Deepseekが「V4.1-Flash-1017」をリリース、自律的コーディングタスクのコストを大幅削減

Deepseekは、自己フィードバック学習を取り入れたオープンウェイトモデル「Deepseek-V4.1-Flash-1017」を公開した。コーディングベンチマークで主要なライバルを上回りつつ、タスクあたりのコストを0.20ドル未満に抑えている。

中国のAI企業であるDeepseekは、コーディングおよび自律型エージェントタスクにおいて大幅な性能向上を実現しながら、推論コストを劇的に削減するよう設計された最新の軽量モデル「Deepseek-V4.1-Flash-1017」をリリースした。

同モデルはDeepseekの公式サイト、アプリ、API経由で即座に利用可能だ。また、DeepseekはHugging FaceおよびModelScope上でオープンウェイトモデルとしても公開している。

自己フィードバック学習とエンドツーエンドの開発

直接の前身モデルと比較して、Deepseek-V4.1-Flash-1017はより高速に動作し、より簡潔な応答を生成する。Deepseekは今回のリリースを、性能と計算コストのバランスにおけるパレート改善（Pareto improvement）であると位置づけている。

ゼロからのエンドツーエンドなソフトウェア開発に対応するため、同モデルはReinforcement Learning with Self-Feedback（RLSF：自己フィードバックによる強化学習）を用いてトレーニングされた。この事後学習手法では、人間のアノテーターや個別の報酬モデルに依存するのではなく、モデル内部の信頼度スコアと自己生成された批評（critique）を用いてシステム自身を評価する。

Deepseekによると、この仕組みによって、ゲームプログラミング、3Dモデリング、デザインタスク、短尺の解説動画のアニメーション制作など、多様なユースケースにわたるプロジェクトのフルサイクル生成が強化されるという。また、同モデルはTencent CodeBuddy、WorkBuddy、Deepseek Harness（バージョンv0.2.1-rc.1以降を推奨）などの開発環境向けに最適化されている。

ベンチマークスコアの向上とコスト削減

社内ベンチマークにおいて、Deepseek-V4.1-Flash-1017は前身モデルだけでなく、Claude Opus 5、GPT 5.6-Sol、Kimi K3、GLM 5.3といった、より大規模な競合モデルを複数のコーディングおよびエージェントベンチマークで上回った。

モデルのより短く簡潔な出力は、DeepSWEベンチマークにおける直接的なコスト削減へと結びついている。

最高設定（Top Setting）： タスクあたり平均0.20ドル未満のコストで77.0％のスコアを達成。

低設定（Low Setting）： タスクあたり約0.10ドルで72.0％の正解率を記録。

前身モデルとの比較： 従来のV4.1-Flashは1回の実行あたり約0.50ドルでスコア74.2％だった。

これに対し、GPT-6 Astra、Gemini 3.8 Flash、Claude Opus 5といったライバルシステムは、同じベンチマークチャート上でタスクあたり2ドルから10ドル以上のコストを記録しており、この小型モデルの精度には及ばなかった。ただし、これらの社内指標はまだ第三者機関による検証が行われておらず、実際のコード品質に関する開発者の評価は分かれる可能性がある。