コーディング向け DeepSeek V4 Flash：価格、ベンチマーク、ツール連携
DeepSeek V4 Flash のモデル ID、価格、ベンチマークモード、設定、互換性の問題、公平な検証方法を解説します。
DeepSeek V4 Flash は、頻繁なコーディング呼び出し、サブエージェント、完了条件が明確なタスクで試す価値のある低コストモデルです。ただしトークン単価が低くても、長い推論、クライアントの不具合、再実行のコストはなくなりません。重いアーキテクチャ作業では、同じリポジトリで Flash と Pro を比較し、Flash をフラッグシップの「安いコピー」と扱わないでください。
小さな予算で Flash を試したい場合、BetterToken のカタログでは、2026 年 8 月 13 日時点で deepseek-v4-flash-0731 は入力 100 万トークン当たり約 0.191 でした。自分の API キーを作成し、安全なテストを 1 回実行して、Workspace でモデル ID と使用量を確認してください。モデル ID と価格は選択したプロバイダーに依存し変わり得るため、次の実行前にもカタログを確認します。
ここでいう DeepSeek V4 Flash とは
公式の 4 月 24 日の発表では V4 Preview が紹介されました。8 月 13 日の DeepSeek モデルページには、安定した API モデル ID として deepseek-v4-flash と deepseek-v4-pro、MODEL VERSION として DeepSeek-V4-Flash-0731 と DeepSeek-V4-Pro-0813 が掲載されていました。
バージョンとモデル ID の役割は異なります。バージョンは現在提供されているビルドを示し、安定したモデル ID は公式 API で使う文字列です。他のプロバイダーではカタログ名が異なる場合があります。BetterToken は同日 deepseek-v4-flash-0731 と deepseek-v4-pro を掲載しており、deepseek-v4-pro-0813 は掲載していませんでした。選んだエンドポイントのカタログを開き、その名前をコピーしてください。設定へ 0813 を自動的に追加してはいけません。
0731 と 0813 は提供中ビルドの時期を示すだけで、全エンドポイント共通の別名ではありません。公式ドキュメントとモデルカードによれば、Flash は総計 2,840 億、アクティブ 130 億パラメータ、100 万トークンのコンテキスト、最大 384K の出力を持ちます。Thinking と Non-Thinking があり、推論の比較には High と Max があります。
100 万トークンは技術上の上限であり、どのコード量でも同品質を保証するものではありません。長いツール履歴の後でもコンテキスト中央の情報を取り出せるか、プロジェクト規則を保持できるかを確認してください。
エージェント 1 回のコスト
公式 DeepSeek API の料金は、キャッシュヒット入力が 100 万トークン当たり 0.14、出力が 0.14 + 0.02 × 0.0336` です。入力全体がキャッシュに当たると $0.00616 になりますが、実際のエージェントは履歴、ツール結果、ファイルを変えるため、プレフィックスの一部は一致しません。
BetterToken カタログのレートでは、キャッシュを別計上しない同量のコストは 0.2 × $0.095 + 0.02 × $0.191 = $0.02282 です。低い合計額で推論消費を見落としてはいけません。大きい max_tokens を要求すると、有用な回答の前に予算の相当部分を使うことがあります。費用比較では 100 万トークン単価だけでなく、完了したタスク当たりのトークンを記録してください。
Non-Think、High、Max の違い
公式モデルカードの三モード比較は次のとおりです。
- LiveCodeBench：Non-Think 55.2、High 88.4、Max 91.6。
- Terminal Bench 2.0：49.1、56.6、56.9。
- SWE Verified：73.7、78.6、79.0。
- SWE Pro：49.1、52.3、52.6。
- MRCR 1M：37.5、76.9、78.7。
これはベンダー／モデルカードの結果であり、独立した本番ベンチマークではありません。Thinking を無効にすると、一部のコーディングと長文脈テストのスコアは大きく下がります。一方、High から Max の伸びは Non-Think から High よりかなり小さいです。
- Non-Think：例で検証済みの整形、抽出、明白な局所修正。
- High：バグ修正、レビュー、複数の関連ファイルの第一候補。
- Max：難しいデバッグ、長いエージェント計画、追加トークンより誤りの損失が大きいタスク。
表で最大の数字だからという理由だけで Max を既定値にしないでください。
Flash が合理的なワークロード
リクエスト数が多く、各ステップを自動検証できる場合に Flash は特に有効です。たとえば、サブエージェントによるファイル探索と事実収集、CI の特定テスト失敗の説明、1 ルールだけを確認する一括レビュー、定義済みインターフェースのテスト生成、短く同型のバッチへ分けたコード移行です。
明確な制約のない新アーキテクチャ、矛盾する要件、モデルが何時間も独力でプロダクト判断をする作業では選択が自明ではありません。再試行で Flash の価格優位が失われ、Pro や別モデルの方が受け入れられた結果当たりで安くなることがあります。
Claude Code への接続
DeepSeek は Anthropic 互換エンドポイントを提供しています。公式例では Pro をメインエージェント、Flash を Haiku とサブエージェントに分けます。
高価なモデルがアーキテクチャ判断をし、Flash が狭いサブタスクを処理するため、この分担は有用です。Flash をメインエージェントとして試すなら、公式推奨構成と表現せず、別プロファイルを作って結果を比べてください。起動後は Base URL、実際のサブエージェントモデル、ツール呼び出し 1 回を確認します。テキスト応答だけでは不十分で、互換性の問題は最初のツール呼び出しで初めて出ることが多いためです。
OpenCode への接続
公式ガイドでは OpenCode 1.14.24 以降が必要です。
UI で /connect を実行し、DeepSeek を選んでダイアログにキーを貼り付けます。その後モデル一覧を開きます。公式ガイドは Pro を示しています。公式プロバイダーに deepseek-v4-flash が実際にある場合だけ Flash を選んでください。BetterToken では確認時点で deepseek-v4-flash-0731 が使われていました。エンドポイントのカタログを確認せずに両者を入れ替えてはいけません。
テストは、ファイルを読ませ、ツールを呼び、ツール結果の後も推論を続けさせる複数ステップにします。この 2 ターン目が reasoning_content の問題を明らかにします。
reasoning_content エラーが起きる理由
Thinking モードでは、DeepSeek は後続リクエストの履歴に reasoning_content を戻すことを求めます。OpenCode issue #24130 は、このフィールドを失ってツール呼び出し後に失敗したクライアントを説明し、関連する修正は PR #24146 で議論されました。現行の公式 DeepSeek ガイドは別途 OpenCode 1.14.24 以降を要求しています。issue や PR だけから修正済みバージョンを推測しないでください。
エラーが続く場合は、(1) OpenCode を更新する、(2) 現行 DeepSeek プロバイダーを確認する、(3) 独自にメッセージを正規化する際に推論フィールドを削除しない、(4) 1 ツールの 2 ターンテストを繰り返す、(5) その後でモデル ID とネットワークを調べる、という順序です。ランダムなコメントの手書き JSON は一時的に役立つ場合がありますが、クライアント契約とともに更新される公式プロバイダーの方が安全です。
32K 制限の由来
OpenCode issue #29363 は、モデルが 384K を文書化しているのにクライアント設定が出力を 32K に制限した事例を報告しています。モデルの上限とアプリケーションがリクエストで送る上限は別レイヤーです。384K を自動で要求しないでください。上限を大きくすると潜在的な費用と時間が増えます。回答が length で止まるなら、Flash は長い回答を出せないと結論づける前に、実効 max_tokens、プロバイダーアダプター、推論モードを確認します。
個別ユーザー報告から分かること
ある実践的なコーディング議論には、成功したリポジトリ監査や短い移行だけでなく、要件の見落とし、修正が必要な計画、小さなテストタスクでの反復エラーも報告されています。それらはプロンプト、コミット、ハーネス、独立検証を共有しません。平均的性能の指標ではなく、自分の受け入れテスト用のシナリオです。
別の issue #1483 は、一部の V4 Flash リクエストで応答が中国語へ切り替わったと報告しています。既知の不具合率ではなく、単一のユーザー報告です。応答とコメントの言語、プロジェクト規則の順守、ツール呼び出し失敗後の回復を明示的にテストに入れてください。
自己欺瞞なしにテストする方法
Non-Think、High、Max を同一の 10 タスクで比較します。コミットを固定し、モード間でプロンプトを変えません。テスト通過タスクの割合、完成 diff までの時間、入力・出力・推論トークン、再試行数、規則と言語の違反、受け入れられたタスク当たりのコストを測定します。
High が 10 件中 9 件を完了し、Max も同じ 9 件を 2 倍の消費で完了するなら、Max は見合いません。難しいバグを Max だけが解けるなら、そのタスククラスでは高いコストが正当化されます。