DeepSeek V4 Flash 0731の登場とその衝撃
こんにちは、AI駆動開発部の日常へようこそ。 このポッドキャストは、日々AI駆動開発を行う企業家の山本とエンジニアの阿部が、
AI駆動開発のリアルを緩く語り合う番組です。 はい、じゃあよろしくお願いします。
はい、お願いします。 はい、じゃあですね、今日は
世間を賑わしている、あの話をできたらと。
賑わしてる。
はい。
はい。
賑わってますね。
まあ、賑わってますね。
賑わってるのかな、ちょっとわかんないけど、まあ多分賑わってるでしょうと。
はい。
そう思ってるって感じで、完全に。
はい。
まあ、ディープシークV4フラッシュがですね、元々プレビュー版だったんですけれども、
GA版をベータリリースしました、みたいな感じで。
それってなんやねん。
ややこしい。
そうそう、プレビュー版だったものをGA版としてベータリリースしました、みたいな謎の発表があったんですけれども、
一応正式版として、ディープシークV4フラッシュ0731ということで出ましたので、
ちょっとそれの使用感とかそのあたりの話ができたらなというふうに思ってます。
ディープシークV4は以前もですね、我々V4 Proのプレビューですね、
についてはかなり気に入っていて、オープンコードで結構使い倒してはいたんですけれども、
フラッシュもね、ちょっとした計作業とかはお願いしてたみたいなところがあったんですけれども、
ディープシークV4フラッシュの0731ですね、本ちゃんのモデルが出てきて、
なんとベンチマーク上はV4のプロプレビューよりもベンチマークが全水準で高いという謎の発表があったんですけれども、
もしかしたらベンチマークに特化させただけなんじゃないかみたいなのを言っている人もXとかであちらほらいたんですけれども、
一応ベンチマーク上ではすべて凌駕しているということで、
かなりね、ちょっとそれが本当なんだったらすごいなというような感じで考えていたので、
今日ちょっと実際に使ってみたんでね、特に阿部ちゃんはコードを書かせたりとかもしているみたいなので、
ちょっとその話ができたらいいのかなというふうに思っておりますと。
これがちょっとどれくらいすごいことかみたいな話からできたらいいんですかね。
例えば、そうですね、ソネットとかと比較するのがいいのかな。
ベンチマーク上はソネットの方が確か高いんですけれども、
たぶん皆さん聞いている方は結構使っている方が多いんじゃないかみたいなところで言うと、
クロードソネット5の値段との比較ができたらいいかなというふうに思うんですけれども、
クロードソネット5はオープンルーター上でですね、
インプットが100万トークンコンテキストあたり2ドル、
アウトプットが100万トークンコンテキストあたりで10ドルなんですよね。
なんですけれども、ディープシークV4フラッシュの0731はですね、
インプットが100万トークンあたり0.09ドルで、
アウトプットが100万トークンあたり0.18ドルです。
いやー安いね。
もうとんでもなく安いよね。
インプットに関しては20分の1ぐらいってことですかね。
本当にすっごい安い。
すごい安いんだけど、
じゃあどれくらいベンチマーク上乖離があるかというと、
そこまでめっちゃ乖離があるわけではない。
そうだね。ソネットと比較するとそんなに差はないなって感じがする。
相応力もちろんソネットの方が上ではあるんですけれども、
ベンチマークだけで比較すると結構迫ってきているというような感じ。
例えばちまたを逃げましたGLM5.2とかだと、
50%オフが入ったとしても100万トークンあたり0.6でアウトプットが1.5なんで、
それの倍ぐらいは普通はかかるよねみたいな感じではあるんですけれども、
そこと比べても相当安いというような感じなので、
そこと比べてもだってね、だいたい1.5から0.18まで変わるからね。
すごいよね。もうちょっと頑張ったら10分の1みたいな話。
インプットの方も0.6から0.09なんで、6分の1ぐらい安になると。
みたいな感じで、中華モデルと比較しても結構安いっていうような。
他の中華モデルと比較しても結構安いっていうところと、
あとはベンチマーク的に言うとですね、GLM5.2より全ての、
これはディープシークが公式で公開しているベンチマークの比較で
いう前提なんですけれども、GLM5.2より上回ってると。
すごいね、これは。
みたいな感じで、結構すごいなというような感じです。
まさかのV4 Pro Previewを上回るっていう。
せっかくだったらV5とかにしたらよかったのにみたいな感じなんですかね。
なんでややこく日付をラベルにつけて、
ディープシークV4フラッシュ0731みたいにしたら、
堂々とV5にしちゃえばよかったのにみたいな。
あくまでもプレビューだったのをGAでっていう、あれがあったんでしょうね。
そう考えるとV4の伸びしろすごいことになってそうですけど。
すごいよね。
というような感じなんですけれども、
DeepSeek V4 Flashの実利用と大規模タスクへの挑戦
クロードのOpus 4.8にはちょっと及ばずみたいな感じですけれども、
かなり本当に使えたら結構すごいっていうのと、
あとはオープンコードの開発者とかもね、
Xで投稿とかしてたんですけれども、
相当使われてると。
それでインフラが落ちたりとかもしてるみたいな感じで。
阿部ちゃんも言ってたよね。
ブツンって切れるみたいな。
そう、突に死ぬっていうのがオープンコード号で起きてて。
多分、もう一杯一杯なんだなインフラみたいなのは感じてますね。
これはもうディープシークV4フラッシュが爆速で動くんで、
やっぱり爆速で動かせるってことを、
しかも安いっていうことはやっぱりいっぱい使うじゃないですか。
早く動けば動くほど僕たちはどんどん使うと思うので、
みんなも多分バシバシ使ってどんどん容量が逼迫していってる。
まあそれはインフラとしての容量が逼迫していってるんだろうな、
みたいなのは何となく感じますよね。
うんうん。
そう、みたいな感じ。
なので、相当使われてるっていうのが、
他のサービスの開発者も言ってたね。
今までLouisを見ないぐらい使われてますね。
本当?
新しいのにもかかわらず、
OpenRouterのLLMリーダーボードではもうすでに4位まで来てると。
これだと一瞬で1位くね。
もともとV4 Flashの古いプレビュー版の方が1位だったんで、
それよりもさらに性能がいいってなったら、
一瞬で1位になるだろうなって思います。
なるほど。確かに。
みたいな感じで本当にね、
サービス開発してる人からするとすごい朗報ですよね。
これである程度のタスクもこなしてくれるみたいなモデルになるんだったら、
実用性を担保しつつっていうところでできるんで、
かなりいいんだろうなと。
実際にね、自分のサーバーを立てて動かすみたいなのをやってる人も
いらっしゃったりするみたいですし、
結構いい感じなんだろうなというような感じで、
ちょっとお互いじゃあ、そんな感じでV4 Flashの0731のモデルはかなり有用そうで、
これが本当に有用なのであれば、実用に足るのであれば、
価格破壊もいいところという感じで、
V4 Proプレビューでも価格破壊すげーなーみたいな話を過去してたと思うんですけれども、
それよりもさらに安くてみたいな感じなので、
実は島田を逃げ足してるんじゃないかなというようなことを思っています。
界隈を逃げ足してるって感じですね。
のかなというふうに思っております。
実際どうですか?何か使ってみて。
僕はそうですね、月曜日ぐらいから、8月の2日3日ぐらいから使い始めているんですけど、
僕はとりあえずDeepSeek V4、プロの時代からもそうなんですけど、
あんまり深く考えさせることをやるよりは、決まったタスクをひたすらこなしてもらう、
量をさばいてもらうっていうのが得意なモデルなんだろうなっていう感覚があったので、
今回実際に使うにあたっても、計画はフェイブルとかに立てさせて、
具体化させてあげた上で、DeepSeek V4 Flashの新しいモデルに作業してもらうっていうのをやってもらおうかなと思って、
計画を渡したっていうのがやってみたこととしてあります。
この計画、めちゃくちゃ大規模なことをやらせようとしていて、
今までこのサービス、今僕たちが運用しているもののうちの一つで、
フロントエンドをリニューアルしてデザインを一新しようみたいなタスクがありまして、
画面数が40ちょっとぐらいあるようなサービスなんですけども、
これを全部コンポーネントのデザインを定義して、コンポーネントを区切ってあげて、
全ページ置き換えていくみたいな作業をやらせるっていうので、
大体タスクのフェーズが65フェーズありますみたいな、
そういうすごい大規模なタスクを渡してみました。
今日ですね、3日目ぐらいになるんですけども、まだ動いてて、
もう今大詰めで最後のレビューをやっているみたいな感じなんですけど、
とはいえ、DeepSeek V4 Flash、特に詰まることなく、
一旦ゴールまで行きそうだなみたいな感じがして、
これすごいなみたいな、計画さえあれば、
とにかく詰まらずにひたすら作業すること自体はできるモデルなんだなみたいなのはまずあります。
実際に今フロントエンドのE2Eテストも、
DeepSeek V4 Flashが自分でやってるんですけど、
たまに画面がパッと起動して、E2Eテストやってるのを僕は眺めることができるんですけど、
そんなにパサってな方向にはなってないなっていう感じで、
実装自体はすごい変な状態にはなってないんだなっていうのは、
なんとなく見ていて感じるところです。
ただ、そういう大規模なタスクをやらせるっていうのは、
もうある程度タスクが決まっていたらできるんだなみたいな感覚はあるんですけど、
実際に使ってて、対話してて頭の良さだったりがどうなのかなみたいなのはちょっと気になって、
今日は別のバグの調査みたいなのをやらせていただいていました。
もともとは、僕はよくバグの調査はGPTの5.6Tを使っていて、
テラに問題を調査させてバグが見つかったら、
その修正の方針は大体Fableとかにお願いして、計画が立てたらまたテラとかにやらせるみたいなことをやってたんですけど、
今回お願いしたバグ調査が結構、広範囲を見ないと特定できないようなタスクだったんですよ。
テラにバグ調査をお願いして、こういう問題があるんだけどって言った時に、
結局テラに別セッションで2回聞いてみたんですけど、どうしても間違った結論を出してしまっていて、
ちょっとおかしいなっていうふうな状態があったんですよ。
試しにDeepSeek V4 Flashにお願いしてみたら、わりとあっさりと問題を特定して、
こういうところを改善する必要があるっていうふうに出してきてくれていたので、結構使っていて体感としては、
確かにDeepSeek V4 Pro、以前のV4 Proよりは頭いいかもな、みたいなのは使っていて感じました。
逆にGPT 5.6テラどうしたんだ、みたいな感じはあったんですけど、
なので、使用感としてもそんなに、ちゃんと計画を立たせて渡したりとか、
見てる限りはそんなに問題ないのかなっていうふうに感じましたね。
逆になんか良くない挙動とかあった?
モデルの挙動と課題：思考ループとマルチモーダル非対応
ありました、ありました。これまで1回しか遭遇したいんですけど、
思考のループに陥るっていうのが、中華モデルで結構あるあるなんですけど、
リーズニングの時に同じことを繰り返し発言して、そのループにはまって一生リーズニングから戻ってこないっていうのが、
GLMの時もあったし、同じくDeepSeek V4 Proでも、Flashとかでも昔も起きてたんですけど、
今回もやっぱりハマってるっていう時はありました。
これはリーズニングを一番MAXとかレベルを高い時にしてると起きてるなっていう感覚があって、
リーズニングをデフォルトの状態にしてれば、まだ1回も遭遇していないっていうような状況になって…
ハイってことだよね、デフォルトだと。
ハイなのかな?
うん、多分ハイだと思う。
それだと起きてないっていうのと、そんなにリーズニングを深める必要ってDeepSeekに渡すタスクとしては必要ないかなっていうふうに僕は思ってるので、
そもそもリーズニングはデフォルトの状態にしたまま動かすので、今のところは固まってるっていう感じです。
なるほど。
それで言うと、僕もですね、もともとV4 Proのプレビューで回してたワークフローがあって、
それをV4 Flashの今回のGA版に差し替えたんですよね。
で、リーズニングMAXにしたら、同じようなエラーというか、みたいなのがあって、ワークフローがうまく回らなかったんですよね。
それに対してフェーブルと相談して、どういうふうにしようかみたいな感じで、結果的にハイに戻すのがいいっていう。
あー、はいはい。
だから、逆に上げると良くないのかもね。
上げると思考が変になっちゃうのかもしれないなっていうのが、今、阿部ちゃんの話聞いても同じようなことが起きてたから。
そうなんだ。山ちゃんが使った時ってオープンルーター経由でやった?それともオープンコード5経由だった?
オープンルーター経由。
じゃあ、やっぱりモデルの特性としてあるのかな。僕、オープンコード5でサブスクリプションで使った時に起きていて、
これがもしかしたらオープンコード5が使っているインフラの問題だったりするのかなとは思ったりしていたんだけど、
どっちかっていうとやっぱりモデルが持っている固有の問題なのかなっていうのも。
リズミングは範囲で止めておくのがいいっていうのが、僕も同じ結論に至ってるから、そういうことなのかっていうふうに思った。
それで言うと、ワークフローで動かした時に、今までMacroード系とかDeepSeek V4 Pro、GLM系でいろいろやられたワークフローで、
どんどん安いモデルで、ある程度水準に達するモデルみたいな感じで、
品質が最適化するような形で調整を入れていたワークフローなんですけど、
それがDeepSeek V4 Flashの0701版に変えたら、うまく動かなくなりましたと。
それもフェーブ相談しながら回収しようと思っていたんですけれども、
そもそも構造的な課題をそのワークフロー自体が抱えていったっていうのがあって、
前段でやったステップと後段でやっている検証ステップで、いわゆる相反するような指示が紛れ込んじゃってたみたいな感じが。
逆に言うと今までのモデルは吉田にしてくれてて、何とか通ってたみたいなところが、
DeepSeek V4 Flashの0701だと顕在化して、その根本的な構造的な課題みたいなのを実際に解決できたと。
アウトプットの品質自体は過去と今回のと比べれるから、どんくらい品質劣化があったかも色々調べさせてみたいな感じをしたんですけど、
内容が重厚度が足りないとかそういうのはありつつも、そこまで品質的な劣化はないっていうところがあって、
結局結論としてはV4 Flashでいいんじゃないみたいな感じになって、
逆に構造的課題が見つけられたっていうことは指示追従性がそれなりに高いのかなっていう。
逆に指示に発端があったからうまく回らなかったというか、みたいなのも逆にメリットとしてもいれるなっていうのが今の見立てとしてある。
なので、阿部ちゃんの言う通り計画をしっかり立ててそれに追従させる形みたいにするのはそこそこいいんじゃないかなみたいな。
そうだね。今僕が普段計画を進めるときにやってるやり方、DeepSeek V4 Flashが出たときにやってるやり方って、
Fableに計画を立てさせて、詳細に詰めた後にDeepSeek V4 Flashにタスクを渡してオープンコード上で実行するんだけど、
そのときに普通にDeepSeek V4 Flashはタスクをオープンコードで進めるんだけど、
コストパフォーマンスと実用性：愚直さと情報保護の課題
それをクロードコードのFable後に監視させるっていうようなやり方をやっていて、
そのときにちゃんと指示追従してるっていうのはFableも報告していたので、やっぱり追従してる指示がしっかりしてれば追従するんだなっていうところは、
山ちゃんも今言ってた所感通りだなっていうふうに思うし、ただ、やっぱり計画になかった問題が出てくると、
やっぱりどうしても推論して正しい計画を進めてる中で計画をアジャストして進めるっていう力はあんまりないみたいで、
似たような実装を重複してやったりっていうのが観測されてて、そのFableが監視してるときに介入するみたいなことをやっていたから、
やっぱり計画をそのまま進めるのはできるけど、起点を聞かせてみたいなのはあんまり難しいのかなみたいな感覚は逆にあったりしましたね。
あと計画を進めてる時に何か問題があったら報告をしなさいみたいなのも計画の中には含まれていたんですけど、
それをちゃんとDeepSeek V4 Flashはエスカレーションして報告を上げていたりしたんですけど、
オープンコードで使ってる今、オーマイオープンコードっていうツールが計画を進めてる時にAIが停止すると自動的でコンティニューを叩くみたいな仕組みがあって、
ひたすらDeepSeek V4 Flashはどうしますかって聞いてるのにコンティニューが続けられるみたいな状況になってた。
なるほどね。会わなくなったんだね。
でもちゃんと止めてたんで、えらいなって思いました。まだユーザーから指示もらってないんでやりませんって常にコンティニューされても拒否してたから、すごいえらいなと思って。
言われたことをしっかりやるっていうのは得意なのかなっていうふうに感じました。
まあ愚直なんだね。
うん、愚直な気がしますね。3日間それでずっと動き続けてるからすごいなって。
トークンの消費量も今3.5ビリオンぐらいを超えているんですけど、オープンコード5の1ヶ月の消費が今25%ぐらい。
なるほど。
3.5ビリオンって100万トークンの3500倍なんですけど、
だいたいAIと会話してちょっとしたタスクやられてる時って100ミリオントークンも消費しないのに、その3500倍をやったとして月間の消費量が25%いかないってもう意味のわからない低コストっていう状態で、すごいなと思ってます。
すごいね。5時間のレートリミットはかかった?
いや1回もかかってない。
まじか。
そう、だからかかんないなと思いながらちょっと使ってる状態です。
それはいいね。
今って検証のためにオープンコードをフロントエンドの再実装だけでしか使ってないんで、もっといろいろ多重にタスク渡せば5時間のレートリミット超えるかもしれないんですけど、
一旦はこんだけ使ってても5時間も週間も月間のレートリミットも全然超える気がしないなっていうところで、なかなか。
いいですね、なるほど。
まあちょっと引き続きね、あとV4プロのGA版もそのうち出るみたいな感じみたいな。
そっちでも十分コスパいいからね。
なのにしかもきっとFlashよりプロの方が頭いいでしょって思うとどうなるんだろうみたいな。
いや、なかなか楽しみですよ。
ディープシーク系のちょっと弱みというかテキストしか処理できないから、マルチモーダル対応してないかな。
そこだけちょっとあれだけど、十分ですよね。
まあでもサービスとかにね、さっき言ってたようにAIを組み込むって考えたらなんかまあ、
もうほとんど変な回答とかはしなくなってるので、なんか十分実用に足るレベルで、しかもこの低コスト。
結構いいんじゃないかな。
まあ中華モデルなのでちょっとZDR、情報の保護みたいな部分で運用が難しい部分もあると思うんですけど。
まあオープンルーターとかでね、ちゃんとZDRが効くプロバイダーもあるっていう風な話なので。
確かそうだったっけ。
そうそうそう。ディープシーク本家本元は効かないっていうあれなんで。
他のなんか安心できるプロバイダーを探して、それに固定化するっていう利用方法がいいですね。
まあでもそれで使えるならばすごいと思う。
まあそんな感じで、じゃあちょっと引き続きね、使ってみて、続報があれば共有できればと思います。
はい、じゃあ本日もありがとうございました。
ありがとうございました。
本日もAI駆動開発部の日常をお聞きいただきありがとうございました。いかがでしたでしょうか。
今回はディープシークV4フラッシュの0731というバージョンがプレビュー版からGA版に昇格して出てきたので、
それが予想以上にいい感じなので、使ってみた感想とか所感を共有させていただきました。
こんな感じでいろいろなモデルですね、使ってみているので、ぜひこういうのを使ってみてほしいとか、話してほしい話題とかがあればコメントとかいただければ嬉しいです。
このPodcastを気に入ってくれた方は、いいねやフォロー、高評価ぜひお願いいたします。
それではまた次回もお楽しみください。バイバイ。
