DeepSeekは、その最小モデルで主力製品を引退させました。2026年9月10日、DeepSeek-V4.1-FlashがAPIでGAとなり、リリースノートには多くの研究機関が伏せるであろう一文が記載されています。それは、9月14日からdeepseek-v4-proへのすべてのリクエストがV4.1-Flashにルーティングされ、Flash価格で課金されるというものです。入力時に80億のパラメータがアクティブになる5520億パラメータのFlashモデルが、今やV4ファミリー全体を担います。
これが今週「deepseek v4.1 flash」の検索が多かった理由であり、2つの点で重要です。まず、アーキテクチャが新しいことです。因果エンコーダーデコーダーの分割、トークンあたり890バイトのFP4 KVキャッシング、そして最初の事前学習ステップからのネイティブなビジョンは、DeepSeek V4への漸進的な変更ではありません。次に、価格表もそれに合わせて変更されました。V4-Proの料金を支払っていた場合、何も変更しなくても14日には料金が70%以上削減されます。
このガイドでは、提供された内容、開発者の視点から見たアーキテクチャの仕組み、ベンダーのベンチマーク結果、および料金計算について説明します。ベンチマーク表は出発点であって最終的な判断ではないため、Apidogで独自のプロンプトに対してモデルをテストするワークフローで締めくくります。
まとめ
- DeepSeek-V4.1-Flashは2026年9月10日にGAとなりました。モデルID:
deepseek-flash。ベースURLはhttps://api.deepseek.comで変更ありません。 - 5520億MoE（ビジョンエンコーダーを含めると7630億）、プリフィルに80億アクティブ、デコードに160億アクティブ。100万コンテキスト、最大出力38.4万。
- DeepSeek自身の数値では、HumanEval、GSM8K、DeepSWE、Terminal-BenchでV4-Proを上回っています。
- ピーク料金：100万キャッシュミス入力あたり0.30ドル、100万出力あたり1.20ドル。オフピークはその半額です。
- V4-Proへのリクエストは、9月14日午前4時（UTC）にV4.1-Flashに再ルーティングされます。
9月10日に提供されたもの
DeepSeekは、9月8日から2日間、deepseek-v4.1-flash-expires-on-0910というモデル名で社内ベータ版を実行しました。これはアカウントあたり20件の同時リクエストに制限され、deepseek-v4-flashと同じ価格でした。TechNodeがそのベータ版について報じました。2日後、モデルはGAとなり、2026年9月10日付けの変更ログエントリとXでの発表がありました。
コードに関して重要な3つの名称変更点：
- 新しいモデルIDは
deepseek-flashです。新規統合にはこれを使用してください。 - 従来の名称である
deepseek-v4-flashとdeepseek-v4-flash-vision-expも引き続き解決されますが、V4.1-Flashによって提供されます。V4-FlashとV4-Flash-Vision-Expは別モデルとしては引退しました。 deepseek-v4-proは9月14日まで機能し続け、その後V4.1-Flashにルーティングされます。
ベースURLに変更はありません：OpenAI形式ではhttps://api.deepseek.com、Anthropic形式ではhttps://api.deepseek.com/anthropicです。Responses APIはすでにFlashラインでサポートされていたため、Codexスタイルの統合は引き継がれます。画像入力や推論の労力を含むパラメータの詳細については、DeepSeek-V4.1-Flash APIの使用方法を参照してください。
開発者向けの因果エンコーダー・デコーダー・アーキテクチャ
モデルカードでは、DeepSeekが因果エンコーダー・デコーダー（CED）と呼ぶ設計について説明しています。ここでは、トークンに対して料金を支払う際に、各数値が何を意味するのかを説明します。
5520億パラメータ、ビジョン付きで7630億。言語の基盤は5520億パラメータの混合エキスパートモデルです。このリリース用にゼロから学習されたDeepSeek-ViTエンコーダーを追加すると、完全なモデルは7630億に達します。これらは保存されているパラメータであり、リクエストのコストではありません。
プリフィルに80億アクティブ、デコードに160億アクティブ。これが最も重要な変更点です。40層は20層のエンコーダーと20層のデコーダーに分かれています。プロンプトを読み込む際（プリフィル）には、トークンあたり約80億のパラメータがアクティブになります。回答を書き出す際（デコード）には、約160億がアクティブになります。以前のDeepSeek MoEモデルは、両方のフェーズで1つのアクティブパラメータ予算を使用していました。
なぜこの分割が重要なのでしょうか？プリフィルは計算量に制約されます。20万トークンのドキュメントをモデルに一度に処理させます。デコードはメモリに制約されます。一度に1つのトークンを生成し、そのコストはHBMからの重みとKVキャッシュの読み取りです。プリフィルでのパラメータ数が少ないと、長い入力での最初のトークンまでの時間が短縮されます。デコードでのパラメータ数が多いと、メモリトラフィックと比較して追加の計算が安価である場合に、回答の品質が向上します。100万コンテキストのエージェントトレースが2000トークンの応答を生成する場合、そのトークンの99.8%は安価なパスを通ります。
各層に384のエキスパートと1つの共有エキスパートがルーティングされます。ルーターはトークンごとに384のエキスパートの中からいくつかを選択し、共有エキスパートは毎回実行されます。これにより、5520億の保存されたパラメータが80億または160億のアクティブな状態になります。
CSA2とFP4 KVキャッシュ。Compressed Sparse Attention 2には3つの静的アテンションモードが搭載されています。メインのKVキャッシュ用のFP4ストレージと組み合わせることで、グローバルキャッシュフットプリントはトークンあたり890バイトとなり、DeepSeek-V4-Flashの約4分の1です。リリースノートによると、前世代のHBMの4分の1、SSDストレージの8分の1です。トークンあたり890バイトでは、完全な100万トークンのコンテキストは約0.9GBのKVキャッシュを必要とします。これが、Flashの同時実行制限が2,500であるのに対し、Proでは500である理由の一部です。
100万コンテキスト、38.4万出力。スパースアテンションは6.4万で学習され、45兆トークンのマルチモーダルコーパスの34兆トークン目で100万に拡張されました。推論の労力は1から100のスケールで継続的に制御可能と説明されています。このスケールの正確なAPIパラメータの形状は、ドキュメントと照合して[確認]してください。
ベンチマーク：DeepSeekが報告する内容
このセクションのすべての数値は、DeepSeekがモデルカードから報告したものです。9月10日現在、独立した評価は公開されていません。これらをベンダーの主張として読み、その後ご自身で試してみてください。
パターンは一貫しています。V4.1-Flashはすべての項目でV4-Proを上回り、特にエージェントコーディングで最も大きな差をつけています。DeepSWEはProを11.5ポイント、旧Flashを20ポイント近く上回っています。GSM8Kは飽和状態にあるため、0.4ポイントの優位性はあまり意味がありません。
ビジョン評価（これもベンダー報告）：MMMU-Pro 56.5、CVBench 77.9、DocVQA 95.6、RefCOCO 86.0。DocVQAは、ほとんどの生産ビジョントラフィックがドキュメント解析に向かうため、注目すべき数値です。
DeepSeekは、V4-Proのリルーティングについて、V4.1-Flashが「パフォーマンス、コスト、速度、総時間においてV4 Proを総合的に凌駕した」と複数の関係者によるテストを引用して説明しています。関係者の名前は明かされていません。その一文は、ご自身で確認できる主張として扱ってください。
料金とV4-Proの再ルーティング
以下の料金は、料金ページからのもので、9月10日午前4時（UTC）から有効で、100万トークンあたりの米ドルです。
| deepseek-flash オフピーク | deepseek-flash ピーク | deepseek-v4-pro オフピーク | deepseek-v4-pro ピーク | |
|---|---|---|---|---|
| 入力、キャッシュヒット | $0.003 | $0.006 | $0.022 | $0.044 |
| 入力、キャッシュミス | $0.15 | $0.30 | $0.66 | $1.32 |
| 出力 | $0.60 | $1.20 | $1.98 | $3.96 |
ピーク時間は平日の午前1時から午前4時、および午前6時から午前10時（UTC）です。オフピークはピーク料金の50%です。コンテキストキャッシングは自動で、キャッシュヒットはどのティアでもミスより50倍安くなります。
V4-Flashの8月の料金と比較して、V4.1-Flashはキャッシュヒット入力で約57%、キャッシュミス入力で約32%、出力で約9%の削減を実現します。
注目すべきはV4-Proの列です。9月14日以降、deepseek-v4-proに送信されたリクエストはFlash列の料金が適用されます。ピーク時には、100万キャッシュミス入力あたり1.32ドルではなく0.30ドル（77%減）、100万出力あたり3.96ドルではなく1.20ドル（70%減）となります。コードに触れずに割引が適用されますが、廃止されたエイリアスに依存するのではなく、いずれにせよモデルIDを更新すべきです。移行ガイドではチェックリストを順に説明し、料金の詳細分析では長時間のAIエージェントセッションにおけるキャッシュヒットの計算について解説しています。
Apidogで独自のプロンプトに対してV4.1-Flashを評価する
ベンダーの表によれば、このモデルはDeepSWEに優れています。ただし、あなたの抽出スキーマ、ツール呼び出し形式、あるいは30万トークンのサポートトランスクリプトを処理できるかどうかは述べられていません。ここでは、Apidogでそれらの質問に半日で答え、その後のあらゆるサイレントモデルアップデート後も回答し続けるワークフローを紹介します。
- キーを環境変数として保存する。Apidog環境を作成し、DeepSeekプラットフォームから
DEEPSEEK_API_KEYを追加します。それをAuthorizationヘッダーでBearer {{DEEPSEEK_API_KEY}}として参照します。 - エンドポイントを追加する。
POST https://api.deepseek.com/chat/completionsを作成するか、OpenAPI仕様をインポートします。 - 実際のプロンプトごとに1つのリクエストを保存する。本番ログから5〜10個のプロンプトを取り出し、それぞれを
"model": "deepseek-flash"として独自のリクエストとして保存します。14日まではdeepseek-v4-proに向けたコピーを保持し、出力を並べて比較できるようにします。 - ストリーミングしてイベントを監視する。
"stream": trueを設定します。ApidogはSSE応答をイベントごとにレンダリングするため、推論の差分と回答の差分が、data:行の羅列としてではなく、個別に表示されます。これは、長いプリフィルでの最初のトークンまでの時間を確認する最も速い方法です。 - アサーションを追加し、テストシナリオを構築する。ステータスコード、期待する
tool_callsフィールド、および出力のJSONの有効性についてアサートします。保存したリクエストをテストシナリオに連結します。 - モデルの更新ごとに再実行する。DeepSeekが
deepseek-flashの背後で次の変更をプッシュしたら、シナリオを実行します。apidog-cliでCIに組み込み、デプロイごとに実行されるようにします。
OpenAI SDKを使用する、保存されたプロンプトの1つのボディを以下に示します。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["DEEPSEEK_API_KEY"],
base_url="https://api.deepseek.com",
)
response = client.chat.completions.create(
model="deepseek-flash",
messages=[
{"role": "system", "content": "Extract the order ID, SKU list, and refund amount as JSON."},
{"role": "user", "content": "Ticket #48213: customer wants a refund of $42.90 for SKUs KB-220 and MS-114 from order ORD-99117."},
],
stream=True,
)
for chunk in response:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="")
Apidogをダウンロードし、そのボディを保存されたリクエストに貼り付けます。ApidogはモデルホストではなくAPIレイヤーをテストするため、あなたが見るものはユーザーが得る応答そのものです。
よくある質問
DeepSeek-V4.1-FlashはV4-Proの代替ですか？はい、DeepSeekの決定により。9月14日午前4時（UTC）から、deepseek-v4-proへのリクエストはFlash価格でV4.1-Flashによって提供されます。V4 APIラインアップには、これより大きなモデルは残っていません。
モデルIDを変更する必要がありますか？直ちには必要ありません。deepseek-v4-flash、deepseek-v4-flash-vision-exp、そして（14日以降）deepseek-v4-proはすべてV4.1-Flashに解決されます。次に統合に触れる際にdeepseek-flashに切り替えてください。APIガイドには、完全なパラメータリファレンスが記載されています。
80億プリフィル/160億デコードはレイテンシにどのような意味を持ちますか？入力時のアクティブパラメータが少ないということは、長いプロンプトでの最初のトークンまでの時間が短縮されることを意味します。出力時のパラメータが多いということは、生成品質が決定される部分に計算リソースが投入されることを意味します。トークンあたり890バイトのKVキャッシュは、長いセッションをメモリに保持するコストを低く抑えます。
ローカルで実行できますか？重みはHugging FaceでMITライセンスで提供されています。バックボーンだけで8ビットで約552GB、4ビットで約280GBなので、これはラップトップでのプロジェクトではなく、マルチGPUまたはSSDストリーミングプロジェクトです。リリース初日の推論エンジンサポートは[確認]が必要です。
ベンチマークは独立していますか？いいえ。上記のすべてのスコアはDeepSeekのモデルカードからのものです。技術レポートにはその方法論が記載されています。
V4ラインの今後
DeepSeekは2つのモデルAPIを1つに統合しました。その賭けは、160億のデコード予算、4分の1サイズのKVキャッシュ、アカウントあたり2,500の同時セッションを持つ5520億モデルが、3〜4倍の価格のより大きなモデルよりもエージェントのワークロードに貢献するというものです。ベンダーの数値はこの賭けを支持していますが、それが有効かどうかはあなたのワークロードによって決まります。
SDKをdeepseek-flashに向け、14日までに独自のプロンプトを実行し、テストシナリオを維持してください。元のV4-Flash APIを基盤として構築している場合、統合はすでに機能しています。変更されたのはその背後にあるモデルであり、それが測定する価値のある部分です。