DeepSeek V4 Flash：仕様・機能・Modelflare設定ガイド

DeepSeek は 2026 年 7 月 31 日、deepseek-v4-flash を正式 API のパブリックベータ版 DeepSeek-V4-Flash-0731 に更新しました。呼び出し時のモデル ID は変わっていません。今回の更新は単なる名称変更ではなく、プレビュー版と同じアーキテクチャと規模を維持しながら、新たな事後学習によって Coding Agent とツール利用能力を強化し、Responses API をネイティブにサポートしています。

推論、長いコンテキスト、高いスループット、コストのバランスが必要なテキストワークロードでは、V4 Flash は V4 Pro よりも日常的な Agent 処理と高スループットに適した選択肢です。本記事では、DeepSeek が公表した仕様、Modelflare で現在利用できるプロトコルと価格、実際のワークロードで検証すべき挙動を明確に分けて説明します。

主な仕様

項目	DeepSeek V4 Flash
Modelflare のモデル ID	deepseek-v4-flash
現在の公式 API バージョン	DeepSeek-V4-Flash-0731
アーキテクチャ	Mixture-of-Experts（MoE）
総パラメータ数	284B
1 Token あたりの活性化パラメータ数	13B
コンテキスト長	1M tokens
最大出力	384K tokens
Thinking mode	デフォルトで有効、デフォルト effort は high
推論強度	low、high、max。xhigh は現在 high にマッピング
公式 API 機能	JSON Output、Tool Calls、Responses API、Chat Prefix Completion。FIM は非思考モードのみ
主な入出力	テキスト入力、テキスト出力。画像入力への対応を推測しないこと

重要なのは 284B という総パラメータ数だけではなく、13B の活性化パラメータと 1M コンテキストの組み合わせです。MoE ルーティングは Token ごとにモデルの一部だけを活性化し、モデル容量を確保しながら推論コストを抑えることを狙っています。DeepSeek の技術レポートでは、長いコンテキストの効率を意識した Attention の変更も説明されています。ただし、実際に低レイテンシにつながるかどうかは、プロンプト長、推論強度、上流の負荷、出力サイズによって変わります。

0731 アップデートの変更点

DeepSeek は 0731 を、アーキテクチャとモデル規模を変えずに事後学習をやり直したリリースと説明しています。公式の Agent 評価では Terminal Bench 2.1 が 82.7、Toolathlon Verified が 70.3 で、Agent 能力は以前の V4 Pro Preview を大きく上回ったとしています。

これらの数値はリリースの方向性を理解する材料であり、そのまま本番 SLA にはできません。DeepSeek の公開 Code Agent 評価は、特定の Harness、max effort、top_p=0.95、temperature=1.0 を使用しており、一部は社内データセットです。実際の選定では、モデル ID、クライアント、ツール、タイムアウト、タスクセットを固定し、成功率、最初の出力までの時間、総レイテンシ、Token 使用量、修正回数を記録してください。

Thinking パラメータの選び方

V4 Flash は Thinking mode がデフォルトで有効になり、推論強度の初期値は high です。次の方針から始められます。

• 要約、分類、フォーマット変換：low から始め、品質を測定する。
• コード変更、複雑な分析、複数ステップのツール利用：high から始める。
• 少数の難しいタスク：レイテンシと推論 Token の予算を明示したうえで max を評価する。
• 素早い直接回答だけが必要な場合：廃止された deepseek-chat エイリアスに頼らず、thinking.type=disabled を指定する。

Thinking mode では、temperature、top_p、presence_penalty、frequency_penalty は受理されても効果がありません。ツールを使う複数ターンの会話では、ツール呼び出しを含むターンの reasoning_content を保持し、その後のリクエストで返す必要があります。欠落すると上流が 400 を返すことがあります。クライアントがこのフィールドを正しく維持できない場合は、まずツールを使わないリクエストで基本経路を検証してください。

Modelflare で現在利用できる方式

2026 年 8 月 4 日時点で、Modelflare の公開カタログは deepseek-v4-flash に Chat Completions と Responses の 2 種類を表示しています。DeepSeek の上流 API は Anthropic 互換形式も提供していますが、Modelflare がこのモデルに同じ経路を公開していることを意味しません。対応プロトコルの最新情報はモデルと料金で確認してください。

現在の公開価格は次のとおりです。単位はすべて 100 万 tokens あたりの米ドルです。

利用可能なグループ	入力	出力	キャッシュヒット入力	備考
deepseek-award	$0.105	$0.21	$0.0021	このグループの利用資格を持つ API Key のみ
deepseek-stable	$0.15	$0.30	$0.003	安定グループ

価格、グループ資格、対応プロトコルは変更される可能性があります。このスナップショットを長期の課金条件としてハードコードしないでください。導入前にライブカタログを再確認し、利用ログで実際のグループ、Token、料金を照合してください。

Chat Completions の設定

まず Modelflare API Key を環境変数に保存します。

export MODELFLARE_API_KEY='YOUR_MODELFLARE_API_KEY'

標準の公開 Base URL を呼び出します。

curl -N -sS https://modelflare.dev/v1/chat/completions \
  -H "Authorization: Bearer $MODELFLARE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [
      {"role": "system", "content": "You are a careful coding assistant."},
      {"role": "user", "content": "Review this migration plan and list the rollback risks."}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "high",
    "stream": true
  }'

OpenAI SDK が thinking を直接公開していない場合は、SDK の extra_body で渡します。モデル固有フィールドは元の JSON のまま保持し、名前を変更したり、明示的な false を欠落させたりしないでください。

Responses API の設定

V4 Flash は Modelflare の Responses エンドポイントでも利用できます。

curl -N -sS https://modelflare.dev/v1/responses \
  -H "Authorization: Bearer $MODELFLARE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash",
    "input": "Inspect the proposed deployment sequence and identify unsafe assumptions.",
    "reasoning": {"effort": "high"},
    "stream": true
  }'

Chat Completions と Responses は異なる wire contract です。同じモデルが両方のエンドポイントにあっても、イベント形式、ツール状態、エラー構造、継続方法まで同一とは限りません。本番導入前に、非ストリーミング、ストリーミング、ツール呼び出しをそれぞれ検証してください。

推奨するプラットフォーム設定

1. アプリケーションごとに個別の Modelflare API Key を作成し、deepseek-v4-flash を実際に含むプライマリグループを選ぶ。
2. フォールバック先も同じモデルとプロトコルに対応している場合に限り、順序付きフォールバックへ追加する。
3. 通常のテキスト処理は low または非思考モードから始め、複雑な Agent 処理は high から始める。
4. クライアントのタイムアウトは長い推論と長い出力を考慮し、短いヘルスチェック 1 件の所要時間を本番上限にしない。
5. ツール利用時は、特に reasoning_content と tool_calls を含む完全な assistant メッセージを保持する。
6. 本番投入前に、実タスクで成功率、最初の出力、総レイテンシ、出力 Token、選択されたグループ、リクエスト単価を確認する。

適する用途と注意が必要な用途

V4 Flash は、高頻度のコーディング支援、長文書の分析、ツールを使う Agent、テキストのバッチ処理、性能とコストのバランスを求めるアプリケーションに適しています。難易度の高い知識集約型問題や長期的な自律タスクでは、V4 Pro または別のフラッグシップモデルと比較してください。画像入力が必要な場合は、マルチモーダルのプロトコルが明示され、Modelflare 上で検証済みのモデルを選んでください。

情報源と更新日

• DeepSeek API 更新履歴：0731 のリリース状況と Agent 評価。
• DeepSeek のモデルと料金：コンテキスト、最大出力、公式 API 機能。
• DeepSeek V4 Flash モデルカード：アーキテクチャ、パラメータ規模、技術レポート。
• DeepSeek Thinking Mode ガイド：推論強度、効果のないサンプリングパラメータ、ツール利用時の再送要件。
• Modelflare のモデルと料金：現在のグループ、プロトコル、プラットフォーム価格。

本記事の確認日は 2026 年 8 月 4 日です。モデルのスナップショット、価格、対応プロトコルは変わる可能性があります。本番設定では、呼び出し時点の公式ドキュメントと Modelflare のライブカタログを参照してください。