NEW · V4.1-Flash-1017（10-17 リリース）
DeepSeek-V4.1-Flash-1017 はRLSF 自己フィードバック強化学習で訓練されています。最大の特長は "Wish-Driven Programming"——願いを一文で記述するだけで完全なプロジェクトを直接生成できること。DeepSWE v1.1 Pass@177.0%、タスクあたりの平均コストはわずか約$0.20（低価格帯では $0.10）。前世代の 74.2% / $0.50 から大幅に改善されました。API の呼び出し名はdeepseek-flash：1M コンテキスト、最大出力 384K、ネイティブの視覚入力に対応、思考モードはデフォルトで有効。
V4.1-Flash（09-10）
総パラメータ 552B の MoE、ネイティブマルチモーダル（画像入力）に対応。複数のベンチマークで V4-Pro（0813）に迫り、さらには上回る性能を発揮。出力価格は V4-Flash から約 70% 引き下げられ、キャッシュヒット時の入力は $0.003/百万 tokens まで低下。
V4 シリーズ（04-24）
V4-Pro（総パラメータ 1.6T / アクティブ 49B）と V4-Flash（284B / 13B）が MIT ライセンスでオープンウェイトとして公開され、1M コンテキスト + 384K 出力に対応。長コンテキスト時の計算コストは V3.2 のわずか 27% FLOPs / 10% KV です。
DeepSeek V4 ファミリーは最先端の能力と極めて低い推論コストを一つにしました：V4.1-Flash-1017 は RLSF 強化学習によりエージェントコーディングのコストを約 $0.20/タスクまで削減；V4-Pro は SWE-Bench Verified で 80.6%、LiveCodeBench で 93.5% を達成；すべてのウェイトが MIT ライセンスで公開され、1M token コンテキスト、最大出力 384K。下から今すぐ無料で体験できます — または先にベンチマークデータをご覧ください。
登録もアカウント作成も不要。プロンプトを入力するだけでストリーミング形式の回答が得られます。
回答がここにストリーミング表示されます…
このプレイグラウンドではDeepSeek大規模言語モデルを使用しており、プロンプトを入力するだけでリアルタイムのストリーミング回答が得られます。
4つの能力が現在の DeepSeek 世代を定義します — 公式報告のスコアであり、MIT オープンウェイトから再現できます。
1M token コンテキスト + 384K 最大出力。ハイブリッドアテンションにより、1M の負荷でも V3.2 の約 27% の FLOPs と 10% の KV キャッシュしか消費しません — 長いコンテキストが高額な請求を意味する時代は終わりです。
V4.1-Flash-1017 は自己フィードバック強化学習（RLSF）によってプロジェクト開発能力をエンドツーエンドで訓練します。モデルは自身の信頼度とセルフ批評を報酬シグナルとして用い、DeepSWE v1.1 で 77.0% を達成します。
V4.1-Flash シリーズは画像入力をネイティブに受け付け、外部の視覚モジュールは不要です。スクリーンショット、画面、ドキュメント画像がそのまま同じコンテキストとツール呼び出しのループに入ります。
V4-Pro と V4-Flash の重みは Hugging Face で MIT ライセンスのもと公開されており（Flash は約 160GB）、セルフホスト可・商用利用可・地域制限なしで、API は OpenAI / Anthropic SDK と互換性があります。
データは DeepSeek の公式発表および公開評価からの引用です（2026年10月時点）。
| 評価 | モデル | 成績 | 説明 |
|---|---|---|---|
| DeepSWE v1.1（Pass@1） | V4.1-Flash-1017 | 77.0% | 1タスクあたりの平均コストは約 $0.20、低価格帯では $0.10 |
| SWE-Bench Verified | V4-Pro | 80.6% | 実リポジトリレベルの問題修正 |
| LiveCodeBench | V4-Pro | 93.5% | リアルタイム競技プログラミング |
| Terminal-Bench 2.0 | V4-Pro | 67.9% | ターミナルエージェントタスク |
| Codeforces（Rating） | V4-Pro | 3,206 | 競技プログラミング Elo |
| Putnam-200（Pass@8） | V4-Flash | 81.0% | 数学コンテスト |
GLM-5.3、GPT-5.6、Claude などのモデルとの 16 項目のクロス比較はベンチマーク / DeepSeek vs GLM。
2段構成のMoEと圧縮スパースアテンションにより、1Mコンテキストの計算コストを最小限に抑えます。
V4-Proは総パラメータ1.6T、トークンあたりのアクティブパラメータは49B。V4-Flashは総パラメータ284B、アクティブ13B。V4.1-Flashは552Bの完全新設計エンコーダを採用。同一APIでグレードに応じてコストを切り替えられます。
圧縮スパースアテンション（CSA）とヘビーコンプレッションアテンション（HCA）の組み合わせ：1MコンテキストでのFLOPsはV3.2の約27%、KVキャッシュは約10%にとどまり、長コンテキスト検索の品質とコストを同時に最適化します。
FP4+FP8混合精度で32T+ tokenの事前学習を完了。V4.1-Flash-1017ではRLSFポストトレーニングを追加：モデル自身の信頼度／セルフ批評を報酬シグナルとし、人間の評価器に依存しなくなりました。
リポジトリ全体のコード、数百ページの契約書、エージェントの完全な軌跡を一度に収められます。384Kの最大出力は、プロジェクト一式や長文レポートの生成に十分です。思考モードはデフォルトで有効。
deepseek-flash の同時実行上限は 2500、deepseek-v4-pro は 500。API は OpenAI および Anthropic SDK と互換し、JSON 出力とツール呼び出しに対応しています。詳細は100万コンテキストの詳細解説。
現在 API で販売中の主力モデル — 完全なリストはすべてのモデル。
新 · おすすめ
552B MoE · ネイティブビジョン · RLSF · 1M/384K
呼び出し名は deepseek-flash
$0.15 / $0.60 毎百万 tokens（オフピーク）
1.6T/49B フラッグシップ · MIT · 1M/384K
呼び出し名 deepseek-v4-pro
100万 tokens あたり $0.66 / $1.98（オフピーク）
552B · ネイティブビジョン · 09-10 リリース
出力価格は V4-Flash から約 70% 低減
キャッシュヒット入力 $0.003
284B/13B · MIT · 約 160GB の重み
Putnam-200 81.0% · SWE-Bench 79.0%
100万 tokens あたり $0.14 / $0.28
"Wish-Driven Programming"：一文の記述から完全なプロジェクトを生成——公式デモには故宮の 3D モデリング、ブラウザレーシングゲーム、Godot による Portal 2 の再現、3D シーン"Valley of Ages"が含まれます。
1M コンテキストにはコードリポジトリ全体や数百ページの文書が収まります。キャッシュヒット時は $0.003/百万 tokens となり、同じコーパスを繰り返し検索する RAG パイプラインのコストはほぼゼロに近づきます。
MIT オープンウェイト + OpenAI/Anthropic 互換 API：データを社内ネットワークから出さずに最先端のコーディング能力と推論能力を利用でき、移行コストは base_url を1行変えるだけです。
推論重視や複数ファイルにまたがる複雑なコーディングには V4-Pro を選択。高同時実行、長文書、コスト重視のシナリオには deepseek-flash（現在は V4.1-Flash-1017 を指し、ビジョン対応、同時実行数 2500）を選択してください。
API は従量課金制で、無料枠はありません。重みは MIT ライセンスで公開されており、自分でデプロイすることも可能です。当サイトのプレイグラウンドではストリーミングデモを無料で提供しています。
v4-pro の呼び出しは 2026-09-14 から V4.1-Flash にルーティングされます。新しいプロジェクトでは deepseek-flash を直接使用することが公式に推奨されています。詳細はよくある質問。
ページ上部のプレイグラウンドに戻り、プロンプトを入力するだけでストリーミング回答が得られます。