ウェイトはオープンでローカル実行できますか？

DeepSeek | 1,048,576 token context | $0.01/M input, $1.28/M output. DeepSeek V4 Flash 0731 is a sparse mixture-of-experts model from DeepSeek, with 13B active parameters out of 284B total. This re-post-trained revision is suited for coding, reasoning, and agent workflows. This is the GA release of DeepSeek V4 Flash.

このモデルのガイド

ローカルAIに実際どれくらいのVRAMが必要？

オープンウェイト、オープンソース、API専用：実際に何ができるのか

GGUFファイルとは？量子化モデルの解説（Q4、Q8、fp8、NF4）

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

DeepSeek V4 Flash 0731はDeepSeekによる2840億パラメータのスパースMixture-of-Expertsモデルで、130億パラメータを活性化し、コーディング、推論、エージェントワークフロー向けに設計されています。GA版はプレビュー版から大幅に改善し、活性化パラメータが少ないにもかかわらずDeepSeek V4 Proを複数のエージェントベンチマークで上回ります。最先端のエージェント・コーディング性能を低価格APIで求める開発者や、真剣なMoEモデルをセルフホストしたい方に適しています。

得意分野

DeepSWE、NL2Repo、端末ベンチマークで高得点の強力なエージェントコーディング性能
100万トークンのコンテキストウィンドウで大規模コードベースや長時間のエージェントセッションに対応
vLLM上で高速推論を可能にするDSparkによる推測デコーディング内蔵
呼び出しごとに低・高・最大の推論努力を調整可能
Hugging Faceでオープンウェイト公開、マルチGPU環境でvLLMと共に実行可能

注意点

標準のJinjaチャットテンプレートはなく、DeepSeek独自のエンコードスクリプトでプロンプトを正しくフォーマットする必要がある。
2840億パラメータのためセルフホストは大規模なマルチGPU環境が必要で、ノートPC向けではない。
出力トークンは入力トークンの32倍のコストがかかるため、冗長な長時間のエージェント実行はコストがかさむ。

最適な用途

試してみるプロンプト

自律的リポジトリタスク

/usersエンドポイントがユーザーテーブルの全行を返しますがページネーションがありません。created_atタイムスタンプカーソルを使ったカーソルベースページネーションを追加してください。更新したルート、ヘルパー関数、SQLクエリを示し、コードを書く前に理由を説明してください。

難解なデバッグパズル

Pythonの非同期関数がasyncio.gatherでURLを並行取得しますが、負荷時にRuntimeError: Session is closedが発生します。セッションはモジュールレベルで一度だけ作成されています。考えられる原因をすべて検討し、可能性順にランク付けし、競合状態を排除した修正版を示してください。

マルチステップエージェント計画

bash端末、Pythonインタプリタ、ファイルの読み書きが可能です。sales.csvというCSVファイルにdate、region、product、revenue列があります。地域別の総収益と地域ごとのトップ製品を集計し、report.mdとして保存する手順を計画し実行してください。

比較する

DeepSeek V4.1 Flash
オープンウェイトモデル
1,048,576トークンのコンテキスト · $0.04/M 入力、$0.68/M 出力
DeepSeek V4 Flash 0423
オープンウェイトモデル
1,048,576トークンのコンテキスト · $0.09/M 入力、$0.18/M 出力
DeepSeek V4 Pro 0813
オープンウェイトモデル
1,048,576トークンのコンテキスト · $1.32/M 入力、$3.96/M 出力
DeepSeek V4 Pro 0423
オープンウェイトモデル
1,048,576トークンのコンテキスト · $0.96/M 入力、$1.91/M 出力

deepseekの他のテキストモデル

よくある質問

ウェイトはオープンでローカル実行できますか？: はい、Hugging Faceのdeepseek-ai/DeepSeek-V4-Flash-0731で公開されています。セルフホストには2840億パラメータのMoEモデルを扱えるマルチGPUハードウェアが必要で、DeepSeekの例では4×GB300ノードとvLLMを使用しています。
価格とコンテキストサイズは？: API価格は入力トークン100万あたり0.02ドル、出力トークン100万あたり0.64ドルで、コンテキストウィンドウは1,048,576トークンです。
DeepSeek V4 Proとどう違いますか？: V4 Flash 0731は130億パラメータのみ活性化するのに対し、V4 Proはより多く活性化しますが、DeepSeekの比較ではすべてのエージェントベンチマークでFlashが上回り、低コストでコーディングエージェント用途に優れています。

キャプテンの評価
“Flash”層が実際に“Pro”を上回る珍しい例で、重要なタスクであるエージェントコーディングに強く、運用コストも大幅に抑えられています。

Hugging Faceのモデルカード

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #5 Hottest Text / LLM model · #5 Hottest Text / LLM text model

Not this creator?

Get your own badge

DeepSeek V4 Flash 0731 の人気トレンド

31 Jul 2026以降のヒートスコア

ヒートスコア

9,301°

今週

▲

18.4%

9,278° 当時、9,301° 今

今月

▲

137%

9,185° 当時、9,301° 今

過去1年

n/a

まだリリース/追跡されていません

7,000°

基準値

スケールは0°から9,999°までです。7,000°未満はまだどのソースも報告していないモデル用に確保されており、リストを完全に保つために仮の数値が割り当てられています。7,000°が実際のデータが始まる地点で、実データがほとんどないモデルはここに位置し、それより上の度数が測定値です。基準値自体はモデルについて何も示さず、上の度数だけがモデル間の違いを示します。

+1,938°

OpenRouterトークン

このモデルは過去30日間にOpenRouter経由で28,896,982,056,080トークンを処理しました。プロンプトと回答の合計です。10,000,000トークンごとに1ダウンロードとしてカウントし、合計2,889,698です。最終日のトークンは採用率に加算されます。出典：OpenRouter (openrouter.ai/rankings)。

+363°

普及率

ソースの2回の読み取り間で測定された1日あたり約69,105回のダウンロードです。生涯平均からの推測ではありません。速度はダウンロード項目の4分の1の重みで、新しい急増を示しつつ、1日の急激な増加が何年もの使用を上回らないようにしています。

詳細な内訳を表示

このサイトのすべての数字は確認できます。このモデルのヒートスコアは9,301°で、ここでは一つずつ要素を積み上げていき、各段階の合計を示しています：基準値、各ソースが加える度数、モデルの種類によるボーナス、そして重みの年齢による減算。色は上のチャートの帯を表しています。最後の用語集で全ての用語を定義しています。

1
基準値から始めます。
なぜ7,000°でゼロではないのか：スケールは0°から9,999°までで、7,000°未満はまだどのソースも報告していないモデル用に確保されており、仮の数値が割り当てられてリストを完全に保ち、データのあるモデルより上位にならないようにしています。7,000°が実際のデータが始まる地点です。実データがほとんどないモデルはここに位置し、それ以降が測定値で、基準値の上には10段階の10倍増が300°ずつあります。基準値はすべてのモデルで同じなので、何も決めません。違いを決めるのはその上の度数です。
7,000°
累計合計
2
ダウンロード数を加算します。
合計でOpenRouterトークンから2,889,698のダウンロード相当数。ダウンロード数が10倍になると同じ300°が加算されるので、サイズは重要ですがスコアを独占することはありません。
+1,938°
8,938°
累計合計
3
普及率を追加します。
現在、2回の計測間で約69,105ダウンロード/日で、重みは4分の1です。
+363°
9,301°
累計合計
=
ヒートスコア。
このモデルがこのサイトのすべてのリストでどの位置にいるか。これ以外の調整はありません。
9,301°

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。

このモデルの人気がカタログ全体と比べてどう動いたかを示してるよ。期間ごとのダウンロード数、いいね数、使用数の伸びを、同じ期間の普通のモデルの伸びと比べてる。熱スコアもその時点のものだよ。普通の伸びより上なら人気が上がってる、下なら下がってるってこと。過去のデータは今日の合計、モデルの初日、ダウンロード速度の2回の計測から再構成してる。期間の初めに存在しなかったモデルはn/aになるよ。

類似モデル

Nemotron 3.5 Content Safety

TEXT / LLM

画像・動画・テキスト生成のための AI モデル

DeepSeek V4 Flash 0731 は Text / LLM ファミリー向けのテキストモデルで、オープンソース AI 画像・動画・テキストモデルの読み取り専用カタログ ModelTrends.ai に掲載されています。他の Text / LLM モデルと比較し、ヒートスコアでトレンドを確認できます。

Text / LLM のモデルをもっと見る Text / LLM のテキスト / LLMをもっと見る llm deepseek 推論コーディングエージェント長いコンテキストローカル

モデルファミリーから探す