DeepSeek V4 が登場: 1兆パラメータ, オープンソース, Huaweiチップで動作

Aisha Washington
6月5日
読了時間: 15分

更新日：6月17日

2024年12月にDeepSeek V3がローンチされた際、Nvidiaの時価総額から約5890億ドルが1回の取引セッションで消滅し、これは米国株式市場史上最大の1日の時価総額損失となりました。今回、より大規模なモデル、より低い推定コスト、そしてNvidiaを完全に回避するハードウェアスタックを備えたdeepseek v4が登場します。このローンチを定義する数字は、1兆パラメータではありません。それは520万ドルと10億ドルの間のギャップです。

報道によると、DeepSeek V4は約1兆の総パラメータ、100万トークンのコンテキストウィンドウ、テキスト、画像、ビデオにわたるネイティブなマルチモーダル機能、そしてApache 2.0オープンソースライセンスを備えており、これらはすべてNvidia GPUではなく、HuaweiのAscend 950PRチップでトレーニングされたと報告されています。2026年において、その文のすべての要素は地政学的に重要です。技術仕様の下には2つのストーリーラインがあります。アメリカのAI企業は、DeepSeekが24,000の不正アカウントを使用して大規模にモデルの出力を収集したと正式に非難しており、もしV4が国内の中国製ハードウェアで最先端レベルのパフォーマンスを提供した場合、米国による輸出規制（GPU輸出を制限することで中国のAIを遅らせることができるという前提）の根本的な前提が、合格しないかもしれない公のストレステストに直面することになります。

この記事では、V4に何が含まれていると報告されているか、なぜコスト方程式が投資家を不安にさせるのか、蒸留に関する非難をどう解釈すべきか、実行に1兆倍のコストがかからない1兆パラメータモデルの背後にある技術アーキテクチャ、GPT-5.4、Claude Opus 4.6、Llama 4と比較してどうか、そして独立したベンチマークが登場するまで未解決の疑問が何であるかを分析します。

1兆パラメータモデル、2回の遅延、そして非常に意図的な1つのハードウェア選択

DeepSeek V4は2026年1月に中国のテックメディアで初めて取り上げられました。その際、Qbitaiなどのメディアは旧正月リリースへの期待を報じました。2月17日の期日は発表なしに過ぎ去りました。3月初旬には、TechNodeが情報筋の話として「今週」リリースされると報じましたが、その日も過ぎ去りました。その後3月9日には、約2000億パラメータを持つ未発表の「V4 Lite」バージョンが一時的にDeepSeekのプラットフォームに表示され、完全なモデルは準備ができていなくても、コアアーキテクチャが本物であることを確認しました。

繰り返しの遅延には、単一のエンジニアリング上の原因がありました。この規模のモデルをNvidiaのCUDAソフトウェアエコシステムからHuaweiのCANN（Compute Architecture for Neural Networks）フレームワークにゼロから移行することです。 4月3日までに、ロイター通信がThe Informationを引用して報じたところによると、 deepseek v4が「数週間以内」にリリースされ、Huawei Ascendチップで動作する見込みであるとのことです。DeepSeekの創設者である梁文峰氏は、内部関係者に対し、4月下旬のリリースが目標であると伝えたと報じられています。

ハードウェアの決定は、単なる実用性ではなく、意図的なものです。複数の報道によると、DeepSeekはV4開発中に、NvidiaではなくHuaweiに排他的な早期ハードウェアアクセスを提供しました。NvidiaのH100およびBlackwellシリーズは両方とも中国への輸出が禁止されているため、中国で合法的に入手可能な最も先進的なNvidiaチップはH20です。代わりにHuaweiのAscend 950PRを中心に構築することを選択したのは、明確なシグナルを送っています。CUDAからCANNへの移行を完了させるための数ヶ月の遅延は、事実上、戦略的独立声明の代償でした。

そのシグナルはすでにサプライチェーンを動かしています。Alibaba、ByteDance、Tencentは、Ascend 950PRを数十万台予約注文したと報じられており、新しいモデルでの推論サービスを、出荷と同時に大規模に販売できるようにクラウドプラットフォームを位置づけています。そのような規模の予約注文は憶測では行われず、リリースが間近であり商業的に実行可能であるという信頼を反映しています。

520万ドル vs. 10億ドル：シリコンバレーを夜も眠らせないコスト方程式

DeepSeek V3の公式技術レポートは、H800 GPUをGPU時間あたり2ドルでトレーニングした際のコストが約557万6千ドルであったことを明らかにしました。これは、GPT-4のトレーニングにかかったと推定される1億ドルの約5〜6パーセントです。deepseek v4の推定トレーニングコストは約520万ドルであると報じられています。この数字は一次情報源によって検証されておらず、近似値として扱うべきですが、V3で確認された数値と方向性としては一致しています。

[Stanford FSI](https://cyber.fsi.stanford.edu/publication/taking-stock-deepseek-shock)は、その意味合いを正確に捉えています。「DeepSeekの衝撃は、単に中国企業がアメリカのライバルを凌駕したということではありません。それは、高度なAIには必然的に巨額の投資が必要であるという仮定に異議を唱えるものであり、その仮定こそが現在のAIエコシステムの評価の基盤となっています。」もしV4が1兆パラメータでそのコスト効率を維持できれば、その仮定はひび割れるだけでなく、崩壊します。

その影響は波及していきます。エンタープライズバイヤーにとって、報告されているAPI価格（入力トークン100万あたり約0.30ドル、出力トークン100万あたり0.50ドル）は、deepseek v4をGPT-5.4の約20分の1のコストで提供することになります。3つの具体的なデプロイメントシナリオは、その価格差が実際には何を意味するのかを明確にします。

第一に、大規模なコードレビューです。100万トークンのコンテキストウィンドウは、単一のパスでコードベース全体（Linuxカーネルサイズのコードベースを含む）を取り込むことができます。現在、このパラメータ規模でこのコンテキスト長で動作するオープンソースモデルはありません。第二に、主権AIのデプロイメントです。米国クラウドインフラを使用できない管轄区域の政府機関や金融機関は、V4をHuaweiサーバー上で完全に実行でき、アメリカのプロバイダーに依存しないため、規制産業全体で明らかに魅力的な機能となります。第三に、コスト主導のスケールです。推論価格が20分の1に低下すると、GPT-5.4の価格では経済的に限界的だったアプリケーションが、V4の価格で実行可能になり、AIネイティブ製品の対象市場を大幅に拡大します。

ジェンスン・フアン氏は、DeepSeekとHuaweiからの競争上の脅威がNvidiaの市場での地位を脅かすと警告を発したと報じられています。その警告は、Nvidiaの株価が2025年1月にすでに示していたことを反映しています。V3が発売されたとき、Nvidiaは1日で約17%下落し、市場価値は約5890億ドル失われました。V4のリリースは、その反応が一度限りの衝撃だったのか、それとも繰り返されるパターンなのかを試すことになるでしょう。

24,000の偽アカウント、1600万の会話、そして誰も完全に答えられない質問

2026年2月、Anthropicの議会提出書類DeepSeek、Moonshot AI、MiniMaxの3社が、合計で約24,000件の不正アカウントを使用し、Claudeとの間で1,600万件以上のやり取りを行い、大規模にモデルの出力を収集していたと主張しました。OpenAIは、DeepSeekが「新たな隠蔽手法を用いて、OpenAIやその他の米国の主要なフロンティアラボのモデルを蒸留しようとし続けている」と主張する並行文書を提出しました。Anthropicは、この活動を国家安全保障上の脅威とみなし、権威主義的な政府がフロンティアAIの能力を攻撃的なサイバー作戦や大規模な監視に利用する可能性があると警告しました。

告発の内容を理解するには、蒸留が実際に何を意味するのかを理解することが役立ちます。 AIにおける蒸留（知識蒸留）とは、より強力なモデルの出力を利用して、より弱いモデルをトレーニングする手法を指します。これにより、弱いモデルは、元のトレーニングコストのごく一部で、強力なモデルの推論スタイルと知識を近似することを学習します。大規模な蒸留攻撃（競合他社のAPIを通じて数百万もの注意深く設計されたクエリを実行し、その応答をトレーニングデータとして使用すること）は、能力のギャップを安価かつ迅速に埋めることができます。この告発はコードのコピーに関するものではありません。あるモデルの認知能力を利用して、別のモデルの開発を形成することに関するものです。

しかし、この告発は、V4の能力の説明として受け入れられる前に、3つの反論的視点に値します。

反論1：ディスティレーションがV4のパフォーマンスの源泉であることを証明した者は誰もいない。告発はV3時代の活動に関連するものだった。V4の実際のトレーニングデータの構成は不明である。仮にディスティレーション攻撃が記述通りに発生したとしても、1兆パラメータのMoEモデルをトレーニング・編成し、それを完全に新しいハードウェア・ソフトウェアスタックに移行させ、大規模で安定した推論を実現するという技術的課題は、ディスティレーションでは説明できない。DeepSeekの能力向上の軌跡全体を盗まれた出力に帰することは、証拠に先行する結論を受け入れることを要求する。

反論2：告発のタイミングは精査に値する。AnthropicとOpenAIは、議会がAIチップの輸出規制法案を積極的に議論していた時期に、同時に立法府に提出書類を提出した。アメリカのAI企業は、中国の競合他社に不利になる規制の枠組みに直接的な商業的利益を持っている。それは根本的な告発を偽にするものではないが、提出書類の政策提言の側面を、安全保障上の懸念という枠組みと並んで明示的に言及する価値があることを示している。

反論3：オープンソース戦略は、純粋なディスティレーション依存とは構造的に矛盾している。もしDeepSeekの能力が主に収集されたモデルの出力に由来するのであれば、合理的な商業的行動は、重みをプロプライエタリに保ち、最大の競争優位性を引き出すことだろう。それにもかかわらず、DeepSeekは一貫して、寛容なライセンスの下で完全な重みを公開し、詳細な技術レポートを発表してきた。V3の技術レポートにおけるアーキテクチャの革新（Multi-head Latent Attention (MLA)、補助損失なしの負荷分散、マルチトークン予測目的）は、独立した研究者によってレビューされ、検証されており、彼らは真の技術的新規性を見出した。競合他社の出力を単にディスティレーションしている組織は、検証可能な技術レポートの作成・公開に投資しないだろう。

根本的な法的問題は現実のものであり、未解決である。商業APIへの大規模なクエリと、その応答をトレーニングデータとして使用することが技術的に容易な時代において、競争的研究と知的財産権侵害の境界線はどこにあるのか？その法的枠組みはまだ存在しない。告発を確定した判決として扱うことは、AI業界全体が最終的に対処しなければならない、真の曖昧さを覆い隠すものである。

なぜ1兆パラメータのモデルの実行コストは1兆倍にならないのか

1兆という数字は計算上不可能に聞こえるが、Mixture-of-Experts（MoE）アーキテクチャを理解すれば、それはモデルが専門化されたサブネットワークに分割され、与えられた入力に対してそれらのごく一部しかアクティブにならない設計である。報道によると、モデルは約1兆の総パラメータを搭載しているが、処理される各トークンはそれらのうち約370億、つまりモデル全体の約3.7%しかアクティブにしない。トークンあたりの実際のコンピューティングコストは、したがって、1兆パラメータのモデルではなく、370億パラメータの密なモデルを実行するのに近くなります。

V3とV4を直接比較すると、設計思想が明らかになります。V3は合計6710億パラメータを持ち、トークンあたり370億のアクティブパラメータを持ちます。V4は、アクティブパラメータ数を同じ370億に保ちながら、合計知識容量を約1兆パラメータに倍増させると報告されています。V4はより多くの知識を保存していますが、トークンあたりの推論コストは実質的に同等です。効率の向上は、計算パスを広げるのではなく、知識ベースをスケーリングすることから生まれます。

これを可能にするハードウェア（Huawei Ascend 950PR）は、中国国外での知名度の低さから示唆されるよりも高性能です。TrendForceによるとそのFP4（4ビット浮動小数点）計算スループットは1.56 PFLOPSに達し、H20のFP4パフォーマンスの約2.8倍です。HBM（高帯域幅メモリ）を112GB搭載しており、H20の容量の1.16倍、メモリ帯域幅は約1.4テラバイト/秒です。Huaweiは、H20よりも約60%高速なマルチモーダル推論スループットを主張しています。トレードオフは消費電力です。600ワット対H20の約400ワットです。

V4がソフトウェアの観点から歴史的に重要である理由は、Nvidia CUDAへの依存がスタックのどこにもない最初のDeepSeekモデルであることです。CANN（Compute Architecture for Neural Networks）は、AIソフトウェアとハードウェアの間のレイヤーとしてのCUDAに類似した、Huawei独自のソフトウェアフレームワークです。DeepSeek、Huawei、Cambriconがこの移行に費やした数ヶ月にわたるエンジニアリング作業は、これまで存在しなかったものを生み出しました。チップからモデルまで、アメリカ製ソフトウェアコンポーネントを一切含まない、完全に機能する最先端の中国製AIテクノロジースタックです。V4のベンチマークが報告された数値と一致するかどうかに関わらず、そのスタックは本物です。

DeepSeek V4はGPT-5.4、Claude Opus 4.6、Llama 4とどのように比較されるか

2026年4月における最先端AIモデルの競争環境は、コーディングベンチマークにおいてトップ層がひしめき合っています。Claude Opus 4.6は標準的なコーディング評価であるSWE-bench Verifiedで80.8%のスコアを獲得しています。GPT-5.4は約80.0%です。Gemini 3.1 Proは80.6%です。Deepseek v4は、同じベンチマークで80%から85%のスコアを報告しており、これは現在の最先端と同等かそれ以上となりますが、これらの数値は内部テストによるものであり、独立して検証されていません。ここで引用されているV4のベンチマーク数値はすべて、外部評価待ちの報告値です。

GPT-5.4: 約80.0% SWE-bench、マルチモーダル、クローズドソース、高API価格
Claude Opus 4.6: 80.8% SWE-bench、テキスト中心、クローズドソース、高API価格
Gemini 3.1 Pro: 80.6% SWE-bench、テキスト+画像+音声+動画、クローズドソース、中API価格
DeepSeek V4 (報告): 約80–85% SWE-bench、ネイティブマルチモーダル（テキスト/画像/動画）、Apache 2.0、入力トークンあたり約$0.30

オープンソースAIモデルの競争状況は、比較が最も重要になる分野です。オープンライセンスモデルの中で、現在のラインナップはMetaのLlama 4（1000万トークンのコンテキストウィンドウを提供しますが、7億ユーザーを超えるデプロイメントには商用制限があります）とGoogleのGemma 4（310億パラメータが上限で、生の能力よりも効率を重視しています）です。DeepSeekのオープンソースモデルの歴史は、一貫してパラメータ上限を押し上げてきました。V3は6710億パラメータで、すでにリリース時に最大の完全オープンウェイトモデルでした。1兆パラメータのV4は、そのリードを大幅に広げることになります。

Apache 2.0ライセンスの違いは、しばしば過小評価される方法でエンタープライズ導入において重要になります。Apache 2.0には、MITにはない明示的な特許ライセンス保護が含まれており、GPLとは異なり派生作品をオープンソース化する必要がなく、ユーザー規模の制限もありません。Apache 2.0の下でDeepSeekオープンソースモデルを統合する企業は、任意の数のユーザーに展開し、商用製品に組み込み、変更を共有する義務なしに変更することができます。これは、Llama 4のライセンスが7億ユーザーのしきい値を超えると完全に再現できない法的姿勢です。

DeepSeekのV2からV4への軌跡は一貫したパターンに従っています。各世代は、同等またはそれ以下のトレーニングコストでより多くのことを行い、機能フットプリントを拡大しています。V2はMulti-head Latent Attentionを導入しました。V3は、370億アクティブパラメータのMoE効率モデルを大規模に検証しました。R1は、同じベースアーキテクチャでの推論に特化したファインチューニングがApp Storeを上回る可能性があることを実証しました。V4は、NvidiaからHuaweiへの移行を完了しながら、V3と比較して総知識ベースを50%拡張したと報告されています。この軌跡の一貫性は、単一のベンチマーク数よりも重要であると言えるでしょう。

DeepSeek V4が実際に意味することの定義を決める3つの質問

最初の、そして最も直接的な質問：独立したベンチマークは内部の数値を再現できるか？ V3の技術レポートは査読に耐え、そのアーキテクチャの主張は外部の研究者によって検証され、そのパフォーマンスの主張は第三者評価の下で維持されました。V4は、新しいハードウェア上で、新しいソフトウェアスタックで、より大規模に動作しています。Hugging Faceコミュニティ、MLPerf、および独立した学術研究室は、モデルの公開リリースから数日以内に評価を開始するでしょう。それらの結果、内部の数値ではなく、V4が最前線に属するかどうかを決定するでしょう。

2番目の質問はインフラストラクチャに関するものです。HuaweiのAscendエコシステムは、このプロファイルのモデルが引き付ける推論トラフィックを処理できますか？V3が発売されたとき、DeepSeekのAPIは需要の下で繰り返し不安定になりました。V4はより大きく、グローバル規模でストレステストされていない新しいハードウェアで動作し、地政学的な文脈を考えるとV3よりも実質的に多くの注目を集めるでしょう。中国のクラウドプロバイダー（Alibaba、Tencent、ByteDance）は、事前にAscend 950PRユニットを注文しており、分散推論のバックボーンとして機能します。そのアーキテクチャがピーク負荷の下で維持されるかどうかは、リリース後最初の72時間で答えられる未解決の質問です。

3つ目の問いは、構造的に最も重要です。すなわち、V4は中国国内のハードウェアでどの程度の性能を発揮し、それが米国による輸出管理ロジックの見直しを迫るのか？CSISはこの点を直接分析しました。, DeepSeek V4がAscend 950PRで最先端レベルのパフォーマンスを達成した場合、GPU輸出の制限が中国のAI開発を効果的に遅らせることができるという前提に根本的に疑問を投げかけます。 EUISS はDeepSeekの出現を「AIの多極化の始まり」と評しています。チップ制限戦略がすでに無効になっている場合、米国議会議員は、HuaweiのハードウェアとCANNソフトウェアを標的とする（管理の強化）か、フレームワーク全体を再考するかのいずれかの圧力に直面します。どちらの道も容易ではありません。

この分野に注目している開発者や企業にとって、実用的なガイダンスは明確です。公式リリースについては、DeepSeekのGitHubおよびHugging Faceのページを監視してください。モデルがリリースされたら、公式ベンチマークよりも独立した評価レポートを優先してください。これは不信感からではなく、独立した検証こそが最先端の主張を確かな事実にする方法だからです。Apache 2.0ライセンスにより、法的なリスクなしにリリース前に統合の計画を開始できます。100万トークンのコンテキストウィンドウ、ネイティブなマルチモーダル性、商用利用制限がないという組み合わせは、SWE-benchの最終的な数値がどうであれ、特定のワークフローカテゴリ（長文ドキュメント分析、マルチモーダルRAG、大規模コードベースレビュー）を実質的によりアクセスしやすくします。

deepseek v4のようなモデルが、知識労働者や開発者がAI支援ワークフローをどのように整理するかについて、実際に何を意味するかを考えているなら、アーキテクチャの質問はベンチマークと同じくらい重要です。100万トークンのコンテキストウィンドウとネイティブなマルチモーダル性は、大規模で異種混在の情報セットを推論するツールを構築するすべての人にとって、何が可能になるかを変えます。オープンソースAIモデルの機能が、個人およびチームの知識インフラストラクチャにどのように変換されるかを実用的に見るには、「AIネイティブなセカンドブレイン」システムのガイドが、これらのアーキテクチャシフト（より長いコンテキスト、より安価な推論、オープンウェイト）が知識管理レイヤーが実際に何ができるかをどのように再形成しているかをカバーしています。V3は、最先端のAIが数十億ドルの予算を必要とするかどうかについての会話を開始しました。V4は、その会話をハードウェアの独立性にまで広げようとしています。答えはプレスリリースではなく、ベンチマークで明らかになるでしょう。AIネイティブなセカンドブレインシステム