DeepSeekが7月31日にV4-Flash-0731をパブリックベータとして公開したことで、小型APIのまま旗艦モデルを超えるエージェント性能を持つシステムが使えるようになった。
エージェント系ベンチマーク9項目でV4 Pro Previewを上回った
DeepSeekが公開したスコア表では、0731ビルドがDeepSeek V4 Pro Previewをエージェント・コーディング系の9つのベンチマーク全てで上回っている。中でも目立つのはDeepSWEのスコア変化で、V4-Flash-Previewの7.3から0731では54.4まで上がった。
DeepSWEはソフトウェアエンジニアリング系のタスクを自律的に解く能力を測るベンチマードで、ここで54点台を出せるということは、コードの修正・デバッグ・実装をほぼ自律的に進められる水準に近い。TerminalBench 2.1のスコアも82.7で、ターミナル操作を伴う自動化タスクへの適性も示された。
モデルの構造は変えず、ポストトレーニングだけで達成した
注目すべきは達成の方法だ。DeepSeekはV4 Flash 0731について、アーキテクチャもチェックポイントのサイズも変えていないと明言している。変えたのはポストトレーニングのプロセスだけ。DeepSeek V4が正式公開されたときと同じMoE構造——総パラメータ280億のうち推論時にアクティブになるのは13Bだけ——を維持したまま、エージェント適応に特化したファインチューニングを繰り返した結果だ。
スケーリング（モデルを大きくすること）だけが性能向上の手段ではないことを、DeepSeekは今回また示した形になる。
Responses API対応とCodexとの互換性
APIの機能面でも更新があった。deepseek-v4-flash-0731はResponses API形式にネイティブ対応し、OpenAI Codexとの互換性を持つよう調整されている。既存のOpenAI系ツールのワークフローを持つ開発者は、大きな変更なしにAPIを差し替えられる。コンテキストウィンドウは100万トークンで、長大なコードベースや大量のドキュメントをそのまま渡してエージェントに処理させる用途でも実用的なサイズだ。
業務自動化のモデル選択が変わる
エージェント性能で旗艦モデルを超えたという事実は、業務自動化のコスト設計を直接変える。V4 Flash 0731は低価格帯モデルに属しながら、エージェントタスクでは高価格帯モデルを上回れる。GitHubのIssue対応・請求書の処理パイプライン・データ収集の自動化など、繰り返し発生する業務自動化を構築するときのモデル選択が変わってくる。
小型・低コスト・高エージェント性能が同居するモデルの選択肢が増えたことで、AIを使った業務自動化に割けるコストが限られている現場でも、実用的な自動化を構築しやすくなった。DeepSeek V4 Flash 0731のAPIはDeepInfraなど複数のプラットフォームで利用可能になっており、すぐに試せる状態になっている。
FREE DOWNLOAD
実務で使えるお役立ちコンテンツを無料で見る
無料会員登録で、実務で使えるAIテンプレート・プロンプト・PDFを受け取れます。
全PDFにアクセスする（無料）
無料会員登録して受け取る
「高性能＝大きなモデル」という前提が、またひとつ崩れましたね。
ポストトレーニングだけでここまで変わるなら、今後は「どのモデルを使うか」より「どう鍛えたか」が重要になってくる気がします。
まずは手元の自動化ワークフローで試してみるのが、いちばん早い確認方法です。