DeepSeek V4レビュー｜Flash・Proの性能比較、ローカル導入、NSFW対応まで解説

DeepSeek V4シリーズは、DeepSeekが公開した最新世代のオープンウェイトLLMです。2026年4月にPreviewとして登場し、7月にFlash-0731、8月13日にPro-0813 / V4-Pro GAが公開されたことで、単なる発表段階から実際に試せるモデル群になりました。結論から言うと、V4-Proはエージェント、長文処理、コーディング寄りの本命モデル、V4-Flashは速度とコストを重視した実用モデルです。

ただし、ローカル導入は軽くありません。V4-Proは1.6T total / 49B active、V4-Flashでも284B total / 13B activeという大規模MoEモデルで、公式モデルカードの実行例も4×GB300ノードやTP=4のSGLang/vLLM構成を前提にしています。個人が普通のゲーミングPCで気軽にフル版を動かすモデルではなく、ローカル検証は量子化版やクラウドGPU、API利用を含めて考えるのが現実的です。

DeepSeek V4とは

DeepSeek V4は、1M contextを標準化したDeepSeekの新しい大規模言語モデル系列です。公式発表では、V4-Proが「世界トップクラスのクローズドモデルに匹敵する性能」、V4-Flashが「高速・効率的・経済的な選択肢」と説明されています。Web/AppではExpert ModeとInstant Mode、APIではdeepseek-v4-proとdeepseek-v4-flashとして使う流れです。

4月のPreview時点では、V4-Proは1.6T total / 49B active、V4-Flashは284B total / 13B activeと案内されました。どちらも1M contextに対応し、Thinking / Non-Thinkingのデュアルモードを備えます。8月のGA発表では、V4-ProのAgent性能強化、reasoning effortの柔軟な指定、OpenAI Responses API互換、Codex向けの統合が前面に出ています。

V4-Pro・V4-Flashの違い

モデルカード上では、Pro-0813とFlash-0731のどちらもMITライセンスで公開されています。商用利用や再配布を検討しやすい一方で、実際にプロダクトへ組み込む場合はDeepSeekのオンライン規約、利用地域の法律、ホスティング先の規約、顧客データの扱いを別途確認する必要があります。

ベンチマークと実際の評価

公式モデルカードでは、V4-Pro-0813はHLE、Terminal Bench 2.1、NL2Repo、Cybergym、DeepSWE、Toolathlon-Verified、SWE系の社内テストなどでPreview版を上回り、GLM-5.2、Kimi-K3、Opus-4.8、Fable-5などと比較されています。特にTerminal Bench 2.1やAgent系タスクではかなり強い数字が示されています。

ただし、モデルカードの表には社内テストも含まれるため、単純に「全モデルに勝った」と読むより、公開ベンチと実環境での挙動を分けて見る方が安全です。コードエージェント用途では、プロンプト、ツール、実行環境、リポジトリ規模、失敗時のリトライ設計で結果が大きく変わります。

SGLang/LMSYSは、DeepSeek V4公開直後からDay-0サポートを発表し、ProをB200 TP=8、FlashをH200 TP=4で測定したデコードスループットや、Hybrid sparse attention、ShadowRadix、HiSparse、DSpark投機的デコードなどの最適化を説明しています。これはSNS上の短い感想より、実際のサービング面を判断する材料として価値があります。

一方、NIST/CAISIの評価では、DeepSeek V4 Proの総合能力はフロンティアから約8か月遅れとされ、OpenAI GPT-5系やAnthropic Opus系の評価点と比較されています。この評価はモデルの長所を否定するものではありませんが、「オープンウェイトとして強い」と「最先端クローズドモデルを常に上回る」は別の話だと分かります。

主流LLMとの比較

実務目線では、DeepSeek V4は「最安で何でもできる万能モデル」ではなく、「オープンウェイトで強い推論・コーディング・長文処理を自分の環境に寄せて使えるモデル」と見るのが自然です。APIだけで使うならFlashのコスト効率、自社運用や研究ならPro/Base/DSparkの公開ウェイトが魅力になります。

ダウンロード先とローカル導入

公式ウェイトはDeepSeek V4 Hugging Face Collectionから確認できます。まず試すならDeepSeek-V4-Flash-0731、本命モデルを検証するならDeepSeek-V4-Pro-0813、追加学習や研究用途ならBase系も候補です。

• DeepSeek-V4-Pro-0813：正式版Pro。Agent性能と複雑な推論を重視。
• DeepSeek-V4-Flash-0731：高速・低コスト版。大量処理や日常用途向け。
• DeepSeek-V4-Pro-Base：ProのBase系。研究・追加学習向け。
• DeepSeek-V4-Flash-Base：FlashのBase系。軽量側の研究・評価向け。
• DeepSeek V4 Technical Report：構造や評価を詳しく確認したい人向け。

ローカル導入は、Transformersでトークナイザーを読むだけなら簡単ですが、実際に推論サーバーとして使うにはvLLMかSGLangを使うのが現実的です。モデルカードでは、DSpark投機的デコードを有効にする設定、--trust-remote-code、--kv-cache-dtype fp8、expert parallel、MoE backendなどが示されています。

vllm serve deepseek-ai/DeepSeek-V4-Pro-0813 \ --trust-remote-code --kv-cache-dtype fp8 --block-size 256 \ --data-parallel-size 4 --enable-expert-parallel \ --moe-backend deep_gemm_mega_moe \ --speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}'

sglang serve \ --trust-remote-code \ --model-path deepseek-ai/DeepSeek-V4-Flash-0731 \ --tp 4 \ --moe-runner-backend flashinfer_mxfp4 \ --speculative-algorithm DSPARK

必要ハードウェア

ハードウェアはかなり重いです。Pro-0813のモデルカードでは、vLLMの例として単一4×GB300ノード、SGLangの例としてTP=4が示されています。SGLang/LMSYSの測定では、ProはB200 TP=8、FlashはH200 TP=4でベンチが行われています。つまり公式想定は、個人PCというよりデータセンター級GPUです。

サンプリングは、モデルカードではtemperature = 1.0、Agent用途ではtop_p = 0.95、それ以外ではtop_p = 1.0が推奨されています。high / max reasoning effortでは最大出力384K tokensが推奨されており、長文出力やAgent実行ではコンテキストだけでなくKVキャッシュ容量も重要になります。

NSFW・フィルター突破 / 検閲回避はできるのか

結論として、公式DeepSeekサービスはNSFWやフィルター突破、検閲回避を売りにしたものではありません。DeepSeekの利用規約では、ポルノ、わいせつ、露骨な性的コンテンツ、未成年を搾取・害するコンテンツ、違法・有害用途などが禁止対象として明記されています。公式WebやAPIを使う場合、これらの制限を前提に見るべきです。

一方で、Hugging FaceのウェイトはMITライセンスで公開されているため、研究者や開発者がローカルで推論したり、ファインチューニングしたりする余地はあります。そのため、技術的にはフィルターの挙動を変えた派生版や非公式の量子化版が出る可能性があります。ただし、それは公式DeepSeekがNSFWを許可しているという意味ではなく、法律、ライセンス、配布先の規約、社内ポリシーを守る必要があります。

よくある質問

DeepSeek V4は無料で使えますか？

Hugging FaceのモデルウェイトはMITライセンスで公開されていますが、ローカル実行には非常に大きなGPU資源が必要です。手軽に試すならDeepSeek公式WebやAPIを使う方が現実的です。

V4-ProとV4-Flashはどちらがおすすめですか？

品質、複雑な推論、コードエージェント重視ならV4-Pro、速度、料金、大量処理重視ならV4-Flashです。日常用途ではFlashから試し、難しいタスクだけProに切り替える使い方が分かりやすいです。

家庭用GPUでローカル実行できますか？

公式フルモデルを快適に動かすのはかなり難しいです。Proは1.6T級、Flashでも284B級なので、公式例は複数のデータセンターGPUを前提にしています。個人環境ではAPI、クラウドGPU、量子化コミュニティ版の検証が現実的です。

商用利用できますか？

Hugging Face上のPro-0813とFlash-0731はMITライセンスです。ただし、オンラインサービスの利用規約、入力データの権利、出力物の利用範囲、顧客データの扱い、安全ポリシーは別途確認が必要です。

NSFWやフィルター突破目的に向いていますか？

公式サービスは向いていません。規約で露骨な性的コンテンツや違法・有害用途が制限されています。ローカルの派生版や非公式版についても、法令・ライセンス・配布先規約を守る必要があります。

まとめ

DeepSeek V4シリーズは、オープンウェイトLLMの中でも非常に存在感のあるリリースです。V4-ProはAgent、コード、長文推論で強く、V4-Flashは速度とコスト効率を重視した実用モデルです。1M context、MITライセンス、vLLM/SGLang対応、Responses API互換という点は、研究者にも開発者にも魅力があります。

一方で、ローカル導入はデータセンター級の話になりやすく、個人がすぐに使うならAPIやホスト型推論の方が現実的です。評価も公式ベンチだけで判断せず、NIST/CAISIやSGLang/LMSYSの検証、実際の自社タスクでのテストを合わせて見るのが安全です。

参考情報

• DeepSeek-V4-Pro GA Release
• DeepSeek V4 Preview Release
• DeepSeek V4 Hugging Face Collection
• DeepSeek-V4-Pro-0813
• DeepSeek-V4-Flash-0731
• LMSYS/SGLang DeepSeek-V4 Day-0 article
• NIST CAISI Evaluation of DeepSeek V4 Pro
• DeepSeek Terms of Use