DeepSeek V4 Flash テキスト生成

DeepSeek V4 Flash GA (deepseek-v4-flash-ga-260731) は DeepSeek-V4-Flash-0731 に相当します。これは、DeepSeek が 2026年7月31日に一般公開へ移行したオープンソースのチェックポイントです。アーキテクチャは 4月のプレビュー版（総パラメータ 284B / 有効化 MoE 13B、コンテキストウィンドウ 1M）と一致しており、DeepSeek によれば再実施したのはポストトレーニング段階のみです。それでも、エージェントベンチマークは大きく向上しました。APIYI は 21件のテストケースに加えて専用のデュアルエンドポイント再テスト を完了しており、Chat Completions と Responses の両方を直接呼び出せます。

APIYI が DeepSeek V4 Flash GA をリリースしました: モデル名 deepseek-v4-flash-ga-260731、 default / svip グループで利用できます。このモデルは 既定でかなり考え込む ことに注意してください — 単純なタスクでは thinking: {"type": "disabled"} を明示的に指定してください（下の「推論制御」を参照）。

主な利点

実用に耐える1Mコンテキストウィンドウ

1,048,570 tokensの厳しい入力上限があります。322K-tokenのneedle-in-a-haystackテストでは、正しくヒットし、14.77秒で返答しました。最大出力は393,216 tokensです。

2層のキャッシュ

透過キャッシュは設定不要で、2回目の実行で99.9%ヒットします。Responsesでは、前回のコンテキスト全体にヒットする連鎖式の明示キャッシュが追加されます。

スロットリングなしの同時実行数

20件すべての並列リクエストが200を返し、実時間は単発呼び出しよりわずか1.3秒長いだけでした。高同時実行のエージェントやバッチテキストジョブに適しています。

非常に低い単価

1M tokensあたりの入力は$0.14、出力は$0.28で、BytePlusの定価と一致します。キャッシュヒット時は$0.028まで低くなります。

モデル情報

Parameter	Value
モデル名	`deepseek-v4-flash-ga-260731`
リリース	2026年7月31日（プレビュー版からGAへ昇格）
アーキテクチャ	総計284B / 起動時13B、MoE
コンテキストウィンドウ	1M（実測の上限 1,048,570 tokens）
最大出力	384K（実測の上限 393,216 tokens）
利用可能なグループ	`default`, `svip`
エンドポイント	`POST /v1/chat/completions`, `POST /v1/responses`
深い推論	デフォルトでオン、かつ詳細出力です。`thinking.type`で無効化できます
ストリーミング	✅ 両方のエンドポイント
関数呼び出し / tools利用	✅ 両方のエンドポイント
画像入力	❌ テキスト専用モデル
Anthropic endpoint / Claude Code	❌ 接続されていません — 必要に応じて`deepseek-v4-flash`を使用してください

計測済み機能マトリクス

2026年8月5日のAPIYIテスト結果（公式の主張と実際の挙動）:

機能	公式	Chat Completions	Responses
基本チャット（非stream / stream）	✅	✅ / ✅ (TTFB 1.43s)	✅ / ✅ (TTFB 2.31s)
関数呼び出し（2ラウンドループ）	✅	✅	✅
思考切り替え `thinking.type`	✅	✅ disabled / enabled / auto all work	✅ reasoning items を出力
推論ティア	✅	⚠️ `minimal` のみが決定的	⚠️ 同様
暗黙キャッシュ	✅	✅ 2ラウンド目で 99.9% ヒット	✅ 99.9% ヒット
明示キャッシュ	✅ (Responses)	—	✅ `previous_response_id` のチェーニングが必要
構造化出力	❌	❌ 受理されるが、強制されません	❌ 受理されるが、強制されません
オンライン検索	✅ (Responses)	—	⚠️ 実装は接続済みですが、バックエンドが 6/6 で失敗
MCP	✅ (Responses)	—	❌ `AccessDenied`、アカウントレベルの権限
画像入力	—	❌	❌ 明示的なエラー

3つの機能は公式シートと一致しません — 統合前にこれらを把握してください: structured output は両方のエンドポイントでサイレントに失敗します（200 を返しながらスキーマ全体を無視します — 強制が必要な場合は Function Call を使ってください）；オンライン検索ツールは接続されていますがバックエンドがエラーを出し続け、results を返しません；MCP は AccessDenied を返します（モデルの制限ではなく、アカウントレベルの組み込みツール権限です）。

推論制御

このモデルはデフォルトではかなり推論します — 「9.11 は 9.9 より大きいですか」のような1行の質問でも、私たちのテストでは 263 推論 token を消費しました（兄弟の deepseek-v4-flash は 44 しか使いませんでした）。簡単なタスクでは明示的に無効化してください:

extra_body={"thinking": {"type": "disabled"}}   # reliably off
# or
extra_body={"reasoning_effort": "minimal"}      # 0 reasoning tokens in 10/10 runs

reasoning_effort は単調な階段ではありません。 2つの質問 × 5ティア × 5サンプル:

ティア	river 中央値	prob 中央値
`minimal`	0	0
`low`	956	367
`medium`	506	193
`high`	97	153
`max`	577	173

highは両方の質問でlowより推論量が少なく、ティア内分散（lowは150から1993までの範囲）はティア間の差をはるかに上回ります。 信頼できるのはminimalだけ — 低 → 最大をコストダイヤルだとみなさないでください。

キャッシュ

暗黙キャッシュ（両方のエンドポイントで自動）

同一の長いプレフィックスは 2回目のリクエストでキャッシュヒットします。15,634 token のプレフィックスが 15,616 token（99.9%）に一致し、100万 tokens あたり $0.028 で課金されます。

暗黙キャッシュには バイト単位で同一のプレフィックス が必要です。タイムスタンプ、ランダムID、ユーザー名などの可変要素は prompt の末尾に置き、プレフィックスには混ぜないでください。

明示キャッシュ（Responses、連鎖が必要）

よくあるミス: caching を設定したまま同じ長いプレフィックスを2回再送すると、cached_tokens は 0 のままです。正しいパターンは、最初の呼び出しで書き込み、その後 previous_response_id で連鎖することです:

回	呼び出し形式	入力 token	キャッシュ済み token
1（書き込み）	`caching: enabled`	15,629	0
2	+ `previous_response_id`	15,664	15,629
3	+ `previous_response_id`	15,701	15,664
4	+ `previous_response_id`	15,738	15,701

クイックスタート

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["APIYI_API_KEY"],
    base_url="https://api.apiyi.com/v1",
)

resp = client.chat.completions.create(
    model="deepseek-v4-flash-ga-260731",
    messages=[{"role": "user", "content": "Explain the MoE architecture in one sentence"}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

curl https://api.apiyi.com/v1/chat/completions \
  -H "Authorization: Bearer $APIYI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash-ga-260731",
    "messages": [{"role": "user", "content": "Explain the MoE architecture in one sentence"}],
    "thinking": {"type": "disabled"}
  }'

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.APIYI_API_KEY,
  baseURL: "https://api.apiyi.com/v1",
});

const resp = await client.chat.completions.create({
  model: "deepseek-v4-flash-ga-260731",
  messages: [{ role: "user", content: "Explain the MoE architecture in one sentence" }],
  thinking: { type: "disabled" },
});
console.log(resp.choices[0].message.content);

構造化出力が必要ですか？ Function Call を使いましょう

response_format はこのモデルでは効果がなく、エラーも発生しません。うっかりはまりやすい落とし穴です。実際に制約されるのはツールの引数です：

tools = [{
    "type": "function",
    "function": {
        "name": "submit_result",
        "description": "Submit the extracted result",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string"},
                "temp_c": {"type": "number"},
            },
            "required": ["city", "temp_c"],
        },
    },
}]

resp = client.chat.completions.create(
    model="deepseek-v4-flash-ga-260731",
    messages=[{"role": "user", "content": "Beijing is 25 degrees today"}],
    tools=tools,
)

import json
print(json.loads(resp.choices[0].message.tool_calls[0].function.arguments))

価格

項目	価格
入力	$0.14 / M tokens
出力	$0.28 / M tokens
キャッシュヒット	$0.028 / M tokens

BytePlus の掲載価格と一致し、チャージキャンペーンと併用して、実質コストをさらに下げられます。

「フラッグシップの1/10未満」について: ベンダーのマーケティングは V4-Pro のプレビュー期の $1.74 / $3.48 と比較しています。現在の V4-Pro の掲載価格（$0.435 / $0.87）と比べると、このモデルは およそ 1/3 であり、1/10 ではありません。

チャット補完

OpenAI互換のチャットエンドポイントとインタラクティブなプレイグラウンド

レスポンス

連鎖した明示的キャッシュを備えたレスポンスエンドポイント

公開記事と完全なテストデータ

ベンチマーク、3者間の速度比較、そして私たちがはまった落とし穴

モデル料金表

各モデルの単価、エンドポイント、グループ

基本

基本API

画像API（公式）

動画API（公式）

マルチモーダル理解API

テキスト生成

検索と安全性

DeepSeek V4 Flash テキスト生成

主な利点

実用に耐える1Mコンテキストウィンドウ

2層のキャッシュ

スロットリングなしの同時実行数

非常に低い単価

モデル情報

計測済み機能マトリクス

推論制御

キャッシュ

暗黙キャッシュ（両方のエンドポイントで自動）

明示キャッシュ（Responses、連鎖が必要）

クイックスタート

構造化出力が必要ですか？ Function Call を使いましょう

価格

関連ページ

チャット補完

レスポンス

公開記事と完全なテストデータ

モデル料金表

​主な利点

実用に耐える1Mコンテキストウィンドウ

2層のキャッシュ

スロットリングなしの同時実行数

非常に低い単価

​モデル情報

​計測済み機能マトリクス

​推論制御

​キャッシュ

​暗黙キャッシュ（両方のエンドポイントで自動）

​明示キャッシュ（Responses、連鎖が必要）

​クイックスタート

​構造化出力が必要ですか？ Function Call を使いましょう

​価格

​関連ページ

チャット補完

レスポンス

公開記事と完全なテストデータ

モデル料金表

主な利点

モデル情報

計測済み機能マトリクス

推論制御

キャッシュ

暗黙キャッシュ（両方のエンドポイントで自動）

明示キャッシュ（Responses、連鎖が必要）

クイックスタート

構造化出力が必要ですか？ Function Call を使いましょう

価格

関連ページ