このモデルの強みは何ですか？

16兆という圧倒的なパラメータ量 100万トークンの長い文脈理解 MITライセンスによる高い開放性

このモデルの弱みは何ですか？

巨大なモデルサイズによる計算負荷推論時のリソース消費の増大運用コストの高騰が予想される

どんな用途に最適ですか？

極めて複雑な論理推論タスク膨大なドキュメントの解析高度な専門知識を要する研究

モデル一覧に戻る

DeepSeekオープンソース

DeepSeek V4 Pro

Name: DeepSeek V4 Pro
Price: 0.435 USD
Author: DeepSeek

DeepSeek V4 Proは、DeepSeek-AIによって開発された大規模な推論モデルです。約16兆パラメータの巨大なスケールと、100万トークンの広範なコンテキストウィンドウを備えています。

パラメータ

16000.0B

コンテキスト長

ライセンス

MIT

リリース日

2026-04-24

API料金

入力料金（1Mトークンあたり）

$0.435

出力料金（1Mトークンあたり）

$0.87

課金モード: standard

強み

・16兆という圧倒的なパラメータ量
・100万トークンの長い文脈理解
・MITライセンスによる高い開放性

弱み

・巨大なモデルサイズによる計算負荷
・推論時のリソース消費の増大
・運用コストの高騰が予想される

活用例

・極めて複雑な論理推論タスク
・膨大なドキュメントの解析
・高度な専門知識を要する研究

深度分析

SWE-Bench

76.8%

上位モデル

GPQA Diamond

90.5%

推論で優秀

入力価格

$0.50/1M

コスト効率

出力価格

$2.00/1M

フロンティアの1/5以下

コンテキスト

128Kトークン

標準的

強み

・DeepSeek V4の上位モデル
・より高い推論能力
・コスト効率が優秀
・MITライセンス

弱み

・DeepSeek V4.1で改良済み
・API安定性に課題の可能性
・ドキュメントが限定的

競合比較

Model	SWE	GPQA	Price
Claude Opus 4.7	80.9%	94.2%	$5.00/$25.00
GPT-5.4	80.0%	93.0%	$2.50/$15.00
Gemini 3.1 Pro	80.6%	94.3%	$2.00/$12.00

概要

Model: DeepSeek V4 Pro Field: summary DeepSeek V4 Proは、2026年4月24日にリリースされたDeepSeek-AIのフラッグシップ・オープンウェイト推論モデルであり、総パラメータ1.6兆（Mixture-of-Expertsルーティングによるアクティブパラメータ490億）を持つ、現時点で最大のMITライセンス言語モデルです。新たなV4アーキテクチャを導入し、100万トークンのコンテキストウィンドウ、圧縮スパースアテンション（CSA）と高度圧縮アテンション（HCA）を組み合わせたハイブリッド・アテンション機構、およびデュアル思考/非思考推論モードを備えています。このモデルはV3.2から大幅な世代間飛躍を遂げ、Artificial Analysis Intelligence Indexで52点（10ポイント向上）を記録し、主要なコーディングベンチマークにおいてクローズド・フロンティアモデルと同等以上のスコアを達成しました。 V4 Proの核心的価値提案は、クローズドモデルの価格のごく一部でフロンティアに準じた性能を提供することです。入出力トークン100万あたり$1.74/$3.48という定価で、Claude Opus 4.7の出力価格の約7分の1のコストでありながら、SWE-Bench Verifiedでは同等の性能（80.6%対80.8%）、競技プログラミングでは優位な性能（LiveCodeBench 93.5、Codeforcesレーティング3206）を示します。効率性の向上はアーキテクチャの革新によるものです：100万トークンのコンテキストにおいて、V4 ProはV3.2の単一トークン推論FLOPsのわずか27%、KVキャッシュの10%を必要とします。DeepSeekはまたV4 Flash（総284B/アクティブ13B）も$0.14/$0.28（入出力100万トークンあたり）でリリースしており、SWE-Bench性能でProと1.6ポイント差にとどめながら12倍の低コストを実現しています。このモデルには重大な注意点もあります。事実知識の取得（SimpleQA 57.9%対Geminiの75.6%）や領域横断的推論（Humanity's Last Exam 37.7%対44.4%）において、クローズド・フロンティアモデルに大きく後れを取っています。94%のハルシネーション率は、基盤となる知識が欠如していてもモデルがほぼ常に応答を生成することを意味します。政治的検閲は訓練ウェイト自体に埋め込まれており、デフォルトでホスト型およびセルフホスト型の展開の両方に影響します。本番環境エージェントを構築するチームにとって、V4 Proは現時点で最強のオープンウェイトオプションを示しますが、ワークロード固有の要件とコンプライアンス上の制約に対する慎重な評価が必要です。

ベンチマーク＆性能

## Detailed Benchmark Scores (V4-Pro Max Effort) ### Coding & Software Engineering | Benchmark | V4-Pro Max | Claude Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro | |---|---|---|---|---| | SWE-Bench Verified | 80.6% | 80.8% | 80.0% | 80.6% | | SWE-Bench Pro | 55.4% | 57.3% | 57.7% | 54.2% | | LiveCodeBench Pass@1 | 93.5 | 88.8 | — | 91.7 | | Codeforces Rating | 3206 | — | 3168 | 3052 | | Terminal-Bench 2.0 | 67.9% | 65.4% | 75.1% | 68.5% | ### Knowledge & Reasoning | Benchmark | V4-Pro Max | Claude Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro | |---|---|---|---|---| | GPQA Diamond | 90.1% | 91.3% | 93.0% | 94.3% | | MMLU-Pro | 87.5% | 89.1% | 87.5% | 91.0% | | IMOAnswerBench | 89.8% | 75.3% | 91.4% | 81.0% | | HMMT 2026 Feb | 95.2% | 96.2% | 97.7% | 94.7% | | Humanity's Last Exam | 37.7% | 40.0% | 39.8% | 44.4% | | SimpleQA-Verified | 57.9% | 46.2% | 45.3% | 75.6% | ### Agentic & Tool Use | Benchmark | V4-Pro Max | Claude Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro | |---|---|---|---|---| | MCPAtlas Public | 73.6% | 73.8% | 67.2% | 69.2% | | GDPval-AA (Elo) | 1554 | 1619 | 1674 | 1314 | | BrowseComp | 83.4% | 83.7% | 82.7% | 85.9% | | Toolathlon | 51.8% | 47.2% | 54.6% | 48.8% | ### Long Context | Benchmark | V4-Pro Max | Claude Opus 4.6 | Gemini 3.1 Pro | |---|---|---|---| | MRCR 1M (MMR) | 83.5% | 92.9% | 76.3% | | CorpusQA 1M (ACC) | 62.0% | 71.7% | 53.8% | ### Aggregate Index | Index | V4-Pro Max | |---|---| | Artificial Analysis Intelligence Index | 52/100 (#2 open-weights, behind Kimi K2.6 at 54) | | Hallucination Rate (AA-Omniscience) | 94% (when uncertain, nearly always responds anyway) | | AA-Omniscience Score | -10 (improved from V3.2's -21) | Key observations: V4 Pro leads on competitive coding (LiveCodeBench, Codeforces), ties on SWE-Bench Verified, and is strong on math (IMOAnswerBench 89.8%). It consistently trails on factual knowledge (SimpleQA, HLE) and advanced academic reasoning. The 1M-token context is genuine but quality degrades past ~800K tokens per practitioner reports.

詳細比較

## DeepSeek V4 Pro vs Claude Opus 4.7 Claude Opus 4.7 leads on most shared benchmarks by 4-9 points: GPQA Diamond (94.2% vs 90.1%), HLE (46.9% vs 37.7%), SWE-Bench Pro (64.3% vs 55.4%). V4 Pro ties on SWE-Bench Verified (80.6% vs 80.9%) and wins on competitive programming (Codeforces 3206, LiveCodeBench 93.5). The pricing gap is enormous: V4 Pro at list $3.48/1M output vs Opus 4.7 at $25/1M output — roughly 7x cheaper. Both support 1M-token context windows. Opus 4.7 supports native image input; V4 Pro is text-only (separate vision variant exists but lags). V4 Pro outputs up to 384K tokens vs Opus 4.7's 128K cap, a significant advantage for long single-response generation. ## DeepSeek V4 Pro vs GPT-5.4 GPT-5.4 leads on math (HMMT 97.7% vs 95.2%) and Terminal-Bench 2.0 (75.1% vs 67.9%). V4 Pro leads on competitive programming (Codeforces 3206 vs 3168, LiveCodeBench 93.5) and ties on SWE-Bench Verified. Pricing: GPT-5.4 at $2.50/$15.00 per 1M tokens vs V4 Pro at $1.74/$3.48 — V4 Pro is roughly 4x cheaper on output. V4 Pro's MIT license enables self-hosting; GPT-5.4 is API-only. ## DeepSeek V4 Pro vs Gemini 3.1 Pro Gemini 3.1 Pro leads on knowledge benchmarks by wide margins: SimpleQA (75.6% vs 57.9%), HLE (44.4% vs 37.7%), GPQA Diamond (94.3% vs 90.1%). V4 Pro leads on competitive programming and ties on SWE-Bench Verified. Gemini's pricing at $2.00/$12.00 is cheaper than V4 Pro's list price ($1.74/$3.48) on input but more expensive on output. Both support 1M-token context; V4 Pro's long-context retrieval (MRCR 1M: 83.5%) substantially beats Gemini's (76.3%). ## DeepSeek V4 Pro vs Kimi K2.6 Kimi K2.6 scores 54 on the Artificial Analysis Intelligence Index vs V4 Pro's 52, making it the #1 open-weights reasoning model. Kimi K2.6 scores 80.2% on SWE-Bench Verified vs V4 Pro's 80.6% — a virtual tie. Kimi K2.6 is reported at $948 to run the full Artificial Analysis benchmark suite vs V4 Pro at $1,071. Both are MIT-licensed open-weights models. ## Self-Hosting Considerations V4 Pro weights are 862GB (BF16) and require 8×H100-class hardware for usable throughput. V4 Flash at 160GB is substantially more deployable. Both use FP4/FP8 mixed precision for expert parameters. The MIT license allows full commercial use, redistribution, and fine-tuning without restrictions.

コミュニティ評価

The developer and researcher community has responded to V4 Pro with cautious enthusiasm tempered by practical concerns. On Hugging Face, the model has accumulated over 4.5 million downloads and 4,174 likes in its first two weeks, indicating strong adoption interest. Practitioners running V4 Pro in production report that coding performance genuinely matches the benchmark claims. One noted on social media that V4 Pro 'holds the thread of what happened three hours ago' in extended sessions, attributing this to the new hybrid attention architecture. Multiple developers report switching agentic coding workloads from Claude Opus to V4 Pro due to the cost differential, with one practitioner stating: 'For agentic coding at a one-seventh output cost, it is the rational pick this week.' The most common community concern centers on hallucination and factual reliability. The 94% hallucination rate means V4 Pro will confidently generate answers even when it lacks the knowledge, making it unsuitable for tasks requiring high factual accuracy without verification workflows. Developers working on research assistants or knowledge-heavy applications report noticeable gaps compared to Gemini models. The political censorship issue continues to generate debate. Community testing confirms that censorship is embedded in the training weights rather than applied as an API filter, meaning self-hosted deployments carry the same restrictions by default. Enterprise teams in regulated industries (particularly healthcare, finance, and legal) report they must either self-host with careful output filtering or route sensitive tasks to non-DeepSeek models. Adoption patterns show V4 Pro being used primarily for: (1) high-volume code generation and review, (2) repository-scale refactoring with its 1M context window, (3) agentic workflows with tool use, and (4) as a cost-optimized backbone in multi-model architectures where harder tasks are routed to Claude or GPT. Several developers report using V4 Flash for routine tasks and V4 Pro only when full reasoning depth is needed, taking advantage of the 12x pricing gap between the two tiers. The Lambda AI team characterized the release as landing in 'the quietest' way possible relative to expectations, noting that the infrastructure conversation has crowded out the model conversation in 2026. Early independent evaluations are still accumulating, and the community is waiting for the full technical report promised with the GA release.

ユースケース

## 1. 大容量エージェント型コーディングおよびCI/CD統合 V4 Proは、コストが意思決定の主導権を握る状況で毎日数百万回のコード生成コールを実行するチームにとって最強の選択肢です。アウトプット料金が$3.48/100万トークン（プロモーション価格：$0.87/100万）であり、Claude Opus 4.7より7〜8倍安価でありながら、SWE-Bench Verifiedでは同等の性能を示します。V4 Proは、コードレビューの自動化、CI連携のリンティング提案、テスト生成、および複数ファイルのリファクタリングに使用してください。38.4万トークンのアウトプット上限は、単一のレスポンスで完全にリファクタリングされたファイルを生成する際に特に価値があります。最も困難な10%のタスク（外科手術のような精度を要する複雑なバグ修正）はClaude Opusに、残りの90%はV4 Proに振り分けて支出を最適化してください。 ## 2. 長文脈ドキュメント分析および研究 100万トークンのコンテキストウィンドウと真の検索能力（MRCR 1M: 83.5%）により、V4 Proは単一のプロンプトでコードベース全体、法的文書セット、または技術コーパスを取り込むことが可能です。コードベースのマッピング、依存関係分析、契約レビュー、および複数ドキュメントの要約に使用してください。ハイブリッドアテンションアーキテクチャにより、長い文脈での推論コストを管理可能に保ちます—V4 Proは100万トークン時にV3.2のFLOPsのわずか27%しか必要としません。強力な長文脈検索と競争力のあるコーディング能力の組み合わせが必要な場合はGemini 3.1 ProよりV4 Proを選択し、事実の正確性が最重要の場合はGeminiを選択してください。 ## 3. セルフホスト型エンタープライズ展開オンプレミスAIを義務付けるコンプライアンス要件を持つ組織（防衛、医療、金融サービス）にとって、V4 ProのMITライセンスとオープンウェイトは最も強力なセルフホストオプションを提供します。本番スループットのために8×H100ノードで展開してください。ウェイト内の政治的検閲は一部のユースケースにおける既知の制限ですが、セルフホスティングによりAPIに存在するデータ収集に関する懸念を排除できます。ハードウェア要件を削減するため、優先度の低いタスクにはV4 Flash（160GBウェイト、130億アクティブパラメータ）を使用してください。これはデータ主権が譲れない条件であり、クローズドAPI限定モデルを使用できない場合におすすめの方法です。 ## 4. マルチモデルオーケストレーションアーキテクチャ V4 Proはスタンドアロンの代替としてではなく、ルーティングアーキテクチャでの主力として最も効果的に機能します。シンプルなクエリをV4 Flash（$0.28/100万アウトプット）に、標準的なコーディングタスクをV4 Pro（$3.48/100万）に、最も困難な推論/知識タスクをClaude Opus 4.7（$25/100万）またはGemini 3.1 Pro（$12/100万）に送信する分類器を構築してください。この階層的アプローチにより、すべてを最

最新ニュース

## DeepSeek V4 プレビューリリース（2026年4月24日） DeepSeekは2026年4月24日に、V3以来初となる新アーキテクチャとなるV4 ProおよびV4 Flashをプレビューモデルとしてリリースしました。これらのモデルは、DeepSeekのファーストパーティAPIおよび、Together、Novita、Fireworks、DeepInfra、SiliconFlow、Alibabaを含む15社以上のサードパーティプロバイダーで利用可能です。重みはHugging Face上でMITライセンスの下に公開されています。 ## プロモーション価格（2026年5月31日まで） DeepSeekは2026年5月31日までの期間、V4 Proの価格に75%の割引を適用しています：入力$0.435/100万トークン、出力$0.87/100万トークン（定価$1.74/$3.48からの値下げ）。プロモーション期間中のキャッシュヒット入力価格は$0.003625/100万トークンです。プロモーション期間終了後、価格は定価に戻ります。 ## レガシーAPIの廃止（2026年7月24日）従来の`deepseek-chat`および`deepseek-reasoner`のモデルIDは、2026年7月24日15:59 UTC以降、完全に廃止されアクセスできなくなります。現在これらは、それぞれDeepSeek V4 Flashの非思考モードおよび思考モードにルーティングされています。移行はモデルIDの1行変更のみで完了し、ベースURLは変更されません。 ## 完全な技術レポートは保留中 DeepSeekはV4を「プレビュー」リリースとして位置づけており、完全な技術レポートはGA（一般提供）ビルドとともに公開される予定です。初期報道で引用されたベンチマーク数値はDeepSeekのリリース資料に基づくもので、まだ完全に独立して検証されていません。最終的なGAモデルではスコアが変動する可能性があります。 ## 二層アーキテクチャのイノベーション V4はDeepSeek初の2モデルラインナップとなります：最大性能を追求するV4 Pro（総計1.6T/アクティブ49B）と、より高速で低コストな推論を実現するV4 Flash（総計284B/アクティブ13B）。両モデルは同じアーキテクチャファミリーを共有していますが、異なる性能/コストプロファイルを目指しています。Flashは、Proより12倍低い出力コストで、SWE-Bench性能においてProとの差が1.6ポイント以内という結果を示しています。 ## インフラストラクチャパートナーシップ Lambda AIは、V4 ProおよびV4 Flashのデプロイメント支援、モデルカード、およびサービングガイダンスを発表しました。NVIDIAとLambdaは、MLPerf Inference V6の結果に示されているように、V4のようなオープンモデルに最適化されたインフラストラクチャを共同設計しています。複数のクラウド推論プロバイダーは、リリースから数日以内にV4のエンドポイントを追加しました。

Model: DeepSeek V4 Pro Field: summary

DeepSeek V4 Proは、2026年4月24日にリリースされたDeepSeek-AIのフラッグシップ・オープンウェイト推論モデルであり、総パラメータ1.6兆（Mixture-of-Expertsルーティングによるアクティブパラメータ490億）を持つ、現時点で最大のMITライセンス言語モデルです。新たなV4アーキテクチャを導入し、100万トークンのコンテキストウィンドウ、圧縮スパースアテンション（CSA）と高度圧縮アテンション（HCA）を組み合わせたハイブリッド・アテンション機構、およびデュアル思考/非思考推論モードを備えています。このモデルはV3.2から大幅な世代間飛躍を遂げ、Artificial Analysis Intelligence Indexで52点（10ポイント向上）を記録し、主要なコーディングベンチマークにおいてクローズド・フロンティアモデルと同等以上のスコアを達成しました。

V4 Proの核心的価値提案は、クローズドモデルの価格のごく一部でフロンティアに準じた性能を提供することです。入出力トークン100万あたり$1.74/$3.48という定価で、Claude Opus 4.7の出力価格の約7分の1のコストでありながら、SWE-Bench Verifiedでは同等の性能（80.6%対80.8%）、競技プログラミングでは優位な性能（LiveCodeBench 93.5、Codeforcesレーティング3206）を示します。効率性の向上はアーキテクチャの革新によるものです：100万トークンのコンテキストにおいて、V4 ProはV3.2の単一トークン推論FLOPsのわずか27%、KVキャッシュの10%を必要とします。DeepSeekはまたV4 Flash（総284B/アクティブ13B）も$0.14/$0.28（入出力100万トークンあたり）でリリースしており、SWE-Bench性能でProと1.6ポイント差にとどめながら12倍の低コストを実現しています。

このモデルには重大な注意点もあります。事実知識の取得（SimpleQA 57.9%対Geminiの75.6%）や領域横断的推論（Humanity's Last Exam 37.7%対44.4%）において、クローズド・フロンティアモデルに大きく後れを取っています。94%のハルシネーション率は、基盤となる知識が欠如していてもモデルがほぼ常に応答を生成することを意味します。政治的検閲は訓練ウェイト自体に埋め込まれており、デフォルトでホスト型およびセルフホスト型の展開の両方に影響します。本番環境エージェントを構築するチームにとって、V4 Proは現時点で最強のオープンウェイトオプションを示しますが、ワークロード固有の要件とコンプライアンス上の制約に対する慎重な評価が必要です。

出典

分析生成日: 2026-05-23