DeepSeek-V4.1-Flash-1017とは？性能・料金と「手元のPCで動かせるか」を整理
中国のAI企業DeepSeekが、2026年10月17日にAIモデル「DeepSeek-V4.1-Flash-1017」を公開しました。公式発表では、コーディングやエージェント（AIが自分で手順を考えて作業を進める使い方）のベンチマークで前版を上回り、API料金は据え置きです。重みはMITライセンスで公開されており、誰でもダウンロードできます。
「無料で配られているなら、社内のPCで動かせば情報を外に出さずに使えるのでは」と考える方もいるでしょう。結論を先に書くと、一般的な業務用PCでは動きません。名前に「Flash（軽量版）」と付いていても、ファイルの大きさはおよそ510GBあります。この記事では、公式発表と論文、配布ページの数値をもとに、このモデルが何者なのか、そして手元で動かすには何が必要なのかを整理します。数値は2026年10月18日時点の公開情報です。
1. DeepSeek-V4.1-Flash-1017は何が変わったのか
名前の末尾の「1017」は公開日（10月17日）を表します。新しい設計のモデルではなく、2026年9月10日に公開された「DeepSeek-V4.1-Flash」を追加学習で改良した更新版です。DeepSeekはV4.1-Flashを「新しいアーキテクチャ系列のうち最小のモデル」と位置づけており、画像を読み取る機能も備えています。
公式の更新履歴とリリースノートから、変更点を抜き出すと次のとおりです。
- 性能 — 公表された全ベンチマークで前版を上回り、作業完了までの時間が短く、出力も短くなった（DeepSeekは「性能とコストのパレート改善」と表現）
- 提供形態 — Web版・アプリ・APIが同日に切り替わった。APIのモデル名は従来どおり
deepseek-flashで、呼び出し方も料金も変更なし - 最適化の対象 — 自社のエージェント実行環境「DeepSeek Harness」（v0.2.1-rc.1以降を推奨）と、TencentのCodeBuddy・WorkBuddy向けに調整された
- 公開 — 重みをHugging FaceとModelScopeでMITライセンスで公開
同時に、DeepSeekは自社の検索エンジンを外部向けの「Search API」「Fetch API」として開放しました。料金はそれぞれ1,000回あたり0.75ドルで、DeepSeek Harness・Claude Code・Codexのサーバー側ツール経由の呼び出しは2026年10月31日16:00（UTC）まで無料です。モデル単体ではなく、検索や実行環境まで含めて「エージェントの道具一式」を自社でそろえる方向が見えます。
出典：DeepSeek「DeepSeek-V4.1-Flash-1017」リリースノート（2026年10月17日）、DeepSeek API Docs「Change Log」
2. ベンチマークの数字と、その読み方
公式の更新履歴に、前版（9月10日版）と1017版の両方の数値が載っている項目を並べます。いずれもDeepSeekの自社測定です。
| ベンチマーク（測る内容） | V4.1-Flash（9/10） | 1017版 |
|---|---|---|
| Terminal-Bench 4.0（コマンド操作での作業） | 31.2 | 42.3 |
| DeepSWE v1.1（実際のソフト開発課題） | 74.2 | 77.0 |
| ProgramBench（プログラム作成） | 20.3 | 29.1 |
| NL2Repo-Bench（指示文からリポジトリ一式を作る） | 65.4 | 68.2 |
| Agents' Last Exam（エージェントとしての総合課題） | 31.8 | 35.4 |
| Chartography（ツール併用でのグラフ読解） | 78.9 | 83.0 |
| BabyVision（ツール併用での画像理解） | 89.6 | 92.5 |
伸びが大きいのは、コマンド操作やプログラム作成のように何十手順も続く作業です。一方、知識を問う問題の伸びは小さく、日常の文章作成や要約で体感できる差は、表の数字ほど大きくない可能性があります。
The Decoderの報道によると、DeepSeekはClaude Opus 5やGPT 5.6-Solなどの大型モデルを複数のコーディング・エージェント項目で上回ったと主張しています。ただし同記事も指摘するように、これは自社測定で、公開時点で第三者による検証結果は出ていません。DeepSWEはDeepSeekが指定した実行環境（mini-swe-v2）での測定で、Terminal-Bench 4.0はClaude Codeの枠組みで測っています。自社の業務で同じ順位になるとは限らないため、導入を検討する場合は実際の業務データで少量試すのが確実です。
3. API料金――1回の作業が約0.2ドル
APIの料金は、時間帯によって2倍の差がつく形式です。ピーク時間は月〜金曜のUTC 1:00〜4:00と6:00〜10:00（日本時間では10:00〜13:00と15:00〜19:00）で、それ以外の時間帯と週末・中国の祝日はオフピーク料金になります。
| 100万トークンあたり（米ドル） | オフピーク | ピーク |
|---|---|---|
| 入力（キャッシュ利用時） | 0.003 | 0.006 |
| 入力（通常） | 0.15 | 0.30 |
| 出力 | 0.60 | 1.20 |
扱える文章量（コンテキスト長）は100万トークン、1回の出力上限は38万4,000トークンです。思考してから答える「思考モード」が標準で、画像入力にも対応しています。
The Decoderが伝えたDeepSeekのグラフでは、DeepSWEの課題1件あたりの費用は、1017版の最高設定で77.0%の正答率を約0.2ドル弱、低い設定でも72%超を約0.1ドルで達成しています。前版は74.2%で約0.5ドルでした。出力が短くなったことが、そのまま費用の削減につながっている形です。
出典：DeepSeek API Docs「Models & Pricing」、The Decoder（2026年10月17日）
4. 「Flash」なのに巨大な理由
V4.1-Flashの技術論文によると、このモデルは「MoE（Mixture of Experts、専門家の混合）」という方式で作られています。中に多数の「専門家」の部品を持ち、1文字ずつ答えを作るときには、そのうち一部だけを使う仕組みです。
- 本体のパラメータ数 — 5,520億（552B）
- 1回の生成で実際に使う部分 — 160億（16B）
- 配布ファイル上の総数 — Hugging Face上の表示は7,630億（763B）。本体に加え、「Engram」と呼ばれる参照用の表（約1,970億）などを含む数え方
「Flash」が軽いのは、計算量の話です。使う部分が160億パラメータ分なので、高速かつ安く答えを返せます。しかし、どの専門家がいつ呼ばれるかは事前にわからないため、全部の部品をメモリに置いておく必要があります。必要なメモリ量は5,520億パラメータ分のままです。
論文が強調しているのは、長い文脈を扱うときのメモリ消費（KVキャッシュ）の削減です。1トークンあたり約890バイトと、前世代のV4-Flashのおよそ4分の1に抑えたとしています。これは「長い資料を読ませても追加のメモリが膨らみにくい」という利点で、モデル本体の重さが軽くなったわけではありません。
出典：DeepSeek-AI「DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression」arXiv:2609.19969（2026年9月）、Hugging Face「deepseek-ai/DeepSeek-V4.1-Flash-1017」、Hugging Face「mlx-community/DeepSeek-V4.1-Flash-1017-oQ4e-mtp」
5. 手元で動かせるか――容量・ソフト・速度
必要なメモリの目安
ローカルで動かすには、モデルのファイルを丸ごとメモリ（GPUのメモリ、またはMacのユニファイドメモリ）に載せるのが基本です。精度を少し落として小さくする「量子化」版も、有志によってすでに公開されています。
| 版 | ファイル容量 | 備考 |
|---|---|---|
| 公式（FP8/FP4混在） | 約510GB | vLLM・SGLangで動作 |
| GGUF Q8_0 | 約508GB | 元の重みに最も近い |
| GGUF Q4_K_M | 約445GB | 専門家部分は元から約4ビットのため縮みにくい |
| MLX 4ビット混在（Mac向け） | 約432GB | Apple Silicon用 |
| GGUF Q3_K_M | 約347GB | — |
| GGUF Q2_K | 約265GB | 配布者が「使える最小サイズ」とする版 |
普通のモデルなら4ビット量子化で元の4分の1近くまで縮みますが、このモデルは専門家部分がもともと約4ビット（FP4）で配布されているため、縮み幅が小さくなっています。最も小さいQ2_Kでも約265GBあり、メモリ16〜64GBの一般的な業務PCやゲーミングPCでは、どの版も載りません。
GGUF版の配布者は、Engramの表は1トークンごとに数行しか読まないため、GPUではなくCPU側のメモリに置けばよいと説明しています。また、ある海外のハードウェア解説サイトは、Engramの表をSSDに置いたまま動かす事例を紹介しています。ただ、こうした工夫をしても数百GB級のメモリが必要なことに変わりはありません。
対応ソフトの状況
- vLLM・SGLang（サーバー向け） — 公式のモデルカードが利用手順を掲載。vLLMの公式レシピは、H200（GPUメモリ141GB）8枚構成のサーバー1台を、文脈用のメモリにも余裕がある構成として挙げている
- llama.cpp（個人PCで定番の実行ソフト） — 本家はまだ未対応。V4.1対応の変更提案（PR #28696）は2026年9月10日に出されたが、10月18日時点で取り込まれていない。現状は有志の分岐版が必要
- Ollama・LM Studio（手軽な実行ソフト） — 上記の解説サイトによると、10月4日時点でOllamaはクラウド実行版のみ、LM StudioはV4.1向けの公開版なし
- 画像入力 — GGUF版は画像を扱う部分を変換できておらず、テキストのみ
報告されている速度
同じ解説サイトがまとめた有志の報告では、NVIDIAの小型AIマシン「DGX Spark」（メモリ128GB）を2台つなぎ、専門家部分を約3ビットに縮めた構成で、1秒あたり25〜41トークンの生成速度が出ています。日本語なら1秒に数十文字程度で、チャット用途なら実用的な速さです。ただし、いずれも投稿者自身の測定で、第三者による再現は確認されていません。メモリ256〜512GBのMacで動かした場合の、V4.1での速度測定は公表されていないとしています。
判定
| 一般的な業務PC（メモリ16〜64GB） | 動かない |
|---|---|
| メモリ128GB級のMac・小型AIマシン1台 | 重みの一部をSSDから読み込む実験段階。業務で使える速度は期待しにくい |
| メモリ256〜512GBのMac、DGX Spark 2台 | 強く量子化した版なら動く。分岐版ソフトや有志の手順を使いこなせる人向け |
| データセンター向けGPUサーバー | 公式手順で本来の性能が出る。社内の複数人で共有する本番運用はここ |
出典：Hugging Face「mrfakename/DeepSeek-V4.1-Flash-1017-GGUF」、Hugging Face「mlx-community/DeepSeek-V4.1-Flash-1017-oQ4e-mtp」、vLLM Recipes「DeepSeek-V4.1-Flash」、ggml-org/llama.cpp PR #28696、Modem Guides「DeepSeek V4.1-Flash Hardware Requirements」（2026年10月）
6. 中小企業はどう使い分けるか
ローカルで動かしたい理由の多くは「社外にデータを出したくない」でしょう。この点で押さえておきたいのが、DeepSeekのプライバシーポリシーです。2026年2月10日更新版では、収集した情報を中華人民共和国にあるサーバーに保存すると明記しています。このポリシーが主に対象とするのはWeb版とアプリで、API利用にどこまで適用されるかは文面からは明確ではありません。顧客情報や社外秘の資料を扱うなら、送信先がどこかを確認してから使うのが無難です。
そのうえで、使い方は次の3つに分けられます。
- 公開情報だけを扱う作業はAPIで使う — Webサイトの改修、公開データの集計、社内ツールの試作など。料金は先の表のとおり低く、ピーク時間を避ければさらに半額になる
- 機密データを扱うなら、小型モデルを社内PCで動かす — 数十GBのメモリで動くオープンモデルなら、普通のPCに載る。性能はV4.1-Flashに及ばないが、議事録の要約や定型文の作成には十分なことが多い
- V4.1-Flash級を社内で動かすのは、GPUサーバーを持てる会社か、専門家がいる会社 — 数百GBのメモリを積んだ機材と、分岐版ソフトを運用できる人の両方が必要。ここまで投資するなら、専用のクラウドGPUを借りる方法とも比較したい
重みが公開されていることの価値は、「誰でも手元で動かせる」ことよりも、提供元のAPIに縛られないことにあります。DeepSeek以外のクラウド事業者が同じモデルを提供したり、将来の機材で自社運用に切り替えたりする選択肢が残るためです。ただしThe Decoderは、中国政府がオープンウェイトモデルの公開規制を強める方針と報じています。今後の版も同じ条件で公開され続けるとは限らない点は、頭に入れておくとよいでしょう。
出典：DeepSeek「Privacy Policy」（2026年2月10日更新）、The Decoder（2026年10月17日）
まとめ
- DeepSeek-V4.1-Flash-1017は、9月公開のV4.1-Flashの改良版。コマンド操作やプログラム作成など長い作業のベンチマークが大きく伸び、API料金は据え置き
- 性能比較の数値はDeepSeekの自社測定で、第三者の検証はこれから
- 「Flash」は計算が軽いという意味で、モデル本体は5,520億パラメータ。最小の量子化版でも約265GBあり、一般的なPCでは動かない
- 本家llama.cppは未対応で、手元で動かすには数百GBのメモリを積んだ機材と、分岐版ソフトを扱う技術が要る
- 機密を扱う業務は小型のローカルモデル、公開情報の作業はAPI、と分けて使うのが現実的
参考資料
- DeepSeek「DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real」（2026年10月17日）
- DeepSeek API Docs「Change Log」
- DeepSeek API Docs「Models & Pricing」
- DeepSeek-AI「DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression」arXiv:2609.19969（2026年9月17日）
- Hugging Face「deepseek-ai/DeepSeek-V4.1-Flash-1017」
- Hugging Face「mrfakename/DeepSeek-V4.1-Flash-1017-GGUF」
- Hugging Face「mlx-community/DeepSeek-V4.1-Flash-1017-oQ4e-mtp」
- vLLM Recipes「DeepSeek-V4.1-Flash」
- ggml-org/llama.cpp PR #28696「model : add DeepSeek V4.1」
- Modem Guides「DeepSeek V4.1-Flash Hardware Requirements: 256GB, Not 512GB」（2026年10月）
- The Decoder「Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks…」（2026年10月17日）
- DeepSeek「Privacy Policy」（2026年2月10日更新）
