DeepSeek は Flash モデルを V4.1-Flash-1017 にアップデートし、エージェントタスクのコストパフォーマンスの差をさらに広げた。DeepSeek 自身のベンチマークによれば、このモデルはプログラミングエージェントのタスクでより正確でより安い。
1. DeepSWE 77.0%、Claude Opus 5 を上回る。 DeepSWE v1.1 プログラミングベンチマークで、1017 版は 77.0% を記録し、Claude Opus 5 の 74.0% を上回った。低エフォート設定でも 72% に達し、1 タスクあたり約 0.10 ドルである。
2. 秘訣は出力を短くすること。 前世代は 74.2% で 1 タスクあたり約 0.50 ドルだったが、新版は 0.20 ドル未満で、精度は約 3 ポイント向上した。1 日に数百件のタスクを回すエージェントにとって、この差はすぐに大きくなる。
3. オープンウェイトと検索 API。 重みは Hugging Face と ModelScope で公開され、モデルはウェブサイト、アプリ、API で利用できる。DeepSeek は自社検索エンジンの検索 API も開発者向けに開放した。
注意点：これらは DeepSeek 自身のベンチマーク数値であり、独立したテストはまだ出ていない。また HLE、Terminal-Bench 4.0 などのベンチマークでは Opus 5 にまだ及ばない。結論を出す前に第三者による検証を待つべきだ。
出典：原文を読む。本記事は参考用の要約です。
