DeepSeek、V4-Flash-0731 を公開しエージェント・コーディング強化
本文の状態
日本語全文を表示中
詳細モードで約6分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
MarkTechPost
DeepSeek は 2026 年 7 月 31 日、再学習による性能向上とエージェント機能強化を特徴とする DeepSeek-V4-Flash-0731 を公式リリースし、API とセルフホスティングの両面で実用性を高めた。
AI深層分析を開く2026年8月1日 07:16
AI深層分析
キーポイント
公式リリースとアーキテクチャ維持
DeepSeek は V4-Flash の正式リリース版として「0731」を公開し、アーキテクチャやサイズは変更せず再学習による性能向上を実現した。
API 機能の拡張と価格設定
新モデルは Responses API 形式にネイティブ対応し、出力トークンあたり 0.28 ドルという低価格でエージェントループの実行を可能にした。
セルフホスティングの要件とライセンス
MIT ライセンスで公開されたモデルは、完全ロード時に約 162GB のメモリが必要だが、量子化により 103GB で動作可能となり大企業や中堅企業の導入を促す。
技術仕様の詳細
284B パラメータの MoE 構造で 1M トークンのコンテキストウィンドウをサポートし、ハイブリッドアテンションと mHC 接続を採用している。
ベンチマーク性能とコストの向上
V4-Pro（プレビュー）を上回るアジェンティックベンチマーク結果を達成し、出力価格は約3分の1に抑えられている。
重要な引用
DeepSeek published DeepSeek-V4-Flash-0731 on Hugging Face and moved the official V4-Flash API into public beta on July 31, 2026.
The model card is explicit that this is the official release superseding the preview, and that the architecture and size are unchanged.
Seed-stage startups, indie developers, and internal platform teams can run agent loops at this price without a GPU budget.
Beats V4-Pro (Preview) on every agentic benchmark DeepSeek published, at a third of the output price.
編集コメントを表示
編集コメント
DeepSeek はアーキテクチャの刷新ではなく、既存モデルの再学習によって実用性を劇的に向上させる戦略を採用した。このアプローチは、開発コストを抑えつつ市場への迅速な投入を実現する現実的な手法と言える。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
DeepSeek は 2026 年 7 月 31 日、Hugging Face で「DeepSeek-V4-Flash-0731」を公開し、公式の V4-Flash API をパブリックベータ版へ移行しました。モデルカードには明確に記述されている通り、これはプレビュー版に取って代わる正式リリースであり、アーキテクチャやサイズに変更はありません。今回の性能向上は新設計によるものではなく、再学習（リポストトレーニング）によって実現されたものです。
このチェックポイントは、DeepSeek-V4-Flash-DSpark と同様の構造を持つ DSpark 推測デコーディングモジュールを添付した状態で提供されます。Hugging Face のレポジトリ情報によると、パラメータ数は 304B です。これはベースモデルの 284B に、追加されたドラフトモジュール分が含まれた数値です。
API 側では、「deepseek-v4-flash」がネイティブで Responses API フォーマットをサポートするようになり、Codex 向けに最適化されました。一方、V4-Pro API やアプリ版・Web 版のモデルは更新されていません。
実際に導入可能でしょうか？
はい、2 つの異なる方法で可能です。
API を通じてなら、ほぼ誰でもデプロイできます。DeepSeek の価格ページによると、「deepseek-v4-flash」の入力トークン 100 万あたりはキャッシュミス時に$0.14、キャッシュヒット時は$0.0028、出力トークン 100 万あたりは$0.28 です。並列処理の上限は 2,500 コです。これは「deepseek-v4-pro」の出力価格（$0.87）のおよそ 3 分の 1 に相当します。シード期のスタートアップ、インディーズ開発者、社内プラットフォームチームであれば、GPU バジェットを気にせずエージェントループを実行できる価格設定となっています。
セルフホスティングにおけるハードルはさらに高くなります。重みは MIT ライセンスで公開されており、誰でも利用可能ですが、1 トークンあたり 130 億パラメータしか活性化しないにもかかわらず、すべてのエキスパートがメモリ上に常駐する必要があります。
DeepSeek の vLLM 例では、このモデルを単一の 4×GB300 ノード上で提供しています。Unsloth が提供する動的 GGUF では、ロスレスな 8 ビット版が 162 GB、3 ビット版が 103 GB に圧縮されます。これには、RAM と VRAM を合わせて約 110 GB のメモリが必要となります。
セルフホスティングは、サービングクラスタを備えた中堅・大企業や、極端な量子化（quantization）を適用した高性能ワークステーションを持つ環境に適しています。
アーキテクチャ
DeepSeek-V4 技術レポートによると、V4-Flash は 2840 億パラメータの MoE モデルで、1 トークンあたり 130 億パラメータが活性化し、100 万トークンのコンテキストウィンドウをサポートします。
各 MoE レイヤーには、共有エキスパートが 1 つとルーティングされるエキスパートが 256 個含まれ、中間次元は 2048 です。1 トークンあたり 6 個のルーティングエキスパートが活性化します。最初の 3 つの MoE レイヤーではハッシュルーティングを採用しています。
マルチトークン予測の深さは 1 です。
アテンション機構はハイブリッドで、圧縮スパースアテンション（CSA）と重度圧縮アテンション（HCA）を組み合わせています。従来の残差接続に代わり、多様体制約ハイパーコネクション（mHC）を採用しています。これは展開係数 4 と 20 回の Sinkhorn-Knopp 反復処理を特徴としています。
事前学習には 32 トークン以上を使用し、Muon オプティマイザが採用されました。
論文で強調されている効率性指標（1M コンテキストにおける単一トークン推論の FLOPs の 27%、KV キャッシュ量の 10%）は V4-Pro の数値であり、Flash モデルのものではありません。
ベンチマーク
以下の数値はすべて、DeepSeek が 0731 モデルカードで報告したものです。
| ベンチマーク | V4-Flash-0731 | V4-Flash (プレビュー) | V4-Pro (プレビュー) | GLM-5.2 | Opus-4.8 |
|---|---|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 61.8 | 72.1 | 85.0 | 1.0 |
| NL2Repo | 54.2 | 39.4 | 38.5 | 48.9 | 69.7 |
| Cybergym | 76.7 | 38.7 | 52.7 | — | 83.1 |
| DeepSWE | 54.4 | 7.3 | 12.8 | 46.2 | 58.0 |
| Toolathlon-Verified | 70.3 | 49.7 | 55.9 | 59.9 | 76.2 |
| Agents' Last Exam | 25.2 | 15.8 | 16.5 | 23.8 | 25.7 |
| AutomationBench Public | 25.1 | 10.8 | 12.8 | 12.9 | 27.2 |
以下の 2 点に注意が必要です。
コードエージェントタスクは、まだ公開されていない DeepSeek Harness の最小モードで実行されました。
DSBench-FullStack (68.7) と DSBench-Hard (59.6) は内部テストセットです。エージェントのスコアはハーン依存性が高いため、独立した実行では結果が異なる可能性があります。
デプロイと設定
DSpark の有効化には、vLLM のフラグ --speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}' を使用します。DSpark 論文によると、V4-Flash は MTP-1 ベースラインと比較して、総スループットを同等に保ったまま、ユーザーあたりの生成速度が 60〜85% 向上しています。
Jinja チャットテンプレートは採用されていません。代わりに、DeepSeek は encoding/ フォルダを提供しており、encode_messages と parse_message_from_completion_text を使用します。推論の強度（reasoning_effort）には「low」「high」「max」が選べます。エージェント用途では温度パラメータを 1.0、top_p を 0.95 に設定することを推奨しており、それ以外は 1.0 で構いません。高強度および最大強度モードでは、最大 384K トークンの出力が可能です。
キーポイント
今回のアップデートは、4 月のプレビュー版と同じく 284B/13B のアーキテクチャを踏襲しています。大きな進化は、ポストトレーニング（学習後の調整）によるものです。
DeepSeek が発表したすべてのアジェンシーベンチマークにおいて、V4-Pro (Preview) を上回る性能を発揮しました。しかも出力コストは約 3 分の 1 です。
MIT ライセンスでゲートも開放されているため、オンプレミス環境での商用展開が可能になりました。
セルフホスティングには、3 ビット量子化なら約 110GB のメモリが必要ですが、フル精度での推論サービスを行う場合は、4×GB300 ノードを用意する必要があります。
なお、ベンチマークの数値はベンダーが未公開のハーンチ（評価環境）で報告したものです。実際の導入前に、ご自身で評価を実行することをお勧めします。
Hugging Face のモデル更新ページもご覧ください。Twitter や 150,000 人以上が参加する ML サブレディット、そしてニュースレターへの登録もお忘れなく。Telegram をご利用の方にも、ぜひご参加いただいています。
（※本記事は MarkTechPost に掲載された「DeepSeek Upgrades DeepSeek-V4-Flash-0731 with Major Agentic and Coding Gains」の翻訳です）
原文を表示
DeepSeek published DeepSeek-V4-Flash-0731 on Hugging Face and moved the official V4-Flash API into public beta on July 31, 2026. The model card is explicit that this is the official release superseding the preview, and that the architecture and size are unchanged. The gains come from re-post-training, not a new design.
The checkpoint ships with the DSpark speculative decoding module attached, matching the structure of DeepSeek-V4-Flash-DSpark. Hugging Face reports 304B parameters for the repo, which includes that draft module on top of the 284B base.
On the API side, deepseek-v4-flash now natively supports the Responses API format and is adapted for Codex. The V4-Pro API and the app and web models were not updated.
Is it deployable?
Yes, in two very different ways.
Via API, it is deployable by almost anyone: DeepSeek’s pricing page lists deepseek-v4-flash at $0.14 per 1M input tokens on a cache miss, $0.0028 on a cache hit, and $0.28 per 1M output tokens, with a 2,500 concurrency limit. That is roughly a third of deepseek-v4-pro output pricing ($0.87). Seed-stage startups, indie developers, and internal platform teams can run agent loops at this price without a GPU budget.
Via self-hosting, the bar is much higher: The weights are MIT-licensed and ungated, but every expert stays resident in memory even though only 13B activate per token. DeepSeek’s vLLM example serves it on a single 4×GB300 node. Unsloth’s dynamic GGUFs put the lossless 8-bit build at 162 GB and a 3-bit build at 103 GB, needing roughly 110 GB of combined RAM plus VRAM. Self-hosting suits mid-size and large enterprises with a serving cluster, or one well-specced workstation at aggressive quantization.
Architecture
Per the DeepSeek-V4 technical report, V4-Flash is a 284B-parameter MoE with 13B activated per token and a 1M-token context window. Each MoE layer holds 1 shared expert and 256 routed experts with an intermediate dimension of 2048, and 6 routed experts fire per token. The first three MoE layers use hash routing. Multi-token prediction depth is 1.
Attention is hybrid, combining Compressed Sparse Attention (CSA) and Heavily Compressed Attention (HCA). Manifold-Constrained Hyper-Connections (mHC) replace conventional residual connections, with expansion factor 4 and 20 Sinkhorn-Knopp iterations. Pre-training used more than 32T tokens and the Muon optimizer. The paper’s headline efficiency figure — 27% of single-token inference FLOPs and 10% of KV cache versus DeepSeek-V3.2 at 1M context — is stated for V4-Pro, not Flash.
<!– EMBED HERE: paste wordpress-embed.html into a Custom HTML block –>
(function(){var f=document.getElementById("mtp-dsv4-flash0731");
window.addEventListener("message",function(e){if(f&&e.source===f.contentWindow&&e.data&&e.data.__mtpH){f.style.height=e.data.__mtpH+"px";}});})();
Benchmarks
All figures below are DeepSeek-reported, from the 0731 model card.
BenchmarkV4-Flash-0731V4-Flash (Preview)V4-Pro (Preview)GLM-5.2Opus-4.8
Terminal Bench 2.182.761.872.181.085.0
NL2Repo54.239.438.548.969.7
Cybergym76.738.752.7—83.1
DeepSWE54.47.312.846.258.0
Toolathlon-Verified70.349.755.959.976.2
Agents’ Last Exam25.215.816.523.825.7
AutomationBench Public25.110.812.812.927.2
Two important things to note:
Code Agent tasks were run with the minimal mode of DeepSeek Harness, which has not been released.
DSBench-FullStack (68.7) and DSBench-Hard (59.6) are internal test sets. Agent scores are harness-sensitive, so independent runs may diverge.
Serving it
DSpark is enabled with one vLLM flag: --speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}'. The DSpark paper reports 60–85% faster per-user generation on V4-Flash versus the MTP-1 baseline at matched aggregate throughput.
There is no Jinja chat template. DeepSeek ships an encoding/ folder with encode_messages and parse_message_from_completion_text instead. reasoning_effort takes low, high, or max. DeepSeek recommends temperature = 1.0, top_p = 0.95 for agentic use and 1.0 otherwise, with up to 384K output tokens at high and max.
Key Takeaways
Same 284B/13B architecture as the April preview: the jump is post-training only.
Beats V4-Pro (Preview) on every agentic benchmark DeepSeek published, at a third of the output price.
MIT-licensed and ungated, so on-premise commercial deployment is unblocked.
Self-hosting needs ~110 GB memory at 3-bit, or a 4×GB300 node for full-precision serving.
All benchmark numbers are vendor-reported on an unreleased harness — run your own evals first.
Check out the Model Update on HF. Also, feel free to follow us on Twitter and don’t forget to join our 150k+ML SubReddit and Subscribe to our Newsletter. Wait! are you on telegram? now you can join us on telegram as well.
Need to partner with us for promoting your GitHub Repo OR Hugging Face Page OR Product Release OR Webinar etc.? Connect with us
The post DeepSeek Upgrades DeepSeek-V4-Flash-0731 with Major Agentic and Coding Gains appeared first on MarkTechPost.
関連記事
News to Guide
ニュースの次に確認する
発表内容を、現在の料金や仕様と照らし合わせられる関連ガイドです。
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み