DeepSeek V4 vs Claude Opus 4.8：$0.87のモデルはエージェントコーディングで競争できるか？

DeepSeek V4 vs Claude Opus 4.8は、今日のエージェントコーディング空間で最も明確な価格対信頼性のトレードオフを表している。DeepSeekのオープンウェイトモデルは100万出力トークンあたり$0.87を請求し、Anthropicのフラッグシップは$25を請求する。この28.7倍の差は単純な疑問を投げかける：より安いモデルは実際にエージェントで機能するのか？

直接対決：重要な数字

両モデルは同じユースケースをターゲットにしている：大規模コードベースで計画、編集、テスト、反復を行う自律型コーディングエージェント。GLAD-AI-TORのcrowdは両者を同一に評価（57%が推奨）。ベンチマークは分岐する。

DeepSeekは価格、コンテキスト、ベンチマークで勝利。Opusは画像サポートとエコシステムの洗練で勝利。しかし、本当の差別化要因は信頼性である。

DeepSeek V4が壊れる場所

DeepSeekのtool-call実装には、エージェントにとって重要な文書化されたバグがある：

1. 不正なtool-call：関数呼び出しがtool_callsフィールドではなくcontent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）。構造化レスポンスを期待するエージェントフレームワークは静かに失敗する。

2. thinkingモード + 長いチェーン：thinkingモードを有効にすると、400エラーでマルチターンtool-callチェーンが壊れる（OpenClaw issue #72044）。修正は未完成のまま。

3. 幻覚API：開発者はDeepSeekがカスタムコードベースに存在しないメソッドを作り上げ、エージェントループで幻覚のユーザー入力に基づいて行動すると報告している。

これらはエッジケースではない。複数のtool-callを持つ本番エージェントを実行する人なら誰でも遭遇する。80.6%のSWE-benchスコアは制御されたベンチマークからのものであり、実際のエージェント信頼性は低い。

Claude Opus 4.8がプレミアムを正当化する場所

Opus 4.8は明示的に長期エージェントをターゲットにしている。Anthropicのリリースノートは以下を強調：

• 4倍少ないフラグなしエラー：モデルは自身の生成コードの欠陥をOpus 4.7よりはるかに頻繁に検出する。
• 会話中のシステムメッセージ：プロンプトキャッシュを壊さずにシステムプロンプトを注入するAPIサポート。エージェントは実行中に動作を再調整できる。
• Dynamic Workflows：Claude Codeは並列サブエージェントをスポーンできる。大規模リファクタリングでは、これにより実時間が大幅に短縮される。

トレードオフ：Opusは出力トークンあたり28.7倍高い。大量ワークロード（1日数百万トークン）では、この差は急速に積み上がる。バッチAPI価格（$2.50/$12.50）は助けになるが、DeepSeekのベースレートはまだOpusバッチの10分の1。

Opusにも回帰がある。ユーザーは計画文書での指示の見落とし、4.7より悪いワンショットUI生成、「過度に慎重」で「躊躇する」と表現される文体を報告している。言語混在（ランダムな中国語やキリル文字の挿入）は長い研究スレッドに現れる。広告された1Mウィンドウにもかかわらず、コンテキスト品質は200Kトークンを超えると劣化する。

コストモデリング：DeepSeekが合理的な場合

タスクごとに500K入力トークンを処理し50K出力トークンを生成するコーディングエージェントを想定。

DeepSeekはベースレートで14倍安く、キャッシュヒットで47倍安い。1日数百タスクを実行するチームにとって、節約額はエンジニアの給与全額を賄う。

落とし穴：tool-call失敗が時間の5%でも人間の介入を必要とする場合、労働コストがモデルの節約を消し去る。コミットする前に実際の失敗率を計算すること。

セルフホスティングが計算を変える

DeepSeek V4のMITライセンスはセルフホスティング、ファインチューニング、再配布を許可する。1.6T MoEアーキテクチャはハイエンドマルチGPUセットアップで動作する。既存インフラを持つ組織にとって、これはハードウェア投資後のトークンあたりコストを完全に排除する。

Claude Opusにはオープンウェイトオプションがない。API依存は永続的。

これが重要な場合：

• データ居住要件のある企業（トークンがネットワークを離れない）
• ドメイン固有コードベース用のカスタムファインチューンが必要なチーム
• モデル動作を反復する研究グループ

判定

• DeepSeek V4を選択：予算制約のあるコーディング自動化、セルフホストデプロイメント、時折のtool-call失敗が許容できるワークロード向け。80.6%のSWE-benchスコアと$0.87の出力価格は、粗さを許容できるならエージェントコーディングで最高の価値を提供する。

• Claude Opus 4.8を選択：コストより信頼性が重要な本番エージェント向け。28.7倍のプレミアムは、よりクリーンなtool-call処理、より良い自己修正、Anthropicのエンタープライズサポートを購入する。

• 代替案を検討：どちらも合わない場合。Gemini 3 Proは中間を提供。Claude Sonnet 5は$3/$15（2026年8月までイントロ$2/$10）で、Opusの8分の1のコストと引き換えに能力の一部を交換。

crowdは均等に分かれている（両方で57%）。データはなぜかを示唆：各モデルは自身のドメインで決定的に勝利している。

完全ランキング：LLMモデルHall of Fame。詳細比較：DeepSeek V4 vs Claude Opus 4.8。