520万ドルで1兆パラメータを訓練するという衝撃
中国のAI企業DeepSeekが、1兆パラメータ規模のMixture-of-Experts（MoE）モデル「DeepSeek V4」を公開した。 Apache 2.0ライセンスによるフルオープンウェイト公開で、商用利用も自由だ。
最大の衝撃は訓練コストにある。 推定520万ドル——これは米国のフロンティアモデルが1億ドル以上を投じて訓練されることを考えると、文字通り100分の1以下の水準だ。 OpenAIのGPT-5シリーズやAnthropicのClaudeシリーズが数億ドル規模の計算リソースを消費してきたことと比較すると、コスト効率の差は歴然としている。
HumanEval 94.7%——コーディング性能で最前線に
DeepSeek V4はコーディングベンチマーク「HumanEval」で94.7%のスコアを達成している。 これは多くの米国製フロンティアモデルと同等かそれ以上の水準で、特に長文コンテキスト推論とコーディングタスクにおいて強みを発揮する設計だ。
MoE（Mixture-of-Experts）アーキテクチャは、全パラメータのうち推論時に活性化される部分を限定することで、1兆パラメータという巨大モデルでも実用的な推論速度を実現している。 この設計思想はGoogleのSwitch Transformerやフランスの Mistral が先行していたが、DeepSeekはそれを1兆パラメータ規模にスケールさせつつ、訓練コストを劇的に抑えることに成功した。
DeepSeekの「効率性優先」戦略
DeepSeekは2025年1月にリリースした「DeepSeek R1」でも、OpenAI o1に匹敵する推論能力を桁違いに低いコストで実現し、世界的な注目を集めた。 V4はその延長線上にある「効率性ファースト」の哲学の集大成と言える。
具体的な効率化手法として、以下が挙げられる。
| 手法 | 効果 |
|---|---|
| MoE（Mixture-of-Experts） | 推論時の計算量を全パラメータの10〜20%に削減 |
| データキュレーション | 高品質データの選別により訓練効率を向上 |
| 段階的スケーリング | 小規模モデルで最適化→大規模モデルに移行 |
| FP8量子化 | 低精度演算で計算コストを圧縮 |
オープンソースAIの地政学
DeepSeek V4のフルオープン化は、AI開発の地政学を揺さぶっている。 米国のフロンティアラボが数百億ドルを調達し、モデルをクローズドに保つ戦略を取る一方で、DeepSeekは520万ドルのコストでそれに匹敵するモデルを無料で公開している。
この構図は「巨額投資によるAI優位性」という前提を根本から問い直す。 仮に中国企業が米国モデルの能力に近いオープンソースモデルを継続的にリリースするなら、OpenAIやAnthropicのサブスクリプションモデルの価値提案は再定義を迫られるだろう。
一方で、米国政府は中国へのAIチップ輸出規制を強化しており、DeepSeekが今後もこのペースでモデルを改良し続けられるかには不確実性がある。 NVIDIA H100やA100の入手が制限される中で、いかにして最先端のモデルを訓練し続けるのかは、DeepSeek自身にとっても最大の課題となる。
開発者・起業家にとっての意味
DeepSeek V4のオープンウェイト公開は、特にスタートアップにとって大きなインパクトを持つ。 自社でファインチューニングやカスタマイズが可能なフロンティア級モデルが、ライセンス料ゼロで利用できるのだから。
ただし注意点もある。 中国製モデルの利用に関しては、データの取り扱い、コンプライアンス、地政学リスクを十分に評価する必要がある。 エンタープライズ用途では、Anthropicのように利用ポリシーが明確な企業のモデルを選ぶ方が、リスク管理上は合理的かもしれない。
それでも「520万ドルで最前線レベルのAIが作れる」という事実は、AIのコモディティ化がもはや止められない潮流であることを改めて示している。 あなたのプロダクトにとって、その潮流は追い風か、それとも向かい風だろうか。
