DeepSeek、実験的マルチモーダル「V4-Flash-Vision-Exp」をAPI公開　Opus-4.8に迫る性能

AI に画像を見せようとすると、API コストの高さがすぐに壁になります。DeepSeek はそこに徹底したコスト効率で挑んできました。

DeepSeek は API プラットフォーム上で実験的なマルチモーダルモデル「DeepSeek-V4-Flash-Vision-Exp」の提供を開始しました。モデル名 deepseek-v4-flash-vision-exp で呼び出し可能で、同日公開された評価ツール DeepSeek Harness 0.1.1 でも標準対応しています。

低コストで Opus-4.8 に迫る視覚エージェント

公式発表によると、テキスト性能は従来の DeepSeek-V4-Flash と同等を維持しており、エージェント機能や推論、一般知識を損なっていません。

大きな進歩を見せたのはマルチモーダルエージェントのベンチマークです。従来の V4-Flash から大幅に向上し、Opus-4.8 に迫る性能を示したとされています。

料金面も特徴的です。V4-Flash の価格体系がそのまま適用され、画像 1 枚あたりの課金上限は最大 384 トークンに制限されています。さらに新設された Files API を使えば、画像を一度アップロードした後は file_id で何度でも再利用できます。

なぜ重要か

画面のスクリーンショットを頻繁に読み込ませる UI 操作エージェントは、画像のトークン消費が最大のボトルネックでした。画像あたり最大 384 トークンという上限とファイル再利用機能は、このコスト課題に対する実用的な解だと考えられます。

まだ実験的な位置づけであり、高いスコアが特定のエージェントベンチマークに限られている点には留意が必要ですが、競合他社に対してもビジョン API の値下げ圧力を強める動きになりそうです。