DeepSeek V4-Flash とは何ですか？

DeepSeek V4-Flash は、DeepSeek が開発し2026年4月に公開された、要求の厳しい本番環境ワークロードに対応する高度なAIモデルです。実世界のソフトウェアエンジニアリング性能で最も知られており、SWE-bench Verified で79.0%を記録しています。

DeepSeek V4-Flash はオープンソースですか、それともオープンウェイトですか？

DeepSeek V4-Flash はオープンウェイトモデルです。学習済みの重みは公開されており、ダウンロード、セルフホスティング、ファインチューニングが可能です。トークンごとのAPI費用なしで、自身のインフラ上で実行できます。オープンウェイトはオープンソースとは異なることに注意してください。トレーニングコードやデータは完全には公開されていない場合があります。

DeepSeek V4-Flash のコンテキストウィンドウはどのくらいですか？

DeepSeek V4-Flash は100万トークンのコンテキストウィンドウをサポートしており、コードベース全体、長大な技術文書、長時間のエージェントセッションでも切り捨てなしで処理できる十分な大きさです。

DeepSeek V4-Flash はどのようなベンチマークで評価されていますか？

DeepSeek V4-Flash は以下のベンチマークで評価されています：SWE-bench Verified（79.0%）、GPQA Diamond（88.1%）、MMLU-Pro（86.2%）、LiveCodeBench（91.6%）、HLE（34.8%）。SR タグ付きのスコアは提供元による自己報告、3P または AA タグ付きのスコアは第三者による独立検証済みです。

DeepSeek V4-Flash は FlowHunt で利用できますか？

はい — DeepSeek V4-Flash は FlowHunt で直接利用可能です。追加のセットアップなしで、AIエージェント、自動化ワークフロー、チャットボット、ドキュメント処理パイプラインの構築に使用できます。

DeepSeek V4-Flash は他のAIモデルと比較してどうですか？

DeepSeek V4-Flash は、FlowHunt AIリーダーボードで追跡されている全24モデルと、ソート可能なベンチマーク表を使って比較できます。このページの「ベンチマークランキング」セクションでは、DeepSeek V4-Flash が評価された各ベンチマークでの順位を表示しています。

DeepSeek

DeepSeek V4-Flash

AdvancedOpen-weightAvailable in FlowHunt

Try in FlowHunt

DeepSeek V4-Flash は、DeepSeek が開発し2026年4月に公開された、要求の厳しい本番環境ワークロードに対応する高度なAIモデルです。オープンウェイトモデルとして、学習済みの重みは公開されており、セルフホスティング、独自データでのファインチューニング、API依存なしでのオンプレミス実行が可能です。100万トークンのコンテキストウィンドウは、コードベース全体、長大な技術文書、長時間のエージェントセッションでも切り捨てなしで処理できる十分な大きさです。

FlowHunt AIリーダーボードでは追跡対象の24モデルの1つであり、5つのベンチマークで評価されています。注目スコア：MMLU-Pro 86.2%（8モデル中3位）、LiveCodeBench 91.6%（5モデル中3位）、HLE 34.8%（6モデル中5位）。

DeepSeek V4-Flash は、第4世代 V シリーズの軽量・低レイテンシーバリアントとして、V4-Pro と同時に2026年4月24日に公開されました。総パラメータ284BのMoEプールから13Bのアクティブパラメータを使用し、LiveCodeBench で91.6%を達成 — V4-Pro とわずか1.9ポイント差でありながら、トークンあたりの推論コストは大幅に低減されています。競技プログラミングにおける Flash と Pro のこの準同等性は、DeepSeek の象徴的な設計思想を反映しています。すなわち、専門エキスパートネットワークを通じてトークンをルーティングすることで、少ないアクティブパラメータ数でフラッグシップに近い性能を実現するというものです。V4-Flash は、開発者がミリ秒単位のAPI応答時間で最先端に近いコーディング性能を必要とする、高スループットセグメントをターゲットとしています。

※Pro 級の品質を低コストで。約2,500の同時リクエストに対応。

Try in FlowHunt

公開日: 2026年4月
パラメータ数: 13B/284B MoE
コンテキスト: 100万トークン
重み: 公開
ティア: Advanced
プロバイダー: DeepSeek

DeepSeek V4-Flash Benchmark Rankings

Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.

Benchmark	Score	Rank	Source	What it measures
SWE-bench Verified	79.0%	9 of 13	SR	Real GitHub issue resolution (500 verified issues)
GPQA Diamond	88.1%	8 of 14	SR	Graduate-level Google-proof science Q&A
MMLU-Pro	86.2%	3 of 8	SR	Hard knowledge reasoning, 12K questions
LiveCodeBench	91.6%	3 of 5	SR	Competitive programming, continuously updated
HLE	34.8%	5 of 6	SR	Humanity's Last Exam (50+ STEM disciplines)

Detailed Benchmark Scores

SWE-V SR

79.0%

Real GitHub issue resolution (500 verified issues)

GPQA ◇ SR

88.1%

Graduate-level Google-proof science Q&A

MMLU-P SR

86.2%

Hard knowledge reasoning, 12K questions

LiveCode SR

91.6%

Competitive programming, continuously updated

HLE SR

34.8%

Humanity's Last Exam (50+ STEM disciplines)

DeepSeek V4-Flash vs. Advanced Peers

Head-to-head benchmark comparison with other Advanced-tier models. Higher is better for all metrics.

Benchmark	DeepSeek V4-Flash	Claude Sonnet 4.6	GPT-4.1
SWE-V	79.0%	79.6%	54.6%
GPQA ◇	88.1%	—	—
MMLU-P	86.2%	—	—
LiveCode	91.6%	—	—
HLE	34.8%	—	—

About DeepSeek

DeepSeek Founded 2023 · Hangzhou, China

Website →

DeepSeekは、中国最大の量的ヘッジファンドの一つであるHigh-Flyerの子会社として2023年に設立された中国のAI研究所です。同研究所は2025年初頭、DeepSeek V3およびR1のリリースが、DeepSeekの報告された低いトレーニングコストを受けて投資家がフロンティアモデル開発の資本集約性を再評価したことにより、NVIDIAの時価総額にその時点で最大の一日下落をもたらしたことで広く知られるようになりました。DeepSeekは、フロンティア研究所の中でも、独自研究と並行してオープンウェイトモデルを公開する姿勢と、クローズドモデルの価格設定を批判する活発なソーシャルメディアでの活動において異例の存在です。そのVシリーズモデル（V3からV4-Pro）は、中国発のAIモデルに対する複数の法域での規制およびセキュリティ上の監視が続いているにもかかわらず、欧米でセルフホスト可能なコーディングおよび推論モデルとして広く使用されています。

ユースケース

DeepSeek V4-Flash の活用シーン

ソフトウェアエンジニアリング: DeepSeek V4-Flash は SWE-bench Verified で79%を記録 — ここで追跡されている13モデル中9位。実際のGitHub課題を解決し、複数言語でプロダクション品質のコードを作成し、マルチステップのエージェンティックなコーディングワークフローを処理します — AI支援ソフトウェア開発チームにとって有力な選択肢です。
科学・技術的推論: DeepSeek V4-Flash は GPQA Diamond で88%（14モデル中8位）、人間の博士レベルの専門家ベースラインと同程度かそれ以上です。STEM分野全体にわたる要求の厳しい科学的推論、研究文献の要約、知識集約型タスクを処理します。
セルフホスティング＆プライベートデプロイ: DeepSeek V4-Flash はオープンウェイト（13B/284B MoEパラメータ）です — 学習済みの重みは公開されており、ダウンロードとセルフデプロイが可能です。自身のGPUハードウェアまたはプライベートクラウドで実行することで、データが環境外に出ることを防ぎ、大規模なトークン単位のAPIコストを排除し、独自データセットでモデルをファインチューニングすることもできます。
長文書・コードベース分析: 100万トークンのコンテキストウィンドウにより、DeepSeek V4-Flash はソフトウェアリポジトリ全体、長大な法的契約書、書籍レベルの調査レポート、または広範な会話履歴を一度のプロンプトで取り込むことができます — チャンキングヒューリスティックやRAGパイプラインなしで、深いドキュメントQ&A、ファイル横断的なコードベース推論、包括的な要約を実現します。
競技プログラミング: DeepSeek V4-Flash は LiveCodeBench で91%（5モデル中3位）を記録。これは新しい競技プログラミング問題で継続的に更新される、汚染耐性のあるベンチマークです。このレベルでは、高度なデータ構造、グラフアルゴリズム、面接レベルの課題を高い信頼性で処理します。

Strengths & Limitations

Strengths

強力なソフトウェアエンジニアリング — SWE-bench Verified 79%
高度な科学Q&A — GPQA Diamond 88%
競技プログラミング — LiveCodeBench 91%
セルフホスティング＆データプライベートデプロイ（オープンウェイト）
非常に長い文書と大規模コードベース（100万コンテキスト）

比較はこちら

AIモデルリーダーボードをすべて見る

全24モデルを11のベンチマークで比較 — ソート可能、出典付き、2026年6月更新。

← AIリーダーボードに戻る FlowHunt で試す

よくある質問

: DeepSeek V4-Flash は、DeepSeek が開発し2026年4月に公開された、要求の厳しい本番環境ワークロードに対応する高度なAIモデルです。実世界のソフトウェアエンジニアリング性能で最も知られており、SWE-bench Verified で79.0%を記録しています。
: DeepSeek V4-Flash はオープンウェイトモデルです。学習済みの重みは公開されており、ダウンロード、セルフホスティング、ファインチューニングが可能です。トークンごとのAPI費用なしで、自身のインフラ上で実行できます。オープンウェイトはオープンソースとは異なることに注意してください。トレーニングコードやデータは完全には公開されていない場合があります。
: DeepSeek V4-Flash は100万トークンのコンテキストウィンドウをサポートしており、コードベース全体、長大な技術文書、長時間のエージェントセッションでも切り捨てなしで処理できる十分な大きさです。
: DeepSeek V4-Flash は以下のベンチマークで評価されています：SWE-bench Verified（79.0%）、GPQA Diamond（88.1%）、MMLU-Pro（86.2%）、LiveCodeBench（91.6%）、HLE（34.8%）。SR タグ付きのスコアは提供元による自己報告、3P または AA タグ付きのスコアは第三者による独立検証済みです。
: はい — DeepSeek V4-Flash は FlowHunt で直接利用可能です。追加のセットアップなしで、AIエージェント、自動化ワークフロー、チャットボット、ドキュメント処理パイプラインの構築に使用できます。
: DeepSeek V4-Flash は、FlowHunt AIリーダーボードで追跡されている全24モデルと、ソート可能なベンチマーク表を使って比較できます。このページの「ベンチマークランキング」セクションでは、DeepSeek V4-Flash が評価された各ベンチマークでの順位を表示しています。

詳しく見る

DeepSeek V4-Pro — ベンチマーク、機能、およびユースケース

DeepSeek V4-Proは、DeepSeekが開発したオープンウェイトAIモデル（49B/1.6T MoE）で、フロンティアクラスに分類され、100万トークンのコンテキストウィンドウを備えています。FlowHuntで直接利用可能です。ベンチマークスコア、強み、推奨ユースケースをご確認ください。...