8月22日、The Decoderが「Deepseek releases experimental Flash vision model that rivals Opus 4.8 on agent benchmarks」と題した記事を公開した。DeepSeekが新たにリリースした実験的マルチモーダルモデル「Deepseek-V4-Flash-Vision-Exp」は、エージェントベンチマークでAnthropicのハイエンドモデルClaude Opus 4.8に迫る性能を示しながら、料金は既存のフラッシュモデルと同等水準に据え置いている。コスト対性能の非対称性という点で、業界に再び一石を投じる内容だ。
コスト対性能で「Opus 4.8に迫る」マルチモーダルモデル
Deepseek-V4-Flash-Vision-Expは、既存のテキストモデルDeepseek-V4-Flashに画像処理能力を追加した実験的モデルだ。DeepSeek自身の社内マルチモーダルエージェントベンチマークでは、AnthropicのClaude Opus 4.8（AnthropicのOpus系フラグシップモデルの派生版）に並ぶか、一部では上回るスコアを記録している。
画像認識能力を加えた新モデルは、エージェントベンチマークでClaude Opus 4.8に接近・凌駕する場面も。出典: DeepSeek
ただし、このベンチマーク結果はDeepSeek自身が実施した社内評価に基づくものであり、サードパーティによる独立した検証はまだ行われていない点には留意が必要だ。自社公表のスコアをそのまま鵜呑みにするのではなく、今後の外部レビューを待って判断することが望ましい。
注目すべきは価格帯だ。料金はDeeseek-V4-Flashと同じレートが適用される。Deepseek-V4-FlashはすでにOpenAIのGPT-5.6 Lunaと比較して約60%低コストで同等性能を出したモデルであり、そのフラッシュモデルに画像理解を追加した形になる。
ビジュアルエージェントワークフロー向けに設計
DeepSeekはDeeseek-V4-Flash-Vision-Expをエージェント用途に特化して位置づけている。具体的には、画像の説明生成・スクリーンショットからのテキスト抽出・図表の分析といったタスクをこなしつつ、ツール呼び出しと組み合わせて使うことを想定している。
対応フォーマットはJPEG、PNG、GIF、WebP。ファイル形式の判定はファイル名やMIMEタイプではなく、実際のファイルコンテンツから行われる点がAPIドキュメントに明記されている。
API互換性の面では、OpenAIのChat Completions API・Responses APIおよびAnthropicのMessages endpointと互換性を持つ。既存のエージェントフレームワークにそのまま組み込みやすい設計だ。また、DeepSeekはHarnessフレームワークのv0.1.1も同時リリースしており、新モデルをすぐに利用できる。
画像送信の仕様と制限
画像の送信方法は3通りある。
- Base64エンコードでの直接埋め込み
- 公開URLの指定（最大32 MiB）
- 新設のFiles API（無料）を使ったファイルアップロード
Files APIではファイルを一度アップロードしてIDで参照できるため、複数リクエストにまたがって同じ画像を再送する必要がなくなる。上限は64 MiB。
トークンコストの観点では、解像度にかかわらず1枚あたり最大384トークンで固定される。モデルは処理前に画像をアスペクト比に応じておよそ800×800ピクセルに正規化する。detailフィールドを指定すれば512×512ピクセルに強制ダウンスケールでき、細部の精度が不要な用途ではトークン節約に使える。
1リクエストあたり最大600枚の画像を含められる。1辺の最大長は8,192ピクセルだが、1リクエストに15枚以上含む場合は4,096ピクセルに制限される。なお、画像はユーザーメッセージにのみ含めることができる。
まとめと今後の注目点
Deepseek-V4-Flash-Vision-Expは、軽量アーキテクチャにマルチモーダル能力を追加しながら、フラッシュモデルのコストでOpus 4.8クラスのエージェント性能を標榜するモデルだ。あくまで「実験的（Exp）」リリースであり、本番運用での安定性は別途検証が必要だが、OpenAI・Anthropic互換のAPIで即座に試せる点は実用的だ。
前述のとおりベンチマーク結果は自社評価に留まっているが、仮にサードパーティ検証でも同水準が確認されれば、マルチモーダルエージェント市場におけるコスト競争をさらに加速させる可能性がある。OpenAIやAnthropicといった競合各社がこの価格帯・性能帯にどう応じるかも、今後の見どころとなるだろう。
詳細はDeepseek releases experimental Flash vision model that rivals Opus 4.8 on agent benchmarksを参照していただきたい。
