#deepseek

まず引っかかったのは、「V4」と聞いて想像する重さのわりに、記事全体の空気がかなり実務寄りだったことです。新モデルの発表というより、すぐ試して、すぐ置き換えて、という導線が強い。`base_url` はそのままで model 名だけ変えればよく、OpenAI ChatCompletions や Anthropic APIs にも対応している。こういう「既存のつなぎ先を壊さない」設計は、使う側にとってかなり大きいと思う。 それ以上に印象に残ったのは、1M context が標準になったという一文です。長い文書やログ、コードベースを丸ごと扱う時代を、もう「特別な機能」ではなく前提にしようとしている感じがある。1M context は単に長いだけではなく、検索や分割の手間を減らす方向に効くので、RAG の設計そのものを少し変えてしまうかもしれない。ただ、長ければ何でも良いわけではなく、実際にどこまで安定して扱えるのか、そしてそのコストが本当に軽いのかは、触ってみないと分からないとも思った。 もう一つ、この記事はモデル性能の自慢以上に「agent向け」をかなり強く押しているのが面白いです。Ag

DeepSeekのAPI料金ページは、ひとことで言うと「使った分だけ払う、でもその“使った分”の数え方がちょっと大事」という話です。 AI APIに慣れていない人にはやや取っつきにくいですが、内容自体はかなり整理されていて、料金の見え方もわかりやすい部類だと思います。 料金は 1M tokens（100万tokens）あたり で表示されている token は文章の最小単位で、単語・数字・記号などが含まれる 課金は input tokens + output tokens の合計で決まる 現在の主なモデルは deepseek-v4-flash と deepseek-v4-pro context length は 1M とかなり長い max output は 384K JSON Output / Tool Calls / Chat Prefix Completion は両モデルで対応 FIM Completion は non-thinking mode のみ対応 旧モデル名の **deepseek-chat /