7月31日、DeepSeekは業界全体が目を見張るような行動に出た。彼らはV4 Flashの正式版をオープンソース化したのである（MITライセンス）。このモデルはわずか13Bパラメータ（全パラメータの中で毎回実際に使う部分）を活性化させたものだが、サードパーティーの知能指数で50点を獲得した。これはOpenAIのクローズドソースのフラッグシップモデルGPT-5.6 Lunaにわずか1点差に迫るものだ。
骨格はそのままに訓練方法を変えただけで、Flashは自社のProを打ち負かした
DeepSeekの公式発表によると：V4 Flash 0731のモデル構造とサイズは3ヶ月前のプレビュー版と完全に同じ――総パラメータ数は284B、活性化は13B、1Mのコンテキストウィンドウ（一度に覚えておけるテキスト量）である。唯一の違いは再訓練を行ったことだ（モデルの骨格はそのままに、「どのように質問に答えるか」の戦略を調整しただけで、まるで同じ人に新しい仕事のやり方を教えたようなもの）。
その結果どうなったか？公式に発表された9つのAgentベンチマークテストで、Flash正式版はより高みを想定していたV4-Proプレビュー版を全面的に上回った。最も劇的だったのはDeepSWE（高難度のコーディング）：プレビュー版の7.3点から54.4点に跳ね上がり、6倍以上も増加した。Terminal Bench 2.1（ターミナル操作）では82.7点を獲得し、Proの72.1点を上回り、智譜 GLM-5.2の81.0点さえも超え、Claude Opus 4.8の85.0点にわずか2.3点差に迫った。
言い換えれば：業界でデフォルトとされていた「Proは必ずFlashより強い」という階層化されたロジックは、DeepSeek自身が打ち破った。軽量版は低スペック版ではない――それはまだ十分に訓練されていなかっただけだ。
閉ソースの天井まであと1点、コストは60％安い
サードパーティの評価機関であるArtificial Analysisの知能指数（複数のタスクにわたる総合的な能力スコアで、比較可能なモデルの平均は約17点）は、V4 Flash 0731に50点を与えた。この数字は何を意味するのか？
横比較：Google Gemini 3.6 Flashと同等の50点で、GPT-5.6 Lunaには1点差（51点）、現在のオープンソーストップのKimi K3には7点差（57点）。縦比較：自社のFlashプレビュー版から10点向上（40→50）、より高みを想定していたV4-Proプレビュー版より6点高い（44→50）。これはオープンソースモデル（ファイルを公開し、誰でもダウンロードして開発できるモデル）史上初めて、この規模のクローズドソースフラッグシップにこれほど近づいた。
価格面では：キャッシュヒット入力が0.2元/百万トークン（AIが文字数で課金する単位）、ヒットしない入力が1元、出力が2元。1タスクあたりのコストで計算すると、値下げ後のGPT-5.6 Lunaより約60％安い。OpenAIは同じ日にLunaを80％値下げしたが、それでもDeepSeekより高い。
| モデル | AA知能指数 | 活性化パラメータ | オープンソース | 1タスクあたりのコスト |
|---|---|---|---|---|
| V4 Flash 0731 | 50 | 13B | MIT | 基準 |
| GPT-5.6 Luna (max) | 51 | 未公開 | いいえ | +60% |
| Gemini 3.6 Flash | 50 | 未公開 | いいえ | — |
| Kimi K3 (max) | 57 | 未公開 | はい | — |
| V4 Pro プレビュー版 | 44 | 49B | いいえ | より高い |
データソース：Artificial Analysis知能指数（2026-07-31）、DeepSeek公式価格ページ。1タスクあたりのコストはArtificial Analysisの基準による。
再訓練はパラメータを増やすより効果的――これは誰に最も有利か
今回の発表で最も直感に反する点は：モデルの骨格は全く変わっていないということだ。284Bの総パラメータ、13Bの活性化、CSA+HCA混合注意力、32Tトークンの訓練データ――これらは全て3ヶ月前と同じである。変わったのは再訓練の戦略だけだ。
これは何を意味するのか？現在の大規模モデルの性能のボトルネックは、「モデルがどれだけ大きいか」ではなく、「訓練方法がどれだけ精密か」にあるのかもしれない。同じ骨格でも、再訓練の戦略を変えるだけで質的な飛躍を実現できる――これは計算能力（モデルを動かすのに必要な計算リソース）に限りのあるチームにとって大きな朗報だ。より多くのGPUは必要なく、より良い訓練方法が必要だ。
DeepSeekの公式発表ではさらに、V4-Proの正式版が8月初旬に公開される予定であることが示された。もしProも同じように再訓練のアップグレードを行えば、オープンソースフラッグシップの天井はさらに上がるだろう。
オープンソース vs クローズドソースの天秤は傾きつつある
視点を広げると。2026年の前半に何が起こったのか？Kimi K3が売れすぎて販売停止、DeepSeek V4 Flashがクローズドソースに追いつき、GLM-5.2が続く――中国のオープンソースモデルが世界の天井に集団で迫っている。
一方、クローズドソース陣営は何をしているのか？OpenAIは同じ日にGPT-5.6 Lunaを80％値下げした。これは偶然ではない――オープンソースモデルが知能指数で1点差に迫り、価格も60％安いとき、クローズドソースメーカーの唯一の防御線は「自分で展開しなくてよい」という利便性だけだ。
しかしMITライセンスは意味がある：どのチームでも重み付けをダウンロードして、プライベートに展開し、必要に応じてカスタマイズできる。データに敏感な企業（金融、医療、政府）にとって、これは「節約するかどうか」の問題ではなく、「使えるかどうか」の問題だ。オープンソースモデルが初めて「十分に賢い」と「プライベートに展開できる」という2つの条件を同時に満たした。
今日から使える：誰が切り替えるべきか、どう切り替えるべきか
V4 Flash 0731はすでにDeepSeekのファーストパーティAPIで公開されており、Ollamaにも同時に掲載されている（ollama run deepseek-v4-flash:0731-cloud）。OpenAI Responses APIフォーマットにネイティブ対応しており、Codex向けに調整されている。
大量の繰り返しのAgentタスク（コード生成、ターミナル操作、ツール呼び出し）がある場合：優先的にテスト。Flash 0731はこの種のタスクでOpus 4.8に接近しており、コストは60％安い。
プライベート展開が必要（データは外に持ち出さない）：今すぐダウンロード可能。MITライセンス＋167GBの重み付け＋Q8量子化で110GBのメモリで動作。
トップレベルの計画/創造的能力が必要：もう少し待つ必要がある。V4-Pro正式版は8月初旬に公開予定で、より高みを想定している。Flashは「作業」に向いており、「アイデア出し」ではない。
13B活性化のオープンソースモデルが開放され、クローズドソース天井に1点差に迫り、60％安いとき、「クローズドソースの値下げを待つ」戦略は時代遅れになった。今日できる最初のことは：あなたのAgentワークフローの最も繰り返しの多い部分を、V4 FlashでA/Bテストすることだ。データがあなたのために決定を下す。
ベンチマークデータはDeepSeek公式発表およびArtificial Analysisサードパーティ評価による。一部の基準（DSBenchシリーズ）はDeepSeek自社開発のHarnessを使用しており、旧版のTerminal Bench 2.0とは同じ問題セットではない。実際の生産環境でのパフォーマンスはサードパーティによる再現が必要。