業界ニュース

DeepSeek V4 Flash Vision Exp: 100万トークンあたり$0.66のマルチモーダルAI

DeepSeekがV4-Flash-Vision-Expで低価格フラッグシップにネイティブビジョンを追加。オフピーク時$0.66/1M出力、1Mコンテキスト、Claude Opus 4.8に近いスコア。

7 min readBy The Arena Editor
#deepseek#マルチモーダルAI#ビジョンモデル#LLM価格#AIエージェント
DeepSeek V4 Flash Vision Exp: 100万トークンあたり$0.66のマルチモーダルAI

Some links are partner links: if you subscribe through them, we may earn a commission, at no extra cost to you. The crowd verdicts stay independent.

DeepSeek-V4-Flash-Vision-Expは2026年8月21日にリリースされ、市場で最も安価なフロンティアモデルにネイティブ画像理解機能を追加しました。この実験的リリースはV4-Flashのテキスト機能をマルチモーダル領域に拡張し、同じ価格の100万出力トークンあたり$0.66(オフピーク時)で提供されます。これにより、以前はコストと機能のどちらかを選ばなければならなかった開発者にとって、ビジュアルAIがアクセス可能になりました。

短い回答

V4-Flash-Vision-Expは、オフピーク時$0.66/1M出力トークン(ピーク時$1.32)で画像とテキストを単一モデルで処理します。ほとんどのエージェントベンチマークでClaude Opus 4.8から5ポイント以内のスコアを獲得し、出力トークンあたり約38倍安価です。

このリリースがマルチモーダルエージェントにとって重要な理由

これまでDeepSeek-V4はテキストのみでした。これはClaude Opus 4.8(GLAD-AI-TORアリーナで57%のクラウド推奨)やGPT-5.5と競争する上で大きなギャップでした。両者は数ヶ月前からビジョン機能を持っていました。新しいモデルは一流の画像入力でそのギャップを埋めます:画像あたり最大384トークン、追加料金なしの標準入力料金で請求されます。

コンテキストウィンドウは1,048,576トークンのままで、出力制限は384,000トークンです。思考モードはデフォルトでオンになっており、APIはOpenAI互換とAnthropic形式の両方のエンドポイントで利用可能です。

モデル出力価格(1Mあたり)コンテキストビジョンクラウドスコア
DeepSeek-V4-Flash-Vision-Exp$0.66(オフピーク)1Mはい57%(V4ベース)
DeepSeek-V4 Pro$0.871Mいいえ57%
Claude Opus 4.8$25.001Mはい57%
GPT-5.5$30.001Mはい57%
Gemini 3 Pro$12.001Mはい57%

価格差は明確です:V4-Flash-Vision-ExpはClaude Opus 4.8より38倍、GPT-5.5より45倍安価です(出力トークンあたり)。キャッシュヒットはオフピーク時の入力料金を$0.007/1Mに引き下げ、標準入力価格より約99%低くなります。

ベンチマークの現実:Opusに近いが同等ではない

DeepSeekの発表では、このモデルが「マルチモーダルエージェントのパフォーマンスをOpus-4.8に近づける」と主張しています。自己報告された数字は概ねこれを支持していますが、注意点があります。

Terminal Bench 2.1では、V4-Flash-Vision-Expは83.9を獲得し、Claude Opus 4.8の85.0と比較されます。ギャップはNL2Repo(57.7対69.7、12ポイントの差)とDSBench-Hard(63.6対71.7)で広がります。3つのベンチマークではリードしています:DeepSWE(+1.3ポイント)、Agents' Last Exam(+1.6)、ZeroBench(+1.0)。

これらはベンダーが実行したベンチマークであり、独立した評価ではありません。「Opusに近い」は正確です。「Opusと同等」はマーケティングです。

GLAD-AI-TORアリーナのテキストのみV4は、3票から57%の推奨を示しています。比較として、Claude Opus 4.8も3票から57%ですが、Opusはより豊富な機能セットを持っています(会話中のシステムメッセージ、Claude Codeでの並列サブエージェント、SWE-Bench Proで69.2%対V4の低50-60台のスコア)。

ピーク時価格の罠

DeepSeekは2026年7月中旬のV4 GAリリースで時間帯別価格を導入し、V4-Flash-Vision-Expはこれを継承しています。ピーク時(UTC 01:00-04:00および06:00-10:00)には、すべての料金が2倍になります:出力は$1.32/1Mに、キャッシュミス入力は$0.44/1Mに上昇します。

本番エージェントを運用するチームにとって、これは最悪のケースのピーク料金を予算に組み込むか、北京の営業時間外にバッチジョブをスケジュールすることを意味します。オフピーク時間帯は米国とヨーロッパの勤務時間の大部分をカバーしますが、グローバルチームは定期的に追加料金に遭遇します。

DeepSeek-V4

Open-weights 1.6T MoE with 1M-token context, now served as V4-Pro-0813 at $3.96 per 1M output tokens at peak

$4/mo57%(3)

Partner link. The crowd verdicts stay independent.

V4-Flash-Vision-Expが得意なこと

このモデルはマルチモーダルエージェントワークフロー向けに設計されています。DeepSeekのドキュメントによると、以下の分野で優れています:

  • UI自動化:インタラクティブな要素を視覚的に識別して複雑なソフトウェアインターフェースをナビゲート
  • チャートとデータ分析:トップモデルに匹敵する精度でデータビジュアライゼーションを解釈
  • 視覚的推論:テキストロジックと視覚的コンテキストの両方を必要とするタスクを実行

これはテキストモデルと組み合わせた汎用画像キャプショナーではありません。ClaudeやGPT-5.5が内部でビジョンを処理する方法と同様のネイティブマルチモーダル処理です。画像あたり384トークンの請求により、ドキュメントやチャートが多いワークフローでもコストを予測可能に保ちます。

既知のV4の制限は残る

基本V4モデルには、ビジョンバリアントでも継続する可能性が高い文書化された問題があります:

  • 不正なツール呼び出し:関数呼び出しがtool_calls構造ではなくコンテンツフィールドにプレーンテキストとして表示されることがある(GitHub issue deepseek-ai #1244)
  • 思考モードが長いエージェントチェーンを壊す:マルチターンツール呼び出しシーケンスで400エラー、修正はまだ不完全(OpenClaw issue #72044)
  • 幻覚API:開発者がカスタムコードベースで架空のエンドポイントや想像上のユーザー入力に基づくアクションを報告
  • 冗長性:V4は中央値95Mに対して約180Mの評価出力トークンを生成し、レイテンシーに敏感なワークロードでのコスト削減を侵食

V4-ProとV4-FlashのMITライセンスのオープンウェイトはテキストのみのままです。ビジョンウェイトがいつ、またはリリースされるかについての発表はまだありません。

Claude Opus 4.8

Anthropic's flagship Opus-tier model for long-horizon agentic coding; 1M context at $5/$25 per 1M tokens.

$25/mo57%(3)

Partner link. The crowd verdicts stay independent.

結論

  • V4-Flash-Vision-Expはビジョン機能を持つフロンティアモデルを実行する最も安価な方法:オフピーク時$0.66/1M出力対$25(Claude Opus 4.8)、$30(GPT-5.5)、または$12(Gemini 3 Pro)
  • ベンチマークスコアはほとんどのエージェントタスクでOpus 4.8より5-12ポイント遅れているが、いくつかではリード
  • ピーク価格は1日7時間すべての料金を2倍にするため、それに応じて予算を立てるか、オフピーク時にバッチジョブをスケジュール
  • 既存のV4の問題(不正なツール呼び出し、幻覚API、冗長性)は継続する可能性が高い
  • 最適な用途:コストが最後のベンチマークポイントよりも重要な大量のビジュアルエージェントワークロード

直接比較については、DeepSeek V4対Claude Opus 4.8の比較を参照するか、完全なLLMリーダーボードを探索してください。

Keep exploring

Every claim above is backed by the arena's live data: crowd votes, verified pricing, honest pros & cons.

More from the arena journal