DeepSeek V4.1 Flash登場：100万トークン、552B MoEでV4 Flashから何が変わったのか

DeepSeek-V4.1-Flashは、2026年9月10日に公開されたオープンウェイトのマルチモーダルモデルです。注目点は単なる巨大化ではありません。5520億パラメータのMixture-of-Experts（MoE）モデルに疎な活性化と大幅なKVキャッシュ削減を組み合わせ、超長文コンテキストの推論を実用に近づけようとしています。1735

まず押さえたい変更点：Flashの現行APIはdeepseek-flash

DeepSeek APIで新たにFlash系を使う場合、現行のモデル名はdeepseek-flashです。V4.1 Flashはテキストに加え、画像をネイティブに理解するマルチモーダル対応を備えます。1517

従来のV4 Flashと実験的なV4 Flash Vision Expは終了しました。もっとも、互換性のためdeepseek-v4-flashとdeepseek-v4-flash-vision-expは当面受け付けられ、リクエストはV4.1 Flashで処理され、Flash料金が適用されます。1523

V4 Proの扱いは別です。 初期の移行情報では、V4.1 Proが登場するまでV4 ProのトラフィックをV4.1 Flashへ振り向けるとされていました。しかし、その後のDeepSeek公式API更新履歴は、ユーザー要望を受けて2026年9月14日以降もV4 ProのAPI提供を継続し、課金方式も変更しないと説明しています。1523

再現性が重要なプロダクトでは、旧IDが常にV4.1 Flashへつながると決めつけないことが重要です。現在の公式ドキュメントにあるモデルIDを使い、移行前後で回帰テストを実施するのが安全です。

552B MoEだが、毎トークンで全部は動かさない

V4.1 Flashは、基盤パラメータ数5520億のMoEモデルです。MoEは、全パラメータを各トークンで一斉に実行するのではなく、入力に応じて一部の「エキスパート」を選んで使う方式です。

DeepSeekによると、入力処理（prefill）時に有効化されるのは80億パラメータ、出力生成（decoding）時は160億パラメータです。アーキテクチャには「Causal Encoder–Decoder」を採用しています。長いプロンプトを読む処理と、長い回答を生成する処理では負荷の性質が異なるため、この区別は実運用で意味を持ちます。1735

ただし、疎な活性化だけで、あらゆる環境で安価・高速になるわけではありません。実効スループットは、GPUなどのハードウェア、バッチ処理、量子化、推論サーバー、コンテキスト長、リクエスト構成にも左右されます。それでも、この設計はV4.1 Flashの効率性を支える中核です。

100万トークンを支えるKVキャッシュの圧縮

V4.1 Flashのコンテキスト長は最大100万トークンです。35

長文コンテキストで実際に問題になるのは、KVキャッシュです。これは次のトークンを生成する際に参照するアテンションの内部状態であり、入力や出力が長くなるほど、推論サーバーのメモリー消費を大きく押し上げます。

モデルカードによれば、Causal Encoder–DecoderではデコーダーのグローバルKVキャッシュを各デコーダー層から別々に作るのではなく、最終エンコーダーの隠れ状態から投影します。さらにCompressed Sparse Attention 2（CSA2）とFP4 KVキャッシュを組み合わせ、グローバルKVキャッシュを約890バイト／トークンに抑えたとしています。これはDeepSeek V4 Flashの同等部分のおよそ4分の1です。3539

もっとも、「100万トークンを入れられる」ことと、100万トークン全体から常に正確に情報を取り出し、推論し、指示に従えることは別の話です。大規模コードベース、文書コーパス、エージェント履歴を扱うチームは、実データに近い条件で検索精度、遅延、コストを検証すべきです。

MITライセンスのオープンウェイト、ただし導入の難しさは残る

DeepSeekはV4.1 Flashの重みをHugging FaceでMITライセンスのもと公開しています。組織はライセンス条件に従い、重みをダウンロードして自社環境で展開できます。35

API専用モデルと異なり、推論基盤を自ら管理・最適化できる選択肢が得られる点は大きな違いです。一方、552Bの基盤モデルである以上、自己ホスティングが簡単になるわけではありません。インフラ設計、推論ソフトウェア、運用ノウハウは引き続き必要です。

V4.1 FlashはV4 Proを上回るのか

DeepSeekは、新しい事前学習手法と、より大規模な強化学習による事後学習によって、V4 Proを含むフラッグシップモデルを上回るベンチマーク結果が出たと説明しています。また複数のテストで、性能、コスト、速度、総実行時間においてV4 Proより優位だったとしています。17

ただし、これはベンダーが示した結果であり、すべての用途での優劣を確定するものではありません。ベンチマークは課題の選び方、プロンプト、ツール設定、採点方法、評価対象のモデル版に影響されます。本番移行前には、難度の高い推論、コードの受け入れ率、ツール利用、マルチモーダル精度、信頼性、安全対策、レイテンシー、総コストを、自社の成功基準で比較する必要があります。

OpenRouterで見える初期利用量：強いシグナルだが、市場全体ではない

V4.1 Flashは、DeepSeekを含む中国系モデルがルーティング型プラットフォームで大きな利用を得ている局面で登場しました。OpenRouterは、同社APIを通じて処理されたプロンプトと生成結果のトークン数を基準にモデルを順位付けしています。

9月13日付のランキングでは、DeepSeek V4.1 Flashは4.94Tトークンで「new」と表示されました。旧世代のDeepSeek V4 Flash 0731は11.6T、V4 Flash 0423は4.36T、小米（Xiaomi）のMiMo-V2.5は7.77Tでした。57

ランキングは短期間でも大きく動きます。8月時点のスナップショットでは、V4 Flashが週間7.1Tトークンで首位となり、上位10モデルのうち9モデルが中国系だったと報じられています。50

ここで重要なのは対象範囲です。OpenRouterのトークン数はOpenRouter経由のトラフィックだけを表します。世界全体のAI利用、企業導入、売上、モデル品質を直接測る数字ではありません。開発者プラットフォーム上の需要を示す材料にはなりますが、市場全体での勝敗を示す根拠にはなりません。

開発者にとっての実務的な意味

V4.1 Flashを評価する最も大きな理由は、ネイティブなマルチモーダル対応、100万トークンのコンテキスト、オープンウェイト、そして長時間推論のメモリー負荷を下げる設計が一体になっていることです。1735

移行の進め方としては、次が妥当です。

1. 新規のFlash連携はdeepseek-flashに移す。
2. 旧Flash／Vision ExpのIDは、固定されたモデル指定ではなく互換ルートとして扱う。
3. V4.1 FlashとV4 Proを、自社のプロンプトと成功指標で比較する。
4. 長文コンテキストでは、ウィンドウ長の公称値とは別に、情報検索の精度とエンドツーエンドの遅延を測る。
5. OpenRouterの順位は需要の参考指標として使い、本番評価の代わりにはしない。

とりわけ、890バイト／トークンというグローバルKVキャッシュの数値と、疎な活性化設計は大きな技術的主張です。その価値は、実際の開発ワークロードで信頼性とコスト効率の両方につながるかどうかで決まります。