DeepSeek Flash と V4 Pro:どちらにルーティングすべきか

By TokuseTokuse
AIAPIDeepSeekアーキテクチャ

DeepSeek は同じ OpenAI 互換インターフェースの中で、使い分けやすい 2 つの価格帯を提供するようになりました。deepseek-flash は大量処理向けに設計されています。deepseek-v4-pro は割高ですが、安価なルートでは失敗するタスクでこそ、その追加コストに見合う成果を出すべきです。

Tokuse を試す: 無料アカウントを作成 して、1 つの OpenAI 互換エンドポイントから最初のリクエストを送信してください。

このガイドでは、モデルのラベルではなく、測定した結果に基づいてルーティングを決める方法を紹介します。

現在の価格差

2026 年 11 月 9 日に確認した DeepSeek の公開価格ページには、100 万トークンあたりのオフピーク価格が次のように掲載されています。

モデル 入力(キャッシュヒット) 入力(キャッシュミス) 出力
deepseek-flash $0.003 $0.15 $0.60
deepseek-v4-pro $0.022 $0.66 $1.98

Tokuse はこれらのモデルをルーティングします。表は DeepSeek の公式定価であり、Tokuse のグループ価格とは異なる場合があります。実際に支払う料金は Tokuse の価格ページ で確認してください。

両モデルとも 1M のコンテキストウィンドウを掲載し、JSON 出力、ツール呼び出し、Responses API、Anthropic 互換 API をサポートしています。deepseek-flash は視覚(vision)サポートも掲載しています。

キャッシュミス時の Pro の入力価格は Flash の約 4.4 倍、出力は 3.3 倍です。結果の差がその倍率を正当化する場合に Pro を使ってください。

10M トークンの試算例

あるタスクが入力 10M トークンを使い、出力 2M トークンを生成するとします。

キャッシュヒット率が 0% のとき、オフピークのコストは次のとおりです。

ルート 入力 出力 合計
Flash $1.50 $1.20 $2.70
V4 Pro $6.60 $3.96 $10.56

キャッシュヒット率が 90% のとき:

ルート 入力 出力 合計
Flash $0.18 $1.20 $1.38
V4 Pro $0.86 $3.96 $4.82

キャッシュが十分に効けば絶対差は小さくなりますが、ルーティングの判断は変わりません。品質と信頼性のチェックを通過する最も安いモデルから始めましょう。

まずは Flash から

出力の要件が明確なタスクには deepseek-flash を使ってください。

  • 分類とタグ付け
  • 構造化抽出
  • 定型的なサポート返信
  • 短い要約
  • ドキュメントのメタデータ
  • 大量処理のエージェントステップ
  • ワークフローで視覚が必要な画像理解

こうしたタスクは通常、成功条件を機械的に判定できます。スキーマバリデーター、ラベルのしきい値、下流のビジネスルールによって、安価なルートが機能したかどうかを確認できます。

V4 Pro へのエスカレーション

Flash が測定可能なゲートを通過できない場合に deepseek-v4-pro へルーティングします。

  • 回答が重要な制約を満たしていない
  • 複数ステップの計画が内部で矛盾している
  • タスクに深い推論や長期的な統合が必要
  • ツール使用が誤った停止点に繰り返し到達する
  • 人によるレビューで重大な品質ギャップが見つかる

難しそうに見えるリクエストをすべて Pro に回さないでください。小さな評価セットを作り、結果に判断を委ねましょう。

実践的なルーティングループ

  1. リクエストを deepseek-flash に送信します。
  2. スキーマまたは決定的なルールで出力を検証します。
  3. 検証に失敗した場合にのみ deepseek-v4-pro へエスカレーションします。
  4. 両方の試行、失敗理由、レイテンシ、トークン使用量を記録します。
  5. 週次でエスカレーションを見直し、Pro の比率を上げる前に Flash のプロンプトを改善します。

この「ルーティングしてからエスカレーションする」パターンは、すべてのリクエストに Pro を選ぶよりも安価なことがよくあります。将来のモデル変更を判断する根拠にもなります。

再デプロイなしでルートを変えるゲートウェイ

Tokuse は両モデルを 1 つの OpenAI 互換エンドポイントで公開しています。

https://tokuse.com/v1

アプリケーションコードは同じ SDK のまま、モデルエイリアスを切り替えるだけです。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["TOKUSE_API_KEY"],
    base_url="https://tokuse.com/v1",
)

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{"role": "user", "content": "Classify this support ticket."}],
    max_tokens=200,
)

検証に失敗したら、ルーティング層から同じタスクを deepseek-v4-pro に送ります。プロダクト側のエンドポイントは変更されません。

DeepSeek の価格モデルではキャッシュヒットの計算方法を、OpenAI 互換のセットアップガイドでは SDK の設定とよくある失敗パターンを説明しています。

判断を支える指標

モデルとタスクごとに次を追跡してください。

  • タスク成功率
  • 検証失敗率
  • エスカレーション率
  • 入力トークンと出力トークン
  • キャッシュヒット率
  • レイテンシとリトライ
  • 成功したタスクあたりのコスト

最も安価なルートとは、リトライや人によるレビューを含め、最小の総作業量でタスクを正しく完了するルートです。

Tokuse は複数モデルのテストとルーティングのための OpenAI 互換エンドポイントを 1 つ提供します。現在のカタログを確認し、テストキーを作成して、自分のワークロードで両方の DeepSeek ルートを比較してください。

Tokuse アカウントを作成して現在のモデルを比較する

関連するコストと移行ガイド

出典