2026年8月に入ってわずか1週間、あるAIの成績表が技術コミュニティで大きな話題となりました。中国DeepSeekの軽量オープンウェイトモデル「V4 Flash」が、業界で最も難関とされるAI推論テスト「ARC Prize」で365スコアを獲得し、効率ランキングで首位に躍り出ました。アメリカのフラッグシップモデルが1問あたり2ドルを費やす中、DeepSeekはわずか4セントで解答してみせたのです。
成績の公開直後、世界最大のエンジニアコミュニティHacker Newsではわずか5時間で382個のアップボートと233件のコメントが集まりました。最も評価されたコメントの一つは、「米国のAIラボは大きなトラブルに直面している」と端的に指摘しています。
図：ARC Prize公式が発行したDeepSeek V4 Flash 0731の検証済み成績カード。出典：arcprize.org
このテストは一体何を測定しているのか
まず、ARC Prizeとは何か、なぜ業界で「AIの大学入学共通テスト」と呼ばれているのかを整理しましょう。問題自体はとてもシンプルで、色のついたマス目で構成された図形パズルです。3つの例題から規則性を推測し、4つ目のパターンを描き出すというもので、大人の人間であれば一目見ただけで理解でき、平均85点前後を獲得できます。
しかしAIは、この手の問題に長年苦戦してきました。2024年時点の最強クラスの米国モデルでさえ、30〜40点程度しか取れませんでした。このテストには暗記できる問題集が存在せず、法則は千変万化するため、過去の類似問題を見ていても役立ちません。出題者は一つの賭けに出ました。「答えを丸暗記するだけのAIはこの関門を突破できず、合格できるモデルこそが真の『思考能力』を持つ」という賭けです。
図：ARC Prize公式サイトに展示されている人間とAIのスコア差。出典：arcprize.org
今回DeepSeekが挑んだのは、より難易度の上がった改訂版「ARC-AGI-2」です。100点満点中、61.4点を獲得しました。スコア自体は最高点ではありませんが、コストと組み合わせて見ると、この数字が持つ意味は一変します。
2つのランキング、2つの異なるゲーム
ARC Prizeには、実は2つのランキングが存在します。1つは単純な最高スコアを競うもの、もう1つはコストパフォーマンスを競うもので、公式では後者を「効率ランキング（Efficiency Leaderboard）」と呼んでいます。公式サイトには「真の知能とは、難問を解くだけでなく、最小限のリソースで解くことである」と明確に記載されています。
2つのランキングを比較すると、コントラストが際立ちます。米Anthropicのフラッグシップ「Claude Opus 5」は改訂版で90.4点を記録したものの、1問あたり2.06ドルを要します。対するDeepSeekは61.4点ながら1問わずか4セントで、コスト差は約50倍に達します。さらに厳しい立場にあるのがOpenAIの最高峰「GPT-5.6 Luna」で、59.6点とDeepSeekを下回りながら、コストは4倍以上となっています。
図：ARC Prize公式サイトのランキング散布図。横軸が1問あたりのコスト、縦軸がスコアを表し、左上に行くほど効率的であることを示す。出典：arcprize.org
これが「365スコアで首位を獲得」の意味です。効率ランキングにおいて、DeepSeek V4 Flash 0731は米国の競合モデルをすべて抑え込みました。単純な絶対精度では米国のフラッグシップが依然としてリードしていますが、「最高性能」と「最高コスパ」は今や異なる2つの企業に分かれたことになります。
精度ランキングでは米国企業が首位を維持しているものの、効率ランキングのトップ交代こそがビジネス界にとってより強力なシグナルとなります。企業がAIを導入する際、支払うのはAPIの呼び出し回数に応じた費用であり、ベンチマークの順位表に対して支払うわけではないからです。
安さの秘密：推論時により長く「考える」
なぜこれほど安くできるのでしょうか。まず、この種のテストにおける「推論時に長く考える」というルールを理解する必要があります。モデルは解答を提出する前に何度も試行錯誤や下書きを行うことができ、業界ではこれを「推論時計算（Inference-time compute）」と呼びます。試験場に入る前に天才である必要はなく、試験中に時間をかけて丁寧に下書きをすれば高いスコアを出せます。ただし、下書きには電気代がかかるため、「下書きコスト」を低く抑えた者が勝利します。
DeepSeekは、この「小規模モデル ＋ 強力な推論」アプローチを極限まで押し進めました。V4 Flashの総パラメータ数は2840億ですが、1トークン処理あたりに活性化されるのはわずか130億パラメータに過ぎません。これは、大部隊でありながら必要な時だけ精鋭部隊を派遣するような仕組みです。さらに重みが完全にオープンソース化されているため、誰でもダウンロードして自前でデプロイでき、中間マージンが発生しません。公式API価格は入力100万トークンあたり0.14ドル、出力100万トークンあたり0.28ドルと、米国の主力モデルより1〜2桁安い設定となっています。
オープンソースの意義は単なる安さにとどまりません。企業はモデルを自社サーバーに設置でき、データ漏洩の心配がなく、利用上限もなく、自社の業務に合わせてカスタマイズが可能です。リクエストごとに高額な料金を課す米国のクローズドモデル企業にとって、これはビジネスモデルそのものへの激震であり、価格競争はその氷山の一角に過ぎません。
1日5ドルという低価格の背景には、一般のデベロッパーが初めて「トップクラスの思考力」を気軽に利用できるようになったという転換点があります。かつてこのレベルの推論能力はリクエストごとの従量課金で高額だったため、重要タスクでしか使えませんでした。しかし今や、24時間バックグラウンドで稼働させ、あらゆる監視タスクを任せることができます。
1日5ドルの実測テスト
コミュニティでは、すでにこの環境を活用し始めている開発者がいます。Hacker NewsでのLaurensBER氏の報告によると、5〜6個の作業セッションと12並列の同時実行をフル稼働させても、1日で5ドルを使い切ることすら困難だったといいます。彼が契約していた月額200ドルのClaudeサブスクリプションは使われなくなりました。もちろんClaudeの方が性能自体は上ですが、「使う前に利用額を計算しなければならない」という精神的ハードル自体が、戻る気を失わせるのです。
彼が特に感銘を受けたのは、圧倒的な低価格によって解禁された新たな活用パターンです。自動テストが失敗した際にAIが自動で修正する、コードカバー率が不足している場合にコミット時に自動でテストを追加する、サーバーログやセキュリティ監査、すべての例外処理を念入りにチェックさせる、といった運用です。以前は「やる価値はあるがAIのコストが見合わない」と諦めていたタスクが、日常的なワークフローへと変わりました。
個別のシナリオは地味に見えるかもしれませんが、すべての開発者やチーム、そして毎日の運用に掛け合わされることで、全く新しいコスト曲線を描き出します。「無駄遣いできるほど安い」こと自体が、強力なケパビリティとなるのです。
米国AIラボが抱える大きなトラブル
これこそがシリコンバレーが抱く不安の根源です。HNで最も支持を集めたコメントの一つには、「米国のAIラボは大きなトラブルに直面している」と記されています。国家安全保障上の命令などで中国モデルを排除しない限り、オープンウェイトモデルがわずか数セントで動作し、自前でのデプロイやチューニングが可能な状況において、海外市場の顧客が商用プロプライエタリモデルの高額なプレミアムを支払い続ける理由はなくなります。
また、別の実用的なコスト計算を提示する声もあります。ログの監視や監査、データ品質のチェックといった作業は、最上位モデルを使うには高価すぎますが、安価なモデルには最適です。潜在的なニーズはずっと存在していましたが、これまでは誰もコストを負担できなかっただけなのです。
もちろん、「巨大モデルは代替不能である」という反論にも一理あります。別のコメント者は、単純なタスクであればどのモデルでも十分だが、24時間以上連続で稼働するような複雑なタスクでは小規模モデルの誤差が蓄積するため、依然として大型モデルが不可欠であると指摘しています。将来的には、「大型モデルが指揮官となり、安価なモデルが兵士として実務をこなす」というハイブリッド編成が現実的な落としどころとなるでしょう。
現在のトレンドを見る限り、競争の軸は「どちらがより強力か」から「どちらがよりコスト効率に優れているか」へと移行しつつあります。スマートフォンが高級品から日用品へと普及していったように、絶対的なパフォーマンスはもはや最も希少なリソースではなくなりつつあります。
以上の分析はARC Prize公式サイトおよび公開コミュニティでの議論に基づいています。筆者はこれらのプロジェクトの開発には関与しておらず、判断に偏りがある可能性もあります。ご意見や修正点がありましたらご指摘ください。
参考リンク
- ARC Prize: DeepSeek V4 Flash 0731 結果ページ
- ARC Prize: リーダーボード（順位表）
- HN 議論 (item?id=49214008)
- DeepSeek 公式 API ドキュメント
- Artificial Analysis: DeepSeek V4 Flash 価格と評価
- vLLM Recipes: DeepSeek V4 Flash モデル説明
