#deepseek

AIモデルの性能差が縮むほど、話題になるのは「最強のモデル」より「実務で十分に使える安いモデル」になっていく。そんな流れの中で、この記事はDeepSeek 4.1 Flashを月単位で使い込んだ筆者が、なぜ業界がそれほど大騒ぎしていないのかを問い直している。単なるモデル評ではなく、開発のやり方、コスト感、そして計算資源の使い方まで含めて話が広がるのが面白い。派手なベンチマーク速報より、現場で何が変わるかに焦点が当たっている。 筆者はDeepSeek 4.1 Flashをおよそ1か月、十数件のプロジェクトでかなり集中的に使ってきたという。そこで受けた印象はかなり強く、能力は非常に高く、いわゆる“frontier”モデルよりも桁違いに安いと述べている。会話している最中にモデル名を隠されると、DeepSeekを使っているのか、AnthropicのOpusを使っているのか自分でも見分けがつかない、とまで書く。やり取りの内容、作業の進み方、応答速度のどれを取っても差を感じないので、4.1にPro版がないことも気にならないし、実質的には最上位モデルとして扱っている、という感覚だ。 そのうえで筆者は

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 /