検証が容易に可能である。MITライセンスは、変更、再配布、プロプライエタリ製品への統合を含む無制限の商用利用をロイヤリティ義務なしで許可している。
