8月22日、Digit.inが「DeepSeek says its new multimodal model nears Anthropic's Opus 4.8: Here's how」と題した記事を公開した。この記事では、DeepSeekが新たに公開した実験的マルチモーダルモデル「DeepSeek-V4-Flash-Vision-Exp」がAnthropicの上位モデルに迫るコスパを実現しているという主張について詳しく紹介されている。
「Opusに迫る」より先に見るべき数字：99%のコスト削減
DeepSeekが今回強調したベンチマーク結果より、開発者にとって本質的に重要なのはコストだ。新モデルDeepSeek-V4-Flash-Vision-Expの運用コストは、比較対象であるAnthropic Claude Opus 4.8と比べて約99%安いと報告されている。
11項目中8項目でOpus 4.8に届かないモデルが、それでも注目を集める理由はここにある。コストが100分の1以下であれば、エージェント開発の文脈では十分に選択肢に入る。
ベンチマーク比較の実態
DeepSeekはリリース声明の中で、このモデルが「マルチモーダルエージェントとして評価した場合、パフォーマンスが大きく跳ね上がり、Opus 4.8に近いレベルに達する」と述べている。
ただし「close to（に近い）」という表現は額面通りに受け取るべきではない。DeepSeekがOpus 4.8と行った11項目の比較の内訳は以下のとおりだ：
- DeepSeekが上回った項目（3件）：DeepSWE、Agents' Last Exam、ZeroBench。いずれも1〜1.6ポイント差の僅差
- Opus 4.8が上回った項目（8件）：うち少なくとも1項目では2桁ポイントの差がある
「Opus 4.8に迫る」という表現は、マーケティング的なフレーミングとして機能しているが、実態は「多くの指標で下回っているが差は縮まっている」という状況だ。
なお、DeepSWEはソフトウェアエンジニアリングタスクにおけるエージェント能力を測るベンチマーク、Agents' Last ExamはAIエージェントの汎用タスク遂行能力を問う評価セット、ZeroBenchはゼロショット推論能力を測定する指標で、いずれもエージェント用途での実用性を反映しやすいとされている。DeepSeekが上回った3項目がいずれもエージェント系である点は、同モデルの設計方針と整合している。
比較対象のOpus 4.8はどのくらい現役か
Anthropicのモデル廃止スケジュール（公式ドキュメント）によれば、Opus 4.8は現在「Active（完全サポート中）」のステータスにあり、2027年5月まで廃止予定はない。Opusティアで同カテゴリに属するモデルは現在5つのみで、Opus 4.8はそのうちの一つだ。
一方で元記事が指摘するように、DeepSeekが比較に選んだのは最新世代のOpusではない。元記事の時点では最新Opusとの比較データは示されておらず、今回の比較結果の射程がどこまで及ぶかは留保が必要だ。
実装面：何ができるのか
実用的な観点では、DeepSeek-V4-Flash-Vision-Expは以下の仕様を持つ：
- 対応フォーマット：JPEG、PNG、GIF、WebP
- 1リクエストあたり最大600枚の画像アップロードに対応
- **Files API**を提供。画像を一度アップロードしてサーバー側に保存し、発行されたファイルIDを使って複数リクエストにわたって同じ画像を再参照できる仕組みで、大量画像を扱うパイプラインでの通信コスト削減に有効だ
- エージェントフレームワーク「DeepSeek agent harness」のバージョン0.1.1も同時リリース。agent harnessはDeepSeekが提供するエージェント構築・評価用のフレームワークで、新モデルへの組み込みサポートが今回のアップデートに含まれている
1リクエスト600枚という上限は、ドキュメント処理やスクリーンショットベースのエージェント開発を想定した設計だ。Files APIとの組み合わせにより、反復的な画像参照を伴うワークフローでの効率化が期待できる。
ベースモデルとの関係
DeepSeek-V4-Flash-Vision-Expは、テキスト処理に特化した既存モデル**DeepSeek-V4-Flash**の視覚機能拡張版として位置づけられている。DeepSeekはリリース声明で「テキスト能力（エージェント、推論、世界知識を含む）はDeepSeek-V4-Flashと同等を維持している」と述べており、視覚入力の追加がテキスト性能を損なわない設計を目指したとしている。
現在、APIプラットフォームで利用可能だ。「Opus 4.8に近い」という主張が実際のエージェント運用でどこまで成立するかは、実地でのテストを待つ必要がある。
詳細はDeepSeek says its new multimodal model nears Anthropic's Opus 4.8: Here's howを参照していただきたい。
