DeepSeek V4、API価格を最大1,555%値上げ＆実世界のエージェントテストで53.8%の成功率——企業導入に求められる再評価

出典：DeepSeek公式価格表および独立系トラッカー

特にV4-Proのキャッシュヒット入力は、従来の$0.003625からピーク時には$0.06へと約1,555%もの上昇となりました。DeepSeekはこの変更について「リソースをより効率的に配分し、緊急でないワークロードをオフピーク時間帯に計画することを促進するため」と説明しています。

Composioによるエージェントベンチマーク：実環境でのV4 Flashの実力

2026年8月、独立系テスト機関Composioは、DeepSeek V4 Flashを8種類の異なるエージェントオーケストレーションハーネスで評価しました。テストは、Gmail、GitHub、Slack、Google Sheetsなどのライブツールを操作する30の意図的に難易度の高いマルチステップワークフローで構成され、各タスクには900秒のタイムアウトが設定されました。

総計240回の実行のうち、成功したのは129回のみで、成功率は53.8%。30のワークフローのうち、すべてのハーネスが成功したのはわずか6つでした。

ハーネス別成功率とタスクあたりコスト

出典：Composio公開結果

Pi Agentは成功率（20/30）とコスト効率（タスクあたり$0.028）の両方でトップでした。注目すべきは、成功率、コスト、速度の各指標で異なるハーネスが最優秀となった点です。これは、オーケストレーションの選択がモデル能力と同等以上に重要であることを示しています。最高と最低のハーネス間で20ポイントもの差が生じたことは、エージェントフレームワーク、ツール設定、キャッシュ、リトライ、プロバイダースタックに対する極度の感度を示しています。

企業導入への影響

価格上昇と実環境での不安定なパフォーマンスの組み合わせは、DeepSeek V4の企業導入に関するアナリストの見解を大きく変えました。

オーケストレーションこそがボトルネック

VentureBeatは、同一のV4 Flashモデルがハーネス、ツール、キャッシュスタックによって大きく異なる結果を生んだと指摘。企業はモデル選択と並行して、オーケストレーションの成熟度に投資する必要があると結論づけています｡

Composio自身の分析では、ハーネスの選択だけで成功率に3タスク、コストに約3倍、速度に2.2倍もの差が出たと報告されています。

正味の価格上昇がユニットエコノミクスを圧迫

オフピーク時でも、すべてのトークン種別で従来より高価になりました。アナリストは、特にカスタマーサポートエージェントやコード生成パイプラインなど、DeepSeekの低価格戦略に依存してきた大量処理ワークロードにおいて、ROIの計算が根本から変わると分析しています。

ベンチマークと本番環境のギャップは依然として広い

DeepSeekの公式エージェントベンチマーク（Terminal-Bench 2.1で82.7、Toolathlon-Verifiedで70.3）は強力に見えますが、実環境での53.8%という成功率は、リーダーボードのスコアがライブAPI、レート制限、ステートフルワークフローを伴う本番環境での信頼性を保証しないことを改めて示しています。

データ主権の課題は依然として障壁に

APIトラフィックは中国国内のサーバーを経由するため、規制産業の企業にとってはコンプライアンス上の課題が生じます。アナリストは、データガバナンス、監査証跡、ツール権限制御のための注意深いアーキテクチャ計画を推奨しています。規制産業にとっては、オープンウェイトのセルフホスティングのみが現実的な本番環境への道となります。

ワークロード選択的な導入が新たな戦略に

BayTech Consultingのエンタープライズフレームワークは、DeepSeek V4を非機密文書の要約、公開リポジトリのコード生成、大量コンテンツ作成には推奨する一方、本番投入前のワークロード単位の厳格な評価を求めています。