DeepSeek V4.1 Flash 1017登場：自己フィードバック学習で性能飛躍

DeepSeekから、前バージョンからわずか5週間で劇的な進化を遂げた新モデル「V4.1 Flash 1017」がリリースされました。アーキテクチャの変更なしに、コーディング能力や端末操作能力を大幅に向上させた背景には、AIが自らの成果を評価し学習する「自己フィードバック」という手法があります。

驚異的な性能向上とベンチマーク結果

前バージョンの「V4.1 Flash」からバージョン番号の整数部分は変わっていないものの、性能は飛躍的に向上しています。具体的には、ソフトウェア構築能力を測る「ProgramBench」では20.3から29.1へ、コンピュータ操作能力を測る「Terminal-Bench 4.0」では31.2から42.3へとスコアを伸ばしました。特にターミナル操作においては、Claude Opus 5.5（スコア51.8）やGPT-6 Astra（スコア56.3）といった最先端モデルに迫る実力を、軽量なFlashモデルでありながら示しています。

コスト構造と「タスクあたりのコスト」

API利用料は、出力100万トークンあたり約1ドル強と非常に安価に設定されています。これはClaude Opus 5.5と比較して15倍安いと宣伝されていますが、注意点もあります。DeepSeekは同じタスクをこなすのにClaude Opusの2〜3倍のトークンを消費する傾向があるため、単純なトークン単価ではなく「タスクあたりのコスト」で評価する必要があります。それでもなお、DeepSeekのコストパフォーマンスは極めて高い水準を維持しています。

進化の鍵「自己フィードバック学習」

アーキテクチャを変えずにこれほどの進化を遂げた秘密は、10月17日のリリースノートに記された「自己フィードバックを伴う強化学習」にあります。これは、AIが自ら生成したコードやプロジェクト（例：レーシングゲームの作成）を実際に動かし、衝突判定の不備や加速の欠如、視覚的ディテールの不足などを自ら発見・修正して学習を繰り返す手法です。人間が大量のトレーニングデータを与えるのではなく、AIが自らの仕事を批評し、報酬を与えることで「人間のように経験から学ぶ」ことが可能になりました。

オープンウェイトとしての提供と実行環境

このモデルは重み（ウェイト）が無料で公開されており、誰でもダウンロードして所有することが可能です。ただし、この規模のモデルを自前で動かすには、動画内では「1バジリオン（莫大な額）ドル」と比喩されるほどの高価なハードウェアが必要になります。しかし、フロンティアモデルが進化すれば、それを蒸留（ディスティレーション）した小型で安価なシステムが後を追うため、将来的には高性能なノートPCで同等の機能が動くようになることが期待されます。

なぜ重要か

AIの進化が「人間によるデータ提供」から「AI自身の試行錯誤と自己評価」へとシフトしている実態を、具体的なベンチマークの伸びで示しています。特にFlashのような軽量モデルが、自己フィードバックによって上位モデルの領域に食い込み始めている点は、今後のモデル開発の効率を劇的に変える可能性があります。

こんな人におすすめ

低コストで高性能なコーディング・エージェントを構築したい開発者や、最新の強化学習トレンドを把握したいリサーチャーに最適です。