TLDR DeepSeek-V4-Flash-0731（2026年7月31日リリース）は、DeepSeek の高効率 Mixture-of-Experts モデル（総 284B／アクティブ 13B パラメータ、1M トークンのコンテキスト）の公式な本番対応版です。ターゲットを絞ったポストトレーニングにより、エージェント型コーディング、ツール使用、マルチステップのソフトウェアエンジニアリングで劇的な向上を実現します。Responses API と OpenAI Codex をネイティブにサポートします。DeepSeek Harness は、このモデルを信頼できる自律エージェントにするためのコンパニオンとなるエージェントフレームワーク（公式評価ではすでに minimal モードを使用、フルリリースは近日予定）です。
両者を組み合わせることで、2026年8月時点でオープンウェイトおよび API でアクセス可能なエージェント型 AI の中でも、最強クラスのコストパフォーマンスを提供します。
重要なポイント
- ポストトレーニングのみでの大幅なエージェント性の飛躍: 4月のプレビューと同じ 284B/13B のアーキテクチャながらスコアが劇的に向上（例：Terminal Bench 2.1 は 82.7 対 61.8、DeepSWE は 54.4 対 7.3）。
- アクティブパラメータがはるかに少ないにもかかわらず、複数のエージェント系ベンチマークで DeepSeek-V4-Pro（Preview）を上回る。
- コストの一部でトップクラスのプロプライエタリモデルと競合（いくつかのエージェントタスクで Claude Opus 4.8 に近い）。
- ネイティブ 1M コンテキスト、推測デコーディング（DSpark）、3 段階の推論負荷（low/high/max）、MIT ライセンス、オープンウェイト。
- Responses API と Codex を公式サポート（CLI、デスクトップ、VS Code 拡張）。
- DeepSeek Harness（公式エージェントフレームワーク、minimal モードはすでに評価で使用、パブリックリリースは近日）により、モデルを信頼できる自律エージェントへ。DeepSeek Harness はエージェント実行ランタイムレイヤーを提供；model + harness = production agent。
- 大量のコーディングエージェント、ターミナル自動化、ツール使用、長コンテキストのワークフローに最適。
- CometAPI（OpenAI 互換エンドポイント、競争力ある料金、マルチモデルルーティング）を通じて、DeepSeek モデルに手頃な価格で統一ツーリングでアクセス可能。
DeepSeek V4 Flash 0731 の新機能は？
公式リリースステータスの変更
最重要の変更点は、DeepSeek V4 Flash 0731 が API 上での DeepSeek V4 Flash の公式リリース（パブリックベータ）になったことです。DeepSeek の 7月31日チェンジログによると、開発者は引き続き同じモデル名 deepseek-v4-flash を呼び出すだけで最新バージョンにアクセスできます。これはマイグレーションにおいて重要で、新しいモデルスラッグを避け、既存のルーティングロジックの裏でアップデートをテストできます。
また DeepSeek によれば、今回のアップデートは V4 Flash API のみを更新します。V4 Pro API とアプリ／Web のモデルは 7月31日のリリースでは変更されておらず、V4 Pro の公式リリースは近日とされています。言い換えると、今回は DeepSeek V4 ファミリー全体の刷新ではなく、Flash に絞ったアップデートです。
アーキテクチャは据え置き、ポストトレーニングを変更
コアアーキテクチャは不変です。Mixture-of-Experts（MoE）モデルで、総パラメータは2840億、トークンごとのアクティブは130億、長コンテキストに最適化されたハイブリッドアテンション設計、ネイティブの100万トークンコンテキストウィンドウ。より高速な生成のために推測デコーディングモジュール（DSpark）を付加。テキスト専用で、調整可能な推論負荷（low / high / max）、ツール呼び出し、構造化出力をサポートし、寛容な MIT ライセンスで公開。
この違いは重要です。多くのモデル更新はモデルのサイズ拡大で性能が上がります。今回は、パラメータフットプリントを増やさずに大きなエージェント性の伸びを達成した点が興味深いところです。V4 Flash は総 284B／アクティブ 13B の MoE のままで、推論時のサイズは V4 Pro の総 1.6T／アクティブ 49B よりはるかに小さいままです。
エージェント型コーディングのスコアが大幅に向上
DeepSeek の公式テーブルでは、ターミナル、リポジトリ構築、サイバー、ソフトウェアエンジニアリング、ツール使用、自動化、フルスタックコーディングタスクにおいて大幅な改善が示されています。旧 Flash プレビューに対する最大の絶対的伸びは DeepSWE の 54.4（対 7.3、+47.1）です。Cybergym は +38.0、DSBench-Hard は +33.8、DSBench-FullStack は +31.7 となっています。
このため、V4 Flash 0731 は通常の「高速モデル」というより、コーディングエージェントのデフォルト候補として語られています。価値は単なる安価なチャットではなく、安価・長コンテキスト・ツールフレンドリーなエージェント推論にあります。
Responses API と Codex のサポートが到来
7月31日の DeepSeek のチェンジログによると、正式な V4 Flash は Responses API 形式をネイティブにサポートし、Codex に特化して適応されています。DeepSeek の Responses API ガイドによれば、この形式は Codex の需要に応えるために追加され、ベース URL はhttps://api.deepseek.comで、現時点でサポートされるモデルは deepseek-v4-flash です。
これは重要です。Codex スタイルの開発ワークフローは単純なチャットセッションではありません。構造化された入出力項目、reasoning items、ツール呼び出し、ファイル変更操作、ストリーミングイベント、使用量記録、コーディングエージェントクライアントとの統合が必要です。DeepSeek のサポートは OpenAI Responses API のすべてを完全にクローンするものではありませんが、V4 Flash をコーディングエージェントの実験に実用的なドロップイン候補にするには十分です。
公式 V4-Flash バージョンのパフォーマンスベンチマーク
開発者が無視すべきでないベンチマーク上の注意点
公式の評価結果（モデルカードで DeepSeek が報告）では、プレビュー版や、より大きい V4-Pro Preview をエージェント中心タスクで上回る大きな伸びが示されています。コードエージェントのベンチマーク評価には、DeepSeek Harness のminimal モード（後日リリース予定）が使用され、max 推論負荷、temperature = 1.0、top_p = 0.95 で実行されています。
これには二つの含意があります。第一に、結果はモデル単体ではなくモデル＋ハーネスの結果でもあること。自分のエージェントランタイムのツール群、シェル権限、コンテキスト管理、リトライ、パッチ規則、失敗処理が異なれば、同じスコアにはならない可能性があります。第二に、DeepSeek が十分なハーネスと評価セットアップを公開するまでは、外部チームによる独立再現は限定的です。
公式 DeepSeek ベンチマーク表
| ベンチマーク | V4-Flash-0731 | V4-Flash Preview | V4-Pro Preview | GLM-5.2 | Opus-4.8 |
|---|---|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 61.8 | 72.1 | 81.0 | 85.0 |
| NL2Repo | 54.2 | 39.4 | 38.5 | 48.9 | 69.7 |
| Cybergym | 76.7 | 38.7 | 52.7 | — | 83.1 |
| DeepSWE | 54.4 | 7.3 | 12.8 | 46.2 | 58.0 |
| Toolathlon-Verified | 70.3 | 49.7 | 55.9 | 59.9 | 76.2 |
| Agents’ Last Exam | 25.2 | 15.8 | 16.5 | 23.8 | 25.7 |
| AutomationBench Public | 25.1 | 10.8 | 12.8 | 12.9 | 27.2 |
| DSBench-FullStack † | 68.7 | 37.0 | 41.8 | 61.8 | 71.6 |
| DSBench-Hard † | 59.6 | 25.8 | 31.1 | 54.5 | 71.7 |
これら 9 つのベンチマークの平均で、V4 Flash 0731 は 55.2。旧 V4 Flash プレビューは 29.6、V4-Pro Preview は 34.9。つまり V4 Flash 0731 は、この表において Flash プレビュー比で約 +25.6 ポイント、V4-Pro Preview 比で約 +20.3 ポイント高いことになります。
第三者のシグナル
ARC Prize は V4 Flash 0731 が max 努力で ARC-AGI-1 Semi-Private 89.0%、ARC-AGI-2 Semi-Private 61.4% を記録したと報告し、タスクあたりのコストはそれぞれ $0.02 と $0.04 と記載しています。これはコーディングエージェントのベンチマークではありませんが、高負荷モードでの推論タスクにおける競争力を裏付けるものです。
特に DeepSWE（ソフトウェアエンジニアリングのエージェントループ）と Cybergym の伸びは顕著です。独立測定（例：Artificial Analysis）では Terminal-Bench がわずかに低い約 79% と報告されていますが、改善の方向性を確認しつつ、ベンダーハーネスの数字は楽観的になりがちであることを想起させます。
以前の V4 評価や第三者集計からは、max 推論モードで知識・コーディング性能が強力であること（GPQA Diamond 約 88–91%、LiveCodeBench は出所により 80%台後半〜90%台）が示されています。0731 のポストトレーニングは、プレビューで欠けていたエージェントの信頼性を特に解放しました。
DeepSeek-V4-Flash は Responses API と Codex をサポート
戦略的に重要なのは、OpenAI のResponses APIをネイティブにサポートしたことです。DeepSeek の公式ドキュメントは、Responses API が現在 deepseek-v4-flash をサポートしていること（Pro のサポートは 2026年8月上旬予定）を確認しています。ベース URL は引き続きhttps://api.deepseek.comです。
これは開発者体験の大きな前進です。Responses API と Codex のサポート前でも DeepSeek V4 Flash はテキストモデルとして呼び出せましたが、コーディングエージェント側でより多くの統合を橋渡しする必要がありました。いまや Responses スタイルのセマンティクスを前提とするワークフローでモデルを活用できます。
Responses API サポートの内容
DeepSeek の Responses API は、OpenAI Responses API 形式で /responses にモデル応答を作成します。Responses API は model、input、instructions、stream、temperature、top_p、max_output_tokens、top_logprobs、tools、tool choice、reasoning effort、text format、usage reporting をサポートします。API はステートレスのため、マルチターンではクライアントが会話履歴をすべて送信する必要があります。
実務上の互換性に関する要点は次のとおりです。
deepseek-v4-flashは現時点で Responses API で唯一サポートされるモデル。developerメッセージはsystemメッセージとして扱われる。- Function ツール、ストリーミング、調整可能な推論負荷、サーバーサイドのウェブ検索をサポート。
- カスタムツールタイプは
apply_patchのみサポート（Codex 互換性の観点で重要）。 - 画像やファイル入力は非対応；画像入力パートはプレースホルダーのテキストに置換。
previous_response_id、conversation、store、バックグラウンドモード、メタデータ、いくつかのコンテキスト管理機能は非対応。- 非対応パラメータは黙って無視される場合があるため、本番クライアントは期待する挙動を明示的にテストすべき。
開発者にとって重要なのは、Responses API のサポートが単なる文法上の互換ではない点です。とくに function calls、ストリーミングイベント、reasoning items、パッチ適用を一貫した形で表現する必要があるモダンなコーディングエージェントにおいて、V4 Flash をそのままプロトコルレーンに乗せられるようになります。
ステートレス設計（クライアントが会話履歴を管理）。例（Python）:
from openai import OpenAI
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")
response = client.responses.create(
model="deepseek-v4-flash",
instructions="You are a helpful coding assistant.",
input="Refactor this Python function for better readability...",
reasoning={"effort": "max"}
)
print(response.output_text)
詳細と Codex 統合ガイド: DeepSeek API Docs – Responses API および Integrate with Codex。
Codex サポートの意味
DeepSeek の Codex 統合ガイドによれば、Codex は Responses API を通じてモデルと通信し、DeepSeek はこれをネイティブにサポートしました。これにより、Codex（OpenAI のコーディングエージェントエコシステム — CLI、ChatGPT デスクトップアプリ、VS Code 拡張）と直接統合できます。
開発者はセットアップスクリプト経由または ~/.codex/config.toml とモデルカタログファイルを編集して一度カスタムプロバイダを設定できます。設定後、Codex クライアントが DeepSeek-V4-Flash を認識し、そのツール呼び出し、apply_patch、ウェブ検索、推論機能を利用可能になります。
DeepSeek V4 Flash と DeepSeek V4 Pro の比較
| 項目 | V4-Flash-0731 | V4-Pro（一般／Preview） |
|---|---|---|
| 総／アクティブパラメータ | 284B / 13B | 約 1.6T / 49B |
| コンテキストウィンドウ | 1M tokens | 1M tokens |
| 強み | エージェント型コーディング、ターミナル、コスト、速度 | 最深の推論、知識、最難関タスク |
| エージェント系優位性 | 公開済み 0731 のエージェントスイートで優位 | 以前の評価では純粋知識・複雑な多ファイルで優勢 |
| 典型的な API 料金 | 約 $0.14 入力 / $0.28 出力（キャッシュ時は大幅に低減） | 有意に高い（歴史的に 3–12×） |
| 最適な用途 | 大量エージェント、本番コーディングループ、コスト重視アプリ | フロンティア研究、単一タスクでの最大能力 |
| オープンウェイト | Yes (MIT) | Yes (MIT) |
まずどちらを使うべきか？
0731 の公開エージェント系ベンチマークでは、小型の Flash が Pro プレビューを全面的に上回ります。純粋な知識検索や極めて難しい推論問題においては、独立評価や以前の結果で Pro が依然優位な領域もあります。実際には、多くのチームがエージェント系ワークロードの大半を Flash にデフォルトし、最も要求の厳しいタスクだけを Pro（や他の最上位モデル）にルーティングしています。
このルーティング戦略で役立つのが CometAPI です。すべてのワークロードに単一モデルをハードコードする代わりに、CometAPI でモデル選択、ログ、コスト追跡、フォールバック方針を一元化しましょう。例：
- リポジトリ要約、リファクタ計画、コードレビュー下書き、テスト生成、構造化抽出、長コンテキスト QA、反復エージェントループには V4 Flash を使用。
- ビジネスリスクが高い、要件が曖昧、プロダクションコードが脆い、繰り返し失敗が続くタスクには V4 Pro や他のプレミアムモデルへエスカレーション。
- 最終的に重要な指標を追跡：1ドルあたりの受け入れ修正数、1時間あたりの成功タスク数、人的レビュー時間の削減分など。
DeepSeek Harness とは？
DeepSeek Harness は、モデルを信頼できる自律エージェントへと変えるために DeepSeek が構築している公式のエージェントフレームワーク／実行ランタイムレイヤーです。同社はこの等式をシンプルに示します：Model + Harness = Agent。
V4-Flash-0731 の公式評価ではすでに DeepSeek Harness の「minimal モード」が使用されています。完全版プロダクトは段階的にロールアウト中（2026年7月末〜8月上旬に採用・早期テストが進行）。チームは Cui Tianyi（クオンツトレーディングシステムのバックグラウンド）に率いられ、求人票では DeepSeek-V4 のプレフィックスキャッシュ、長コンテキスト管理、KV キャッシュ最適化、ツール連鎖、エラーリカバリ、自動リトライなどへの深い統合が強調されています。
Harness は汎用的な LangChain 風のラッパーではありません。コンテキスト管理、ツールオーケストレーション、エビデンス収集、修復ループが、V4 固有の効率（スパースアテンション、キャッシュ、推論モード）を活かせるようモデルと共同設計されています。コミュニティやサードパーティのハーネスも存在しますが、公式 Harness はモデルとランタイムの結合を極限まで高めることを目指します。
完全リリース時には次を提供すると見込まれます。
- コーディングと自動化のための構造化エージェントループ
- セーフティゲートと承認フロー
- 長期タスク向けの効率的なコンテキスト処理
- 可観測性とアーティファクト生成
完全公開までは、V4-Flash-0731 を既存のエージェントフレームワークと組み合わせるか、Responses API + Codex の経路で十分強力な結果が得られます。
価格、提供状況、実運用
- 公式 API 料金（概算）：入力 $0.14 / 100万トークン（キャッシュミス）、キャッシュヒット時は約 $0.0028–0.03、出力 $0.28 / 100万トークン。高い同時実行制限。
- MIT の下で Hugging Face にオープンウェイトを公開。量子化 GGUF 版も広く利用可能（ローカル／自前運用には多大な VRAM が必要—フル精度は巨大）。
- 推測デコーディング（DSpark）とハイブリッドアテンションにより、長コンテキスト推論を比較的効率的に維持。
- 対応推論エンジン：vLLM、SGLang、その他レシピが公開済み。
多くのチームにとって最も容易な本番導入は、OpenAI 互換のゲートウェイを使うことです。CometAPI は、単一エンドポイント（https://api.cometapi.com/v1）から DeepSeek（V4 シリーズを含む）と数百の他モデルに統一的にアクセスできます。利点は、マルチモデルルーティングの簡素化、直接プロバイダに比べ競争力のある（あるいは割引）価格、使用状況分析、そしてアプリケーションコードを変えずに Flash、Pro、他モデルの切り替えが可能なことです。これは、難易度／コストによるフォールバックやルーティングを行うエージェントシステムに特に有用です。
本記事時点で、CometAPI の DeepSeek V4 Flash は比較表で入力 $0.12／100万トークン、出力 $0.24／100万トークンの開始価格、直近 24 時間の稼働率 100.0%、観測レスポンス 2941 ms を掲示。DeepSeek は総合的な API 価格の今後の上昇可能性も警告しています。プロバイダの価格は変動し得るため、公開時の安全な記述は「本番予算を確定する前に CometAPI のライブカタログと DeepSeek の公式価格を確認すること」です。
開発者・チームへの実践的な提案
- エージェント型コーディングは Flash-0731 から開始 — コスト／性能比が現状、ターミナル、リポジトリ、マルチツールのワークフローで極めて優秀。最難タスクにはmax 推論負荷＋Harness 風ループを。
- ローカル推論では Hugging Face からダウンロードし、DSpark を有効にする公式の vLLM／SGLang レシピに従う。
- モダンなツール呼び出しセマンティクスを望む、または既に Codex を使っているなら Responses API で統合。
- 自前ホスティングや量子化ウェイトを活用して、コスト管理とデータプライバシーを最大化。
- 賢くルーティング — ボリュームは Flash、超難問は Pro（や他の大型モデル）へ。
- CometAPI の活用を検討 — マルチモデルアクセスを簡素化。既に DeepSeek と他プロバイダを混在させているスタックに特に有用。
結論
DeepSeek-V4-Flash-0731 は、効率的なエージェント型 AI における転換点です。比較的コンパクトな MoE（アクティブ 13B）から、集中したポストトレーニングでフロンティア級のエージェント性能を引き出し、さらに専用の Harness とモダンな API 互換（Responses + Codex）を組み合わせることで、コーディングと自動化エージェントにおけるコスト効果の基準を塗り替えました。
オープンウェイトを自前運用するにせよ、公式 API を呼び出すにせよ、あるいは CometAPI のような統合ゲートウェイを介してルーティングするにせよ、V4-Flash-0731 と進化中の Harness エコシステムは、次世代エージェントの高性能で費用対効果に優れた基盤を提供します。
FAQ
DeepSeek V4 Flash 0731 とは？
DeepSeek V4 Flash 0731 は、DeepSeek API 上の DeepSeek V4 Flash の公式パブリックベータリリースで、2026年7月31日のチェンジログで発表されました。プレビュー版を置き換えますが、API のモデル名 deepseek-v4-flash はそのまま維持されます。
DeepSeek V4 Flash 0731 の新点は？
主な変更は、エージェント系ベンチマーク性能の大幅向上、Responses API のネイティブサポート、Codex への適応、そして再ポストトレーニングされた公式 V4 Flash ビルドです。モデルのアーキテクチャとサイズはプレビュー版と同一としています。
DeepSeek V4 Flash 0731 は Codex をサポートしますか？
はい。DeepSeek の Codex ガイドによれば、現時点で Codex 連携をサポートするのは deepseek-v4-flash のみです。Responses API を通じて動作し、Codex CLI、ChatGPT デスクトップアプリ、VS Code 向け Codex IDE 拡張で利用できます。
DeepSeek Harness とは？
DeepSeek Harness は、言語モデルを自律的なコーディング／ワークフローエージェントに変えるための DeepSeek のエージェントフレームワークです。ハーネスは、ツール、コンテキスト、ファイル、コマンド実行、マルチステップワークフローを管理するレイヤーと説明されます。V4 Flash 0731 のベンチマーク設定では Harness の minimal モードが使用されました。
CometAPI 経由で DeepSeek V4 Flash にアクセスするには？
CometAPI の OpenAI 互換エンドポイントで、モデル ID に deepseek-v4-flash を指定します。CometAPI のモデルページには、/v1/chat/completions の cURL、Python、JavaScript の例、モデル仕様、価格、稼働率情報が掲載されています。
DeepSeek V4 Flash は DeepSeek V4 Pro より優れていますか？
7月31日のベンチマーク表では、V4 Flash 0731 が掲載されたエージェント系ベンチマークで V4-Pro Preview を上回ります。ただし常に Flash が Pro より優れているわけではありません。V4 Pro はより大きく、知識中心や難度の高い推論タスクでは多くの独立評価や過去の結果で優位性を保っています。コスト重視のエージェント系ワークフローでは Flash をデフォルトにし、超難問には Pro をエスカレーション経路として使うことを推奨します。