DeepSeek V4 Pro 0813 リリース: パフォーマンス、価格、およびベンチマーク

DeepSeek V4 Pro 0813 は、複雑な推論と科学的なタスク向けに設計された高性能モデルであり、最先端のフロンティアモデルに代わる費用対効果の高い選択肢を提供します。大学院レベルの科学的推論や専門的なエージェントタスクには優れていますが、コミュニティのフィードバックによれば、ベンチマークの性能と実世界のコーディングの信頼性の間に乖離があることが示唆されています。

技術的パフォーマンスとベンチマーク

DeepSeek V4 Pro 0813 は、高複雑度の推論、特に科学的および対話型エージェントのシナリオにおいて強力な能力を示しています。Artificial Analysis のデータによると、このモデルは以下のスコアを達成しています：

  • 科学的推論: GPQA Diamond (大学院レベルの科学的推論) で 88.8%
  • 対話型エージェント: dual-control シナリオにおける $\tau^2$-Bench Telecom で 96.2%
  • 指示への追従性: IFBench で 76.5%
  • 長文コンテキスト推論: AA-LCR で 70.0%
  • コーディング: SciCode (科学計算) で 50.0%、Terminal-Bench Hard で 46.2%

しかし、研究レベルの物理学の推論 (CritPt で 12.9%) や、低い非ハルシネーション率 (AA-Omniscience で 5.9%) を示しており、特定の知識領域において投機的な回答を行う傾向があることが示唆されています。

価格設定と API 経済学

DeepSeek V4 Pro 0813 は、非常に攻撃的なバリュープロポジションとして位置付けられており、ユーザーからは Opus 4.8 のような競合他社よりも約 20 倍安価でありながら、パフォーマンス面でも競争力があるとしよく記述されています。

OpenRouter の価格設定

OpenRouter では、このモデルは以下の加重平均コストを備えています：

  • 入力価格: $0.03942 / M tokens
  • 出力価格: $0.8697 / M tokens

公式 DeepSeek の価格体系

DeepSeek は、負荷とコストを最適化するために、2026 年 8 月 16 日から有効となるピーク/オフピークの価格設定モデルを導入しています：

Model Period Cache Hit (Input/1M) Cache Miss (Input/1M) Output (/1M)
V4-Flash Off-peak $0.007 $0.22 $0.66
V4-Flash Peak $0.014 $0.44 $1.32
V4-Pro Off-peak $0.022 $0.66 $1.98
V4-Pro Peak $0.044 $1.32 $3.96

ピーク時間帯は 01:00–04:00 UTC および 06:00–10:00 UTC と定義されています。

ユーザーの洞察と実世界の応用

コミュニティのフィードバックによれば、モデルのベンチマークの成功と、ソフトウェア開発における実用的な有用性の間に隔たりがあることが明らかになっています。

コーディングと信頼性

いくつかの開発者は、他のフロンティアモデルと比較して、このモデルが複雑でマルチファイル構成の repository タスクにおいて苦戦していると報告しています。あるユーザーは、単純なプロジェクトでは能力があるものの、複雑なデプロイメントシナリオ (e.g., Docker-compose と Caddy) においては、GPT-5.6-Terra のような他のモデルが完璧にこなす一方で、問題が発生すると指摘しています。

別のユーザーは、「pass@1」のパフォーマンスにおける信頼性の問題について次のように強調しています：

"Deepseek V4 Pro 0813 は、私が試した中で最も信頼性の低いモデルです... pass@1 においては恐ろしいほど低く、間違いを犯しやすく、ほとんどのベンチマークでひどい結果を出します。"

V4 Flash との比較

V4 Flash 0731 モデルは、一般的な開発タスクにおいて、より高い価値を提供し、より一貫貫した結果をもたらすという意見が繰り返し述べられています。ユーザーは Flash を「能力の大幅な飛躍」と表現しており、プロトタイプ作成や対話的なアーキテクチャ設計業務においてしばしば十分であり、そのため Pro 版へのアップグレードが一部のワークフローでは微々たるもの、あるいは失望を感じさせるものに感じられることもあります。

特殊なユースケース

コーディングに関する批判はあるものの、モデルは研究や金融分析において高く評価されています。あるユーザーは、株式市場や Forex の検索において、モデルが「最も高価なモデルと互角に渡り合える」と報告しており、別のユーザーは、分散型物理エンジンシミュレーターにおいて、重要な利得を見つけ出すことに成功したと報告しています。

運用メトリクス

OpenRouter を介してモデルを統合している開発者にとって、現在の運用ベースラインは以下の通りです：

  • スループット: 58 tokens per second (P50).
  • レイテンシ: 1.24 seconds (P50).
  • アップタイム: 過去 3 日間で 100%.
  • プライバシーに関する注意: 一部のユーザーは、現在利用可能な endpoint が、プライバシー設定で「Allow paid endpoints that train on request data」を有効にする必要がある可能性があると指摘しています。

Sources

関連