「最強のオープン」は自己申告のまま出荷された──DeepSeek V4 Pro 0813が並べた強気の採点表と、まだ埋まらない裏取り

中国のDeepSeekが、大規模言語モデル「DeepSeek V4 Pro」の更新版「0813」を2026年8月12日に一般提供（GA）として公開しました。自社の料金ページに載り、OpenRouter経由でも呼び出せる状態です。売りは、コーディングやエージェント用途で並べた高いスコアと、桁違いに安い料金。ただしその数字の大半は現時点でDeepSeek自身の集計であり、第三者による再現はまだ追いついていません。開発者目線では「安くて強い」を額面どおり受け取る前に、確認しておきたい点がいくつかあります。

まず出荷されたものの中身

V4 Proは、必要な部分だけを働かせる混合エキスパート（MoE）構成のモデルです。公表値では総パラメータ1.6兆に対し、推論のたびに動くのは49億（activated）にとどまり、文脈長は100万トークンに対応します。大きな器を積みつつ、実際に回すコストは抑える設計です。0813はその重みを一部差し替えた新しいスナップショット、という位置づけになります。

料金は破格、ただし8月16日に上げ幅が入る

目を引くのはAPI料金です。以下は公開時点の水準で、いずれも100万トークンあたりの価格です。8月16日からピーク／オフピークの段階制に移り、実質的な値上げが予告されている点に注意してください。

キャッシュが効けば入力側はほぼ無視できる水準まで下がります。長い文脈を繰り返し使うエージェント運用では、この価格差がそのまま月々のトークン代に響きます。

強気の採点表

DeepSeekが掲げるスコアは確かに高く、コーディング系の指標で上位モデルと肩を並べる数字が並びます。代表的なものを整理します（いずれもベンダー公表値）。

SWE-bench Verifiedの80.6%は、オープン重みのモデルとしては最上位級で、一部の集計では上位の商用モデルと同水準とされています。DeepSeekはエージェント系の指標で「最大49.9ポイント」の改善もうたっています。

「速報の数字」を鵜呑みにしない

ここが今回の要点です。これらのスコアは、現時点で独立した第三者機関による再現検証が済んでいません。報道でも「ベンチマークの主張は独立検証待ち」と繰り返し断り書きが添えられています。加えて別のレビューでは、長い多段のエージェント実行になると「エラーからの復帰」や「一貫性」で崩れやすく、最難問では約24%がタイムアウトしたと指摘されています。つまり、静的な採点表で見えるピーク性能と、実運用で最後まで走り切る安定性は、必ずしも一致しません。こうした懸念も指摘されている、という温度で受け止めるのが妥当です。

それでも開発者に効く「自前で回せる」余地

V4系はMITライセンスのオープン重みとしてHugging Faceで配布され、自己ホスト・ファインチューニング・商用利用が認められています（0813スナップショットの重み公開状況は情報源により記述が分かれるため、導入前に配布ページで最新の提供範囲を確認してください）。コードを社外に出さずにモデルだけを自社環境へ降ろす、という選択肢が現実的な価格帯で増えたことは、内製・オンプレ志向のチームには追い風です。一方で、自前運用はGPU調達・更新・評価の手間を自分たちで背負うことでもあります。安いAPIか、重みを抱える自己ホストか――どちらが得かは、扱うコードの機密性と、回すトークン量しだいで変わります。

いま取るべき構え

候補として検証する価値は十分にあります。ただし、採用可否は公表スコアではなく、自分たちの実タスクで測った結果で判断するのが安全です。SWE-bench型の一発勝負ではなく、実際のワークフローに近い多段タスクで、失敗時の復帰まで含めて回してみる。値上げ後の実料金と、自己ホストした場合の総コストを並べて比べる。この二つを押さえてから、既存のコーディングエージェントの一角に据えるかどうかを決めても遅くはありません。

参照: Artificial Analysis: DeepSeek V4 Pro 0813 / OpenRouter: DeepSeek V4 Pro / Tech Times: DeepSeek V4 Pro 0813 Goes GA, Benchmark Claims Await Independent Proof / Morph: DeepSeek V4 Architecture, Benchmarks, Pricing / Codersera: DeepSeek V4-Pro Review