DeepSeekの新型AI「V4.1 Flash」はなぜ小さいのに賢いのか。新設計アーキテクチャの狙いを分かりやすく整理する

まず初めに

*「有無を言わさず新型に切り替えます」と発表した数日後に「やっぱりやめます」と前言を撤回する――普通の企業なら赤っ恥ものだが、AI業界のスピード感の中では「利用者の声を聞いてすぐ方針転換した」と、むしろ好意的に受け取られかねないから面白い。*しかも看板は7630億パラメータという巨大企業だが、実際に手を動かしているのはそのごく一部だけという、効率重視の身軽な作りだ。大きく見せて中身は身軽、という今どきのAI業界らしい仕上がりである。※個人の感想です

何が起きているのか

中国のAI企業DeepSeekは2026年9月10日、新しい設計思想「因果的いんがてきエンコーダー・デコーダー(Causal Encoder-Decoder)」アーキテクチャの第1弾として、画像の内容をネイティブに理解できるマルチモーダルAIモデル「DeepSeek-V4.1-Flash」を発表しました。従来のテキスト中心のモデルに画像処理機能を後付けするのではなく、設計段階から画像理解を組み込んでいる点が特徴だとしています。名前の並びだけ見ると型番の付け方に一貫性がない気もするが、そこは気にしないことにする。

モデルの構造は、40層のTransformer(AIモデルの基本構造)を、前半20層の「causal encoder(原因・結果の順序を保ったまま読み込む部分)」と後半20層の「decoder(回答を生成する部分)」に分けた作りになっており、これが「Causal Encoder-Decoder」という名称の由来です。モデルの規模については、総パラメータ数が約763B(7630億)で、その内訳は「専門家混合(MoEモーエー)」と呼ばれる仕組みによるバックボーン部分が551.6B、条件付きで参照される追加のメモリ機構「Engram」が196.9B、「DSpark」と呼ばれる部分が14.2B、画像を扱う視覚エンコーダーが0.5Bとされています。一方で、実際に1回の処理あたりに使われるパラメータ(アクティブパラメータ)は、入力を読み込む段階(prefill)で約8B、回答を生成する段階(decode)で約16Bにとどまるとされ、コンテキストウィンドウ(一度に扱える文章量の上限)は100万トークン、学習に使われたデータ量は45.0兆トークンに上るとしています。あわせて、長い文章を扱う際に一時的に保持しておく必要があるデータ量(KVキャッシュ)を、1トークンあたり890バイトまで圧縮したとしており、DeepSeekの説明によれば同社の第1世代モデルと比べて437分の1の量に抑えられているとしています。

性能面では、DeepSeekの説明によると、ベースとなる「DeepSeek-V4-Flash-Base」は、アクティブパラメータ・総パラメータともに前世代の「DeepSeek-V3.2-Base」より少ないにもかかわらず、幅広いベンチマークで上回る結果を示したとしており、特に世界知識を問う問題や長い文脈を扱うタスクで優位性が大きいとしています。さらに正式版の「V4.1 Flash」は、これまでの上位モデル「V4 Pro」を性能・コスト・処理速度・応答の遅延(レイテンシ)の総合面で上回ると、DeepSeekは説明しています。

API提供については、モデル名「deepseek-flash」として提供され、新しい価格体系は2026年9月10日午前4時(協定世界時)から適用されています。当初DeepSeekは、9月14日午前4時(協定世界時)から、V4 Proへのリクエストを自動的にV4.1 Flashへ切り替える計画を示していましたが、利用者からの要望を受けてこの自動切り替え計画を撤回し、V4 Proは従来の価格のままAPI提供を継続すると発表しています。

なぜ重要なのか

今回の発表が注目されるのは、DeepSeekが総パラメータ数を大きく増やしながらも、実際に処理に使うパラメータ数を抑える設計を続けている点です。「専門家混合(MoE)」に加えて、必要な時だけ参照する条件付きメモリ「Engram」を組み合わせることで、巨大なモデルの知識量を保ちながら、処理コストを抑えるという方向性は、OpenAI・Google・Anthropicといった米国勢と、Alibaba(Qwen)・Moonshot(Kimi)といった中国勢がしのぎを削るAIモデル開発競争の中で、DeepSeekが引き続き重視している路線であることがうかがえます。

また、利用者からの反発を受けてわずか数日で自動切り替え計画を撤回した点も、AI企業がAPI利用者との関係をどう扱うかという観点で興味深い事例です。開発者にとって、利用するモデルが企業側の都合で一方的に切り替えられてしまうことは、コストや挙動の予測可能性に関わる重要な問題であり、それに対する事業者側の対応の速さが問われる場面だったといえます。

私たちへの影響

DeepSeekのAPIを利用している日本の開発者にとっては、V4 ProとV4.1 Flashを引き続き選択できる状態が維持されたことで、既存のシステムへの影響を避けながら、新しいモデルを試すかどうかを自分たちのタイミングで判断できるようになりました。低価格を売りにするDeepSeekのAPIは、コストを抑えたいスタートアップや個人開発者による日本国内のAI活用サービスにも組み込まれている例があり、画像理解機能の強化や価格体系の変更は、そうしたサービスの機能や利用料金に間接的に影響する可能性があります。

一般の利用者にとっては、DeepSeekのモデルを直接意識する場面は少ないものの、低コストで高性能なAIモデルが増えることで、様々なアプリやサービスに組み込まれるAI機能の質が底上げされていく流れの一部として捉えることができます。

初心者が知っておくべきこと

「アクティブパラメータ」とは、AIモデルが1回の処理を行う際に、実際に計算に使われるパラメータ(モデル内部の調整値)の数のことです。「専門家混合(MoE)」と呼ばれる設計では、モデル全体としては膨大な数のパラメータ(総パラメータ)を持ちながら、1回の処理では、その中から必要な一部の「専門家」だけを選んで使うため、総パラメータ数に比べてアクティブパラメータ数は大幅に少なくなります。今回のDeepSeek-V4.1-Flashも、総パラメータは約763Bに上る一方、実際の処理に使われるのは8B〜16B程度と、大きな差があります。この仕組みにより、モデルは巨大な知識量を保ちながら、実際の計算コストを抑えることができます。

IT Postの見方――前言撤回を素直に喜んでいいのか、判断材料はまだ足りない

IT Postでは、利用者の反発を受けて数日で計画を撤回したDeepSeekの対応は、少なくとも「決めたことは押し通す」姿勢よりは利用者本位だと評価してよいと考えます。

とはいえ、今回発表された性能面の優位性は、あくまでDeepSeek自身が示したベンチマーク結果であり、独立した第三者による検証はまだ確認できていない。7630億パラメータという看板の大きさに引っ張られて「すごいモデルが来た」と早合点するのは、まだ早いだろう。IT Postでは、日本の開発者コミュニティによる実地での検証結果や、実際の利用コストが宣伝どおりかどうかを、引き続き注視していく必要があると考えます。※個人の感想です

今後どうなりそうか

DeepSeek-V4.1-FlashのAPI提供は既に始まっていますが、今回参照した情報源の範囲では、日本国内の開発者コミュニティによる独立した性能検証の結果はまだ確認できていません。IT Postでは、実際の利用者からの評価や、他社モデルとの比較検証の結果について、新しい情報が確認され次第あらためて取り上げます。