分析

DeepSeek V4.1-Flashの内部：KVキャッシュ、1017アップデート、Harnessスタック

DeepSeekによれば、V4.1-Flashのグローバル KVキャッシュはV4-Flashの約4分の1。その仕組み、1017アップデートの変更点、費用、誰も検証していない点。

執筆： Audryk · 2026年11月2日

• モデル
• #DeepSeek
• #V4.1-Flash
• #KVキャッシュ
• #Mixture of Experts
• #オープンウェイト
• #DeepSeek Harness

2026年11月2日時点で、DeepSeekはV4.1-Flashを公開(9月10日)し、技術論文を発表(9月17日)し、モデルをV4.1-Flash-1017(10月17日)に更新した。あわせてオープンソースのエージェントフレームワークDeepSeek Harnessと、有料の検索・取得APIも提供している。DeepSeekによれば、技術的な核心は1トークンあたり890バイトのグローバル KVキャッシュで、V4-Flashの約四分の一である。以下のベンチマークはすべてDeepSeek自身の数値で、独立した検証は見つからず、当サイトでモデルを実行してもいない。

要点

• 公開されたもの：オープンウェイト(MIT)のマルチモーダルMixture-of-Expertsモデル(1Mトークンのコンテキスト)、KVキャッシュ圧縮に関する論文、同じAPI idでの1017アップデート、そしてHarness。
• 技術的な着想：エージェントにとっての制約は、モデルの大きさだけでなく、KVキャッシュと入力量の多いワークロードにある。DeepSeekはキャッシュを層間で共有し、FP4で保存することで削減している。
• 主な数値(DeepSeekによる)：グローバル KVはV4-Flashの約1/4、永続 KVは約1/8。DeepSWE v1.1で74.2、Terminal-Bench 2.1で90.6(1017後のDeepSWEは77.0)。
• 利用：deepseek-flashはキャッシュミス時の入力が100万トークンあたり0.15ドルから(オフピーク。ピーク時は0.30ドル)。ウェイトはHugging FaceとModelScopeで入手できる。
• 未検証：独立したベンチマーク、実際のスループット、レイテンシ、提供コスト、そして552Bと763Bのパラメータ数の差。

DeepSeekは何をどの順で公開したか

以下の時系列はDeepSeekのAPI変更履歴に基づく。Harnessの公開日はStartup Fortuneから採った。

出典：DeepSeek APIの変更履歴、Startup Fortune、GitHub。

9月10日、DeepSeekはV4.1-Flashを新アーキテクチャファミリー最小のモデルと位置づけ、画像のネイティブ理解を備えるとした。V4-FlashとV4-Flash-Vision-Expは廃止され、名称はV4.1-Flashにリダイレクトされる。SiliconANGLEは、10月15日に五時間近いAPI障害があったと報じた。研究用プロトタイプdsh-superagentは10月31日に登場した。非公式のもので、別の記事で扱っている。

アーキテクチャはどのようにKVキャッシュを縮めるのか

生成中、Transformerはそれ以前のすべてのトークンのキー(key)とバリュー(value)、つまりKVキャッシュを保持する。そのため、長いコンテキストや、大きな入力を繰り返し読み直すエージェントのループは、キャッシュのメモリに制約される。DeepSeekは三か所からこれに対処している。

出典：Hugging Faceのモデルカード、arXiv論文(DeepSeek)。

Causal Encoder-Decoder(CED)。40層(隠れ層サイズ5120)は、20層の因果エンコーダと20層のデコーダに分かれる。デコーダのグローバル KVは、デコーダの状態から計算するのではなく、エンコーダ20層目の出力から、層ごとに別の重みで射影される。そのため、プリフィル時にはプロンプトのほとんどのトークンが完全なデコーダを通らない。論文はこの節約をプリフィル計算量のおよそ半分としている。これが、アクティブパラメータがプリフィルで8B、デコードで16Bである理由だ。デコーダのスライディングウィンドウ KVは、これまでどおり層ごとに計算される。

Compressed Sparse Attention 2(CSA2)。各層は静的なモードを一つ持つ。

• Full：自前のメイン KV、インデクサのクエリとキー、新しいtop-kを計算する。
• Reindex：前の層のメイン KVとインデクサのキーを再利用し、自前のインデクサクエリを持ち、top-kを再計算する。
• Reuse：メイン KVとtop-kのインデックスを再利用する。インデクサは一切ない。

エンコーダでは、1層目と2層目は純粋なスライディングウィンドウアテンション(SWA)で、圧縮m=2のCSA2層18層が六層ずつ三つの組(1 Full + 5 Reuse)をなす。デコーダはm=1のCSA2層20層で、1 Full + 3 Reuseの組が一つ、続いて1 Reindex + 3 Reuseの組が四つある。top-kは512、スライディングウィンドウは128トークンである。階層型インデクサにより、最初のFull層は8ポジションのブロックを2,048個(16,384ポジションのプール)選び、それをReindex層だけがスコアリングする。

FP4とSWA Bounded Replay。

• FP4：メイン KVはFP4(E2M1、16チャネルごとに1つのE4M3スケール、RoPE適用後に量子化)で保存され、SWA KVはFP8のままである。これにより、V4のFP8と比べて容量がおよそ半分になる。時期については論文に不整合がある。序文は学習中のFP4としているが、2.4.4節はポストトレーニングのQATに位置づけている。
• SWA Bounded Replay：SWA KVはもう永続化されず、直近128トークンを再生して再構築される。グローバル KVは少なくとも72時間保証され、SWA KVはホストDRAMに数分間置かれる。

出典：arXiv論文、Hugging Faceのモデルカード。値は論文の比率に基づく相対値。

スタックの残りの部分は、DeepSeekによれば次のとおり。

• MoE：共有エキスパート1個とルーティングされるエキスパート384個、トークンごとにルーティングされる6個がアクティブ、中間サイズ2,304、SwiGLU。
• Engram：スパースな条件付きメモリ、パラメータ196B、二つのモジュール(1層目と14層目)。
• DSpark：投機的デコーディング。3ブロックのドラフターが5ポジションを並列に予測する。当サイトが読んだ論文の範囲には、受理率も高速化の数値もない。

論文で唯一の定量的な効率の主張は、コンテキストが4Kから1Mになったとき、デコードのFLOPsが約四分の一増えるだけ、というものだ。当サイトが読んだ範囲には、890バイトの内訳、スループット、レイテンシ、アブレーションは示されていない。

DeepSeekは何を、誰を相手に測っているか

学習は45Tトークン(テキスト対マルチモーダルは7:1)で行われ、コンテキストは34Tトークンの時点で1Mに拡張された。ポストトレーニングはSFT、RL、オンポリシー蒸留の順に進む。モデルカードは、向上の要因を新しいアルゴリズムではなく、データパイプライン(合成されたエージェントタスクと環境)に帰している。

出典：Hugging Faceのモデルカード。ベンチマークはDeepSeekによるもので、独立した検証ではない。

DeepSeekの表はOpus-5.0(Anthropic)およびGPT-5.6 Solとも比較している。数値は公表されたまま報告する。DeepSeekによれば、V4.1-FlashはGPQA Diamondで90.9(Opus-5.0は93.4、GPT-5.6 Solは94.1)、Terminal-Bench 3.0で30.0(43.3と34.4)、HLEで36.8(56.3と44.5。テキストのみのサブセットは別に表記)。CyberGymでは88.1(GPT-5.6 Solは84.5)、AutomationBenchでは54.8(50.3と45.8)と報告している。つまりDeepSeek自身の表によれば、クローズドモデルはいくつかのテスト(HLE、Terminal-Bench 3.0、ZeroBenchのような一部の視覚系。49.0に対しGPT-5.6 Solは53.0)で上回ったままである。SiliconANGLEは、このアップデートで公表された11のベンチマークのうち7つでOpus-5.0が先行していると数えている。

モデルカードによるベースモデルは次のとおり。

V4-Pro-Baseはパラメータ1.6Tで、SimpleQA-Verified、MATH、LongBench-V2ではV4.1-Flash-Baseを上回ったままである。

1017アップデートは何を変えるのか

V4.1-Flash-1017はid deepseek-flashと価格をそのまま維持している。DeepSeekは、9月版から1017への向上を報告している。ツールなしのHLEは36.8から42.6(テキストのみでは44.0)、DeepSWE v1.1は74.2から77.0、Terminal-Bench 4.0は31.2から42.3。

出典：DeepSeek APIの変更履歴(2026年10月17日)。自己申告。

実行時間と出力の長さも、数値は示されないまま短縮された。Harness 0.2.1-rc.1以降が推奨されている。SiliconANGLEによれば、このモデルはHarnessと、TencentのCodeBuddyおよびWorkBuddy向けに調整されている。DeepSeekはこのリリースを性能とコストのパレート改善と呼ぶ。Startup Fortuneは、これはDeepSeek自身の判断であり、タイミングが自社スタックに有利に働くとしつつ、MITライセンスにより他者も競合ツールでこのモデルを使えると指摘する。Neomanexは、固定バージョンが発表されていない点に触れ、出力が短くなるとパーサーやトークン予算が壊れる可能性があるため、評価を再実行するよう勧めている。

推論のコストはどれほどで、どう調整するのか

推論エフォートは1から100まで調整でき、APIではmaxが100、highが75、lowが50で、instructの結果は100を使っている。

出典：arXiv論文、5.3.3節。自己申告。

エフォートを25から100にすると、出力トークンは約2.5倍になる。エフォート60〜80なら、トークンの半分未満で向上分の大半が得られる。スキャフォールドも影響する(DeepSWE v1.1 / Terminal-Bench 2.1、モデルカードによる)。mini-SWEは74.2 / 90.3、DSH Minimalは72.6 / 90.6、DSH Standardは70.5 / 85.8。他のハーネス(Claude Code、Codex、OpenCode、Pi)はDeepSWEで65.5〜69.8で、Terminal-Bench 2.1は84.1(Codex)から90.6まで幅がある。複数のエージェントを使う場合、論文はProgramBench Almost@1について、8時間でエージェント1つの20.39%に対し30.04%と報告している。

費用はどれほどで、どう使うのか

deepseek-flashはV4.1-Flash-1017、deepseek-v4-proはV4-Pro-0813である。旧名称はFlashの価格でFlashにリダイレクトされる。どちらも1Mのコンテキスト、最大出力384K、思考モードと非思考モード、JSON、ツール呼び出し、Responses API、Anthropic互換APIを備える。ビジョンはFlashのみである。

ピーク時間は、中国の祝日を除く月曜から金曜の01:00〜04:00と06:00〜10:00(UTC)で、それ以外はオフピークである。

• 検索・取得API：成功したリクエスト1,000件あたり、それぞれ0.75ドル。11月1日までは無料で、2026年11月1日の北京時間00:00からリクエストごとに課金される。検索は最大50件のランク付き結果を返し、取得はページをMarkdownに変換する(SiliconANGLE)。HarnessやClaude Code、Codexからサーバー側で呼び出せる。
• DeepSeek Harness：公式のオープンソースエージェントフレームワーク(dsh、MIT)。すべてがプラグイン(モデルアダプタ、ツール、ログ、エージェントループ)で、Webインターフェースを備える。リポジトリはgithub.com/deepseek-ai/deepseek-harness。報じられているスター数は情報源によって食い違う(Startup Fortune、HelloGitHub)ため、数値は挙げない。
• 自分で動かす：vllm serve "deepseek-ai/DeepSeek-V4.1-Flash"(OpenAI互換、画像入力対応)、またはpython3 -m sglang.launch_server --model-path "deepseek-ai/DeepSeek-V4.1-Flash"、あるいはdevice_map="auto"を指定したTransformers。Jinjaのチャットテンプレートはない。encodingフォルダにあるリファレンスのPythonコードか、本番ではRustライブラリdeepseek-recipeを使う。カードに最小ハードウェア要件の記載はない。

何が確立されていないか

当サイトが探した範囲では独立したテストは存在せず、Opus-5.0やGPT-5.6 Solとの比較はDeepSeekによるものである。カードと論文はバックボーンのパラメータを552Bとしているが、Safetensorsのメタデータは763Bを示している。Engramの196Bか視覚エンコーダかもしれないが、確認はされていない。実際のスループット、レイテンシ、提供コストは未公表で、アブレーションは定量化されておらず、DSparkの実際の効果は不明で、最小ハードウェアも明記されていない。1017が長い出力に与える影響は測定していない。

一覧表

よくある質問

モデルは本当に4分の1の軽さなのか

違う。DeepSeekによれば、V4-Flashの約四分の一になるのはモデルではなく、HBM上のグローバル KVキャッシュ(1トークンあたり890バイト)である。本文はパラメータ552B、メタデータは763Bとしているが、説明はない。

自分で動かせるか

ウェイトはMITで、カードにはvLLM、SGLang、Transformersの手順が記されている。最小ハードウェアは明記されていないため、何が必要かは当サイトには言えない。

1017アップデートで価格やidは変わるか

変わらない。idはdeepseek-flashのままで、価格も同一である。固定バージョンは発表されていないため、評価を再実行してほしい。

DeepSeekはクローズドモデルに勝っているのか

DeepSeekによれば、一部のエージェント系テストでは上回り、他(HLE、Terminal-Bench 3.0、一部の視覚系テスト)では下回る。独立したテストはない。

方法と限界

Hugging Faceのモデルカード(自動要約を介したため、数値は照合が必要)、arXiv論文の約三分の二、DeepSeekの変更履歴と価格ページ、品質にばらつきのある二次情報(Neomanex、HelloGitHub)を読んだ。モデルは試しておらず、論文にアブレーションやスループットの測定は見つからなかった。これは購入や投資の助言ではない。

出典

• Hugging Face：DeepSeek-V4.1-Flash model card(確認日：2026-11-02)
• arXiv 2609.19969：DeepSeek-V4.1-Flash, Pushing the Limits of KV Cache Compression(確認日：2026-11-02)
• DeepSeek API：updates (changelog)(確認日：2026-11-02)
• DeepSeek API：models and pricing(確認日：2026-11-02)
• SiliconANGLE：DeepSeek releases updated V4.1-Flash model(確認日：2026-11-02)
• Startup Fortune：DeepSeek ties its new V4.1-Flash-1017 model tighter to its own Harness(確認日：2026-11-02)
• Neomanex：DeepSeek V4.1-Flash-1017, same Flash id, same price(確認日：2026-11-02)
• HelloGitHub：deepseek-harness(確認日：2026-11-02)

この記事の誤りに気づかれましたか？ 報告する · 訂正ポリシー