答え公開済み17 ソース
DeepSeek-V4.1-Flash、長いAIエージェントの対話をどう軽くする？
最大100万トークンの文脈に対応。ただし、長い履歴の細部を必ず正確に取り出せるという意味ではない。 入力の処理時はトークン当たり約80億、出力の生成時は約160億のパラメータを活性化。KVキャッシュの圧縮も、長い履歴を扱う負担の軽減につながる。
公開者GPT-6 Sol で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- 最大100万トークンの文脈に対応。ただし、長い履歴の細部を必ず正確に取り出せるという意味ではない。
- 入力の処理時はトークン当たり約80億、出力の生成時は約160億のパラメータを活性化。KVキャッシュの圧縮も、長い履歴を扱う負担の軽減につながる。
- DeepSeekは旧モデルとの比較結果を公表しているが、独立した性能検証や、すべての環境での運用コスト削減を示すものではない。
AI プロンプト
openai.comCreate a landscape editorial hero image for this Studio Global article: What is DeepSeek-V4.1-Flash, and how do its 552B-parameter multimodal Causal Encoder–Decoder MoE architecture, 20-layer encoder and 20-layer. Article summary: DeepSeek-V4.1-Flash is DeepSeek’s multimodal, open-weight MoE model designed for long, input-heavy agent sessions. It supports contexts of up to one million tokens while reducing the computation and KV-cache storage need. Topic tags: general, academic, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
AIエージェントは、資料や過去のやり取りを大量に読み込む一方、返す文章は比較的短いことがある。DeepSeek-V4.1-Flashは、そうした「読む量が多い」処理を意識した、画像とテキストを扱えるオープンウェイトのMoE（混合エキスパート）モデルだ。対応する文脈長は最大100万トークン。ただし、これは入力できる長さの上限であり、長い対話の細部を常に正確に思い出せるという保証ではない。2
8
大量の入力を読むときの計算を抑える
モデルの基盤となるパラメータ数は5520億。構造は20層の因果エンコーダーと20層のデコーダーに分かれる。デコーダーが使う全体的なKVキャッシュは、各デコーダー層で個別に生成するのではなく、エンコーダーの最終状態から投影して作る。KVキャッシュとは、過去の入力を参照するために保持する情報だ。2
8
DeepSeekによると、入力を読み込むプリフィルではトークン当たり約80億、出力を生成するデコードでは約160億のパラメータを活性化する。入力が出力よりはるかに長いエージェント処理では、読み込み側の計算を抑える設計が効いてくる。2
8
長い履歴を保持するメモリも圧縮
注意機構のCSA2は、各層に「Full」「Reindex」「Reuse」のいずれかの固定モードを割り当て、層をまたいでキャッシュ情報や参照先の選択を再利用する。さらに主要なKVキャッシュをFP4形式で保存することで、DeepSeekが示す全体KVキャッシュの容量はトークン当たり890バイト。従来のDeepSeek-V4-Flashのおよそ4分の1という比較だ。これはキャッシュ容量の数字であり、どの導入環境でも総コストが4分の1になるという意味ではない。6
8
別の仕組みであるSWA Bounded Replayは、スライディングウィンドウ型注意機構の不足したKV状態を、直近の一定範囲のトークンだけ再処理して復元する。SSDにその状態を保存し続ける必要をなくし、モデルカードでは永続保存するKVキャッシュの容量を従来モデルの約8分の1と説明している。先ほどの「全体KVキャッシュが4分の1」とは、比較している保存対象が異なる。5
9
学習方法と性能評価はどこまで分かる？
モデルカードの掲載情報によれば、45兆トークンのマルチモーダルデータで一から学習し、疎な注意機構を6万4000トークン長で学習。学習が34兆トークンに達した時点で、対応する文脈長を100万トークンへ拡張した。DeepSeekは新たな事前学習手法と、より大規模な強化学習による追加学習にも言及しているが、提示された資料だけでは、その詳しい手順までは確認できない。9
16
画像とテキストにはネイティブに対応し、DeepSeekはAPI版もマルチモーダル対応と説明する。一方、参照できる資料からは画像理解の詳細なベンチマーク結果までは判断できない。2
16
性能について、DeepSeekの評価ではベースモデルが知識・推論・コーディングでV4-Pro-Baseと同等水準となり、別途確保した評価では5～10％の向上を示したという。その際の総パラメータ数は約3分の1、活性化パラメータ数は約4分の1とされる。同社は公開モデルがエージェント関連タスクでV4-Proを上回るとも述べている。ただし、これらはDeepSeekが報告した結果であり、提示された資料だけで個々のベンチマークを独立に比較することはできない。1
16
APIを使うなら旧モデル名の扱いに注意
DeepSeek APIで指定するモデル名は**deepseek-flash。公開ウェイトにはMITライセンスが示され、モデル資料にはSGLangでの提供方法が記載されている。モデル掲載情報にはTransformersとvLLM**への対応もあるが、画像入力や長文脈の機能が各実行環境で同じように利用できるとは限らない。導入前に環境ごとの要件を確認したい。8
9
16
DeepSeekによると、V4-FlashとV4-Flash-Vision-Expは提供を終了し、旧API名は一時的にV4.1-Flashへ転送される。また、2026年9月14日からdeepseek-v4-proへのリクエストも、V4.1-Proの公開までV4.1-Flashに転送し、Flash料金を適用すると告知した。Pro固有の挙動を前提とするアプリでは、指定した名前だけで判断せず、実際に応答しているモデルを確認する必要がある。16
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「DeepSeek-V4.1-Flash、長いAIエージェントの対話をどう軽くする？」の短い答えは何ですか?
最大100万トークンの文脈に対応。ただし、長い履歴の細部を必ず正確に取り出せるという意味ではない。
最初に検証する重要なポイントは何ですか?
最大100万トークンの文脈に対応。ただし、長い履歴の細部を必ず正確に取り出せるという意味ではない。 入力の処理時はトークン当たり約80億、出力の生成時は約160億のパラメータを活性化。KVキャッシュの圧縮も、長い履歴を扱う負担の軽減につながる。
次の実践では何をすればいいでしょうか？
DeepSeekは旧モデルとの比較結果を公表しているが、独立した性能検証や、すべての環境での運用コスト削減を示すものではない。