AIニュース 2026年10月18日

今日 · 発生日 10 月 17 日

DeepSeek、Flash 更新版を公開——成績は自己申告

DeepSeek、MIT ライセンスで V4.1-Flash-1017 の重みを公開 前版から約一か月で、自己申告では 11 のベンチマーク中 9 つで GPT-5.6 Sol を上回る

なぜ重要か： 前版から約一か月の更新でターミナル操作の評価 Terminal-Bench 4.0 が自己申告で 11.1 ポイント伸びたが、観測は一区間だけだ。

DeepSeek は 10 月 17 日、Hugging Face で V4.1-Flash-1017 の重みを MIT ライセンスで公開した。モデルカードは自ら「minor update」と呼ぶ（DeepSeek のモデルカード、2026-10-17）。

モデルカードには 11 のベンチマークの表があり、比較相手の列は Kimi K3、GLM-5.3、GPT-5.6 Sol、Opus 5 である。本紙が列ごとに数えると、GPT-5.6 Sol を上回るのは 9 つ、Opus 5 を上回るのは 4 つで、Opus 5 を下回るのは 7 つだった。

一か月前の V4.1-Flash と比べて最も伸びたのは Terminal-Bench 4.0 で、31.2 から 42.3 になった。ProgramBench は 20.3 から 29.1 になった。Terminal-Bench 4.0 は、モデルにターミナルの中でタスクを完了させる評価である。ProgramBench は、コンパイル済みのファイルとドキュメントからプログラムを再構築させる評価だ。

表はすべて DeepSeek の自己申告である。競合の点数を自社で測ったのか、公表値を引いたのかは、モデルカードに書かれていない。比較相手も一世代古い。モデルカードが比べるのは Opus 5 と GPT-5.6 Sol だが、Paweł Huryn 氏らが同じ週にまとめた評価表は、すでに Opus 5.5 と GPT-6 Astra を比べている。

DeepSeek の公式アカウントは「a Pareto improvement in performance and cost」と書いた（DeepSeek、2026-10-17）。研究者の Susan Zhang 氏は、DeepSeek が約一か月で次の版を出したと指摘した。V4 から V4.1 までは約五か月かかっていた（Susan Zhang、2026-10-17）。

表の外にも傍証がある。脆弱性の評価を手がける BugBunny は、脆弱性を含むプルリクエスト 100 件の問題セットを独自に作った。1017 はこのうち 54 件を見つけ、費用は 7.53 ドルだった。前の版は 44 件、12.79 ドルである（BugBunny、2026-10-17）。これは別の試験で、モデルカードの再測定ではない。

本紙の見方では、DeepSeek はコスト性能の競争を最も安い Flash の価格帯に置いている。次のフラッグシップを待たず、日付入りの小さな更新で前に進めている。別の解釈も排除できない。フラッグシップの V4.1-Pro がまだ出ておらず、Flash の小さな更新は穴埋めにすぎない可能性がある。

まだ言えないこと： 11 のベンチマークはすべて自己申告で、第三者の再測定はない どう確かめたか →

判断の更新： 本紙の推測では、中国のモデルが API 価格とエージェントの処理に与える圧力を測るには、フラッグシップの順位ではなく、低価格帯がどれだけの間隔で更新され、一回でどこまで進むかを見る。観測できたのは 9 月 10 日から 10 月 17 日までの一つの区間だけで、傾向を言うには観測点が足りない。確かめられる目盛りは二つある。次の日付入りの更新が六週間以内に出るか。Terminal-Bench 4.0 が Opus 5 の 51.8 に近づくか。