decisiondecided

自律ループコーディングでは V4.1 Flash を採用する

自律ループコーディングの主力モデルを V4.1 Flash に置き換える決定。コスト・速度・コーディング系ベンチマークの逆転を根拠とし、オフピーク時間帯の活用とコスト把握手段を運用に組み込む。

Context

自律ループコーディング(エージェントが計画→実行→検証→修正を反復するワークフロー)を日常的に回すにあたり、使用するモデルを一本化したい。候補は DeepSeek V4.1 Flash と DeepSeek V4 Pro の2つ。

従来は「Pro の方が高性能」という素朴な前提で Pro を選んでいたが、V4.1 Flash の登場によりこの前提が崩れた。公式ベンチマークおよび第三者評価を確認したところ、コーディング・エージェント・セキュリティ系タスクでは Flash が Pro を上回るという逆転現象が確認できた。

さらに、DeepSeek API にはピーク/オフピークの時間帯別料金が設定されており、オフピーク時は料金が半額になる。ループコーディングはバッチ的に回せるタスクが多く、この時間帯設計を味方につけられる余地が大きい。本記事は、自律ループコーディングの主力モデルを Flash に置き換える決定と、そのコスト最適化の運用方針を記録する。

比較表

基本仕様

項目V4.1 FlashV4 Pro (0813)優位
総パラメータ数552B1.6TPro
アクティブパラメータ入力 8B / 出力 16B49BFlash
アーキテクチャCausal Encoder-Decoder従来型 MoEFlash
コンテキスト長1,048,5761,048,576同等
最大出力384K384K同等
画像入力対応非対応Flash
並列リクエスト上限2,500500Flash

速度・コスト

項目V4.1 FlashV4 Pro倍率
出力速度約 214 tok/s約 94 tok/sFlash が 2.3 倍高速
初回トークン遅延 (p50)2.63 秒3.58 秒Flash が 1.4 倍速い
入力価格(忙時 / 1M)$0.283$1.272Flash が 4.5 倍安い
出力価格(忙時 / 1M)$1.131$3.816Flash が 3.4 倍安い
入力価格(閑時 / 1M)$0.141$0.636Flash が 4.5 倍安い
出力価格(閑時 / 1M)$0.565$1.908Flash が 3.4 倍安い

コーディング・エージェント系ベンチマーク

ベンチマークV4.1 FlashV4 Pro優位
Codeforces (Elo)3,4713,348Flash
Terminal-Bench 2.190.687.9Flash
Terminal-Bench 3.030.011.8Flash(大幅)
DeepSWE v1.174.262.7Flash
Automation-Bench54.843.2Flash

知識集約型ベンチマーク

ベンチマークV4.1 FlashV4 Pro優位
GPQA Diamond90.992.4Pro
HLE36.842.7Pro

ピーク/オフピーク料金の仕組み

DeepSeek API は2026年8月16日から時間帯別料金を導入しており、オフピーク時はピーク時の半額で利用できる。[reference:0]

時間帯の定義

ピーク時間帯(北京时间) : 月曜日〜金曜日(中国法定祝日を除く)9:00〜12:00 および 14:00〜18:00[reference:1]

オフピーク時間帯: 上記以外のすべての時間。週末(土日)と中国法定祝日は終日オフピーク扱いとなる。[reference:2]

日本のユーザーにとっては、ピーク時間帯は月〜金の 10:00〜13:00 および 15:00〜19:00(JST) に相当する。つまり、平日の夜間・早朝、および週末全日がオフピークとなる。[reference:3]

Flash の時間帯別料金(人民元)

料金区分入力(キャッシュヒット)入力(キャッシュミス)出力
オフピーク0.02 元 / 1M1 元 / 1M4 元 / 1M
ピーク0.04 元 / 1M2 元 / 1M8 元 / 1M

出典: DeepSeek 公式ドキュメント[reference:4]

コスト最適化の3類型

タスクの性質に応じて、以下のように時間帯を意識した運用を行う。

タスク類型例推奨時間帯理由
リアルタイム対話オンラインコーディング支援、即時フィードバックが必要な修正ピーク不可避免「人がモデルを待つ」構造のため、遅延を許容できない
バッチ処理リポジトリ全体の静的解析、大量ファイルの一括変換、テストスイートの一括実行オフピークに寄せる遅延許容度が高く、キューに積んで夜間・週末に実行すれば半額
キャッシュ活用型エージェントのシステムプロンプト、繰り返し参照されるドキュメント群時間帯不問(ただしキャッシュ設計が重要)キャッシュヒット時は入力単価が最大50分の1(1元 → 0.02元)

特にキャッシュ活用は時間帯以上に効果が大きい。エージェントループではシステムプロンプトやリポジトリ構造などの固定コンテキストを「キャッシュプレフィックス」として再利用することで、入力コストをほぼ無視できるレベルまで圧縮できる。[reference:5]

コスト把握の方法

オフピークを意識した運用には、現在の料金時間帯をリアルタイムに把握する手段が欠かせない。以下の3層で監視・把握を行う。

1. 公式ダッシュボード

DeepSeek Platform の Settings → Usage から、アカウント残高・当日の消費額・Token 構成・月次トレンドを確認できる。[reference:6]

2. CSV エクスポートによる分析

DeepSeek Platform の Usage → Export monthly data から月次 CSV をダウンロードし、ブラウザベースの分析ダッシュボードにドラッグするだけで、費用チャート・APIキー別内訳・キャッシュ分析・使用トレンドをローカル処理で確認できる(アップロード不要)。[reference:7]

3. 時間帯インジケータ(開発環境への組み込み)

以下のコミュニティ製ツールを開発環境に組み込むことで、現在の料金時間帯と次の切り替えまでのカウントダウンをリアルタイムに把握できる。

ツール機能導入先
dsh-peak-indicatorリアルタイム料金ウィンドウ表示、カウントダウン、多タイムゾーン自動変換、24時間タイムライン、公式料金表参照DeepSeek Harness (DSH) Web GUI
dsh-peak-pricing-warningピーク/オフピーク警告、ライブカウントダウン、セッションコスト推定DeepSeek Harness プラグイン[reference:9]
pi-deepseek-pricing-by-timeメッセージごとの実際の時間帯レートでコストを再計算、/deepseek-tier コマンドで現在のティアを表示pi エディタ拡張[reference:10]
dsh-token-dashboardSettings → 用量看板でモデル別/ワークスペース別の Token・コスト表示DeepSeek Harness[reference:11]

4. コスト把握の運用サイクル

  • 日次: 開発環境のインジケータで現在の時間帯を確認し、バッチタスクをオフピークにスケジュール
  • 週次: CSV エクスポートを分析ダッシュボードに投入し、キャッシュヒット率と時間帯別コストをレビュー
  • 月次: ダッシュボードで月次トレンドを確認し、ルーティング方針(Flash / Pro の配分)を見直し

Decision

自律ループコーディングの主力モデルを V4.1 Flash とする。

ルーティング方針は以下の通り:

  • デフォルト: deepseek-flash(V4.1 Flash)
  • 例外: 知識集約型の推論(複雑なドメイン知識を要する分析、HLE/GPQA 系タスク)が必要な場合のみ deepseek-v4-pro にルーティング
  • コンテキスト: モデル側固定の 1,048,576 トークンをそのまま利用。パラメータでの「設定」は行わない
  • 時間帯戦略: バッチ処理可能なタスクはオフピーク時間帯(JST 平日夜間〜早朝、週末全日)にスケジュールする
  • キャッシュ戦略: システムプロンプト・リポジトリ構造などの固定コンテキストをキャッシュプレフィックスとして再利用する

Rationale

  1. コーディング・エージェント系タスクで Flash が Pro を上回る: Terminal-Bench 3.0 では 30.0 vs 11.8 と 2.5 倍以上の差。DeepSWE v1.1、Automation-Bench でも Flash が優位。自律ループコーディングの主用途はまさにこの領域。
  2. コストが 1/3〜1/4: 出力価格で比較すると Flash は Pro の約 3.4 分の 1。ループを何度も回すワークフローでは、この差が累積して効く。
  3. 速度が 2 倍以上: 出力 214 tok/s vs 94 tok/s。ループ1回あたりの所要時間が短縮され、イテレーション回数を増やせる。
  4. 並列リクエスト上限が 5 倍: 2,500 vs 500。複数エージェントを同時に走らせる構成で有利。
  5. 画像入力対応: スクリーンショットや図を読ませるタスクで Pro は使えない。
  6. オフピーク活用でさらに半額: バッチ処理を夜間・週末に寄せるだけで、Flash のコストがさらに半分になる。ループコーディングは「すぐに結果が必要」なタスクと「後でいい」タスクが混在しており、後者をオフピークに回す余地が大きい。
  7. Pro は廃止方向: 公式が V4 Pro の有序下线を表明しており、長期的に deepseek-v4-pro を呼び続けられる保証がない。

Trade-offs

  • 知識集約型タスクでは Pro が優位: HLE で 42.7 vs 36.8、GPQA Diamond で 92.4 vs 90.9。深いドメイン知識を要する推論では Pro に軍配が上がる。ただし自律ループコーディングの主用途はコード生成・修正・検証であり、この差が問題になる頻度は限定的と判断。
  • Verbosity: Flash は最適スコアに達するまでに約 2.4 倍の出力トークンを要する場合がある。コスト優位がやや侵食されるが、それでも Pro より安い。
  • オフピーク運用の複雑性: バッチタスクを夜間・週末に寄せるにはスケジューリングの仕組みが必要。リアルタイム性が求められるタスクはピーク価格を避けられない。
  • ベンチマークの限界: 数値は第三者評価を含むが、実ワークロードでの再現性は保証されない。運用しながら実測で検証する。

Consequences

  • ループコーディングのデフォルトモデルを deepseek-flash に変更
  • 知識集約型タスクが頻発する場合のみ deepseek-v4-pro をフォールバックとして使用
  • 開発環境に dsh-peak-indicator 等の時間帯インジケータを導入し、オフピーク時間帯を可視化
  • 月次 CSV エクスポートを分析ダッシュボードに投入し、時間帯別コストとキャッシュヒット率をレビューする運用を開始
  • コスト・速度の実測値を蓄積し、必要なら本決定を supersede する

Outcome (2026-10-18) — failed

  • Confidence at decision time: 0.8
  • 1 incident (料金発生: 160 RMB)
  • 0 days to recover

Claude code max x5 がそもそもAPI直叩きでなく、コスト的に有利なプランになっていると考えられる。 一日あたり30 RMBを超えるのであればそこまでdeepseekWOKを活用するメリットはない。 (2026-10-03 ¥38.90) 20 RMB * 20 Days * 20 CHY/JPY = 12,000 JPY

一方でmax x5相当の料金でそれなりの推論力が手に入るため、緊急用で使えることが分かったのは前進である。将来環境もまた変わるかもしれない。