「DeepSeek-V4.1-Flash」552BのマルチモーダルMoEモデル：必要メモリ約570GB

2026年11月3日

「DeepSeek-V4.1-Flash」552BのマルチモーダルMoEモデル：必要メモリ約570GB

基本情報

項目 内容
リポジトリ deepseek-ai/DeepSeek-V4.1-Flash
まとめページ DeepSeek-V4.1 のまとめ(記事1本)
公開元のまとめ DeepSeek のモデルとライセンスのまとめ
公開日 2026-09-10
ライセンス mit
配布形式 safetensors
出典の種類 公開元の一次情報(公式HFアカウントの一次情報)

情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。

当サイトで確かめたこと

  • 同じ日本語を表すのに要るトークン数は、Qwen3 のトークナイザとほぼ同じです。

詳しい値と条件は、下の「当サイトでの実測」の節にあります。

概要

deepseek-aiは、552Bのバックボーンパラメータを持つマルチモーダルMixture-of-Experts（MoE）モデル「DeepSeek-V4.1-Flash」をHugging Faceに公開しました。最大100万トークンのコンテキスト長をサポートし、画像とテキストをネイティブに処理して自己回帰的にテキストを生成します。

スペック

  • パラメータ数: バックボーン552B（有効パラメータ数はプリフィル時8B / デコード時16B）
  • アーキテクチャ: MoE（Causal Encoder-Decoder、1 shared expert、384 routed experts、1層あたり6 routed expertを活性化）
  • コンテキスト長: 最大100万トークン
  • ライセンス: mit

性能

モデルカードおよびテクニカルレポートに掲載されているベースモデルおよびフロンティアモデルとの比較表は以下のとおりです。

→ 横にスクロールできます

Benchmark (Metric) # Shots DeepSeek-V4-Flash-Base DeepSeek-V4-Pro-Base DeepSeek-V4.1-Flash-Base
Architecture — MoE MoE MoE
# Backbone Params — 284B 1.6T 552B
# Activated Params — 13B 49B 8B / 16B
World Knowledge
AGIEval (EM) 3–5-shot 83.9 84.4 83.4
MMLU-Pro (EM) 5-shot 68.3 73.5 74.1
C-Eval (EM) 5-shot 92.1 93.1 92.1
MultiLoKo (LLM-Judge) 5-shot 42.6 50.9 45.5
SimpleQA-Verified (EM) 25-shot 30.1 55.2 42.3
SuperGPQA (EM) 5-shot 46.5 53.9 53.1
Language & Reasoning
BBH (EM) 3-shot 86.9 87.5 86.1
BBEH (EM) 1-shot 25.4 29.8 27.2
DROP (F1) 1-shot 88.6 88.7 87.9
HellaSwag (EM) 0-shot 85.7 88.0 87.2
Code & Math
BigCodeBench (Pass@1) 3-shot 56.8 59.2 60.6
HumanEval (Pass@1) 0-shot 69.5 76.8 79.4
GSM8K (EM) 8-shot 90.8 92.6 93.0
MATH (EM) 4-shot 57.4 64.5 61.1
MGSM (EM) 8-shot 85.7 84.4 80.2
Long Context
LongBench-V2 (EM) 1-shot 44.7 51.5 45.2
Multimodal
MMMU-Pro (EM) 4-shot — — 56.5
CVBench (EM) 4-shot — — 77.9
DocVQA (LLM-Judge) 4-shot — — 95.6
RefCOCO-avg (Acc@0.5) 0-shot — — 86.0

続いて、フロンティアモデルとの比較表（最大推論エフェクト設定）を一部の列に絞って示します。

→ 横にスクロールできます

Benchmark (Metric) GPT-5.6 Sol K3 DS-V4-Pro DS-V4-Flash DeepSeek-V4.1-Flash
Reasoning
GPQA Diamond (Pass@1) 94.1 92.9 92.4 89.9 90.9
Codeforces (Rating) — — 3348 3289 3471
MathArena Apex (Pass@1) — 65.6 65.3 58.6 65.6
Agentic
Terminal-Bench 2.1 (Pass@1) 88.8 88.3 87.9 82.7 90.6
Terminal-Bench 3.0 (Pass@1) 34.4 17.7 11.8 7.6 30.0
DeepSWE v1.1 (Resolved) 73.0 67.5 62.7 54.4 74.2
CyberGym (Pass@1) 84.5 80.0 83.3 76.7 88.1
AutomationBench (Pass@1) 45.8 46.7 43.2 37.7 54.8
Agent’s Last Exam (Pass@1) 26.7 27.6 25.7 25.2 31.8

公開元の評価結果によれば、DeepSeek-V4.1-Flashはコーディング分野（HumanEvalやBigCodeBench）や競技プログラミング（Codeforces）、エージェント系タスク（Terminal-BenchやDeepSWE v1.1など）で同規模帯や比較対象の中で最高値を記録しています。MMLU-Proなどの一般知識・推論でも高いスコアを示す一方で、一部の長文脈タスク（LongBench-V2）や多言語数学（MGSM）などではDeepSeek-V4-FlashやDeepSeek-V4-Proを下回る項目もあります。

得意なこと・想定用途

  • マルチモーダル対応: 画像とテキストを同時に処理するマルチモーダルタスク（DocVQAやRefCOCO等）
  • コーディングおよびエージェントタスク: 複数ライブラリの呼び出しを含むPythonタスクや、端末操作・ソフトウェアエンジニアリングのエージェント性能が極めて高い
  • 長文脈処理: 最大100万トークンのコンテキスト長をサポートし、KVキャッシュ圧縮技術（CSA2やFP4メインKVキャッシュなど）によりコスト効率を高めている
  • 推論努力の制御: 1から100の整数で推論コストと精度を調整できる「continuously controllable reasoning effort」設定をサポートする

動作環境

動作環境の目安(Local Model Watch 算出) — パラメータ数 763.2B

手持ちのVRAM 選べる量子化 ファイルサイズ 必要メモリの目安
570GB超のVRAMが必要(複数GPUまたはCPUオフロードが前提) FP8 475.3GB 570.3GB

推論エンジンの対応状況(各プロジェクトのソースにあるモデル登録表とアーキテクチャ名を当サイトが機械的に照合。2026-11-03 時点): llama.cpp: 登録あり、vLLM: 登録あり、MLX (mlx-lm): 登録あり。

必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。

手元で動かせるか

現時点では Ollama・LM Studio・llama.cpp で動かせません(GGUF版を確認できていない)。

公開元の配布は safetensors のみです。ただし llama.cpp の登録表にはこのモデルのアーキテクチャ名があるため、GGUFへの変換自体は可能な状態で、変換版が公開されれば動くようになります。公開元と実績のある量子化担当以外による変換版は 46 件あります。現時点で動かすなら transformers(PyTorch)・vLLM で読み込む形になり、必要メモリは上の表のとおりです。

ライセンス mit(商用利用可): 商用利用を含めて自由に利用・改変・再配布できます。再配布時に著作権表示とライセンス文を残すことが条件です。

配布形式・当サイトが見つけた変換版・各推論エンジンの登録表を突き合わせた判定です。「確認できていない」は当サイトが見つけていないという意味で、存在しないことの断定ではありません。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。

当サイトでの実測

当サイトのサーバー(GPUなし)で、このモデルのファイルを実際に読み込み・動かして確かめた値です。モデルカードの記載ではなく、当サイトが測った結果です。測り方と全モデルの一覧は観測データにまとめています。

日本語のトークン効率

トークナイザ 日本語1,000字あたりのトークン数 同じ内容の英文との比
このモデル 705 1.29倍
Qwen3 688 1.26倍
Llama 3.2 744 1.36倍
Gemma 3 564 1.03倍
gpt-oss 795 1.45倍
LLM-jp-3 497 0.85倍

同じ日本語を表すのに要るトークン数は、Qwen3 のトークナイザとほぼ同じです。

deepseek-ai/DeepSeek-V4.1-Flash の tokenizer.json で、当サイトが書き下ろした固定の文章(876字。ニュース・会話・技術文書・敬語のメール・紀行文・料理の6種)と、同じ内容の英文を数えました。トークン数が少ないほど、同じ文脈長に長い日本語が入ります。

同クラスの既報モデル

当サイトが最近取り上げた、パラメータ数 40B超 のモデルを、比較のために記事ログからコードが並べたものです。VRAM階層は当サイトの概算、ライセンスはモデルカードの記載です。

→ 横にスクロールできます

モデル パラメータ数 最小のVRAM階層 ライセンス 記事
Qwen/Qwen3.8-Flash-Next 180.0B — qwen-community-1.0 「Qwen3.8-Flash-Next」マルチモーダル対応のMoEモデル：必要メモリ約402GB(2026-10-04)
ggml-org/GLM-5.3-Flash-GGUF 321.3B — other 「GLM-5.3-Flash-GGUF」VLMモデル：必要メモリ約150GB(2026-10-03)
bartowski/Intern-S2-397B-GGUF 403.4B — apache-2.0 「Intern-S2-397B-GGUF」科学分野向けマルチモーダル基盤モデル：必要メモリ約102GB(2026-09-15)

入手方法

  • 配布形式: safetensors / transformers
  • 入手方法: Hugging Faceのリポジトリ (deepseek-ai/DeepSeek-V4.1-Flash) からダウンロード可能です。入手にライセンス同意は不要です（gated: false）。

派生版・量子化版

→ 横にスクロールできます

追記日 配布元 形式 リポジトリ 最小のVRAM階層(量子化・必要メモリの目安)
2026-09-17(公開7日後) nvidia NVFP4 nvidia/DeepSeek-V4.1-Flash-NVFP4 BF16 1690.8GB(単体のGPUには収まらない)

このほか、上記以外の投稿者による変換版が 46 件あります(当サイトは公開元自身と、実績のある量子化担当の配布だけを表に載せています)。

この節は、記事公開後に見つかった変換版を当サイトが機械的に追記したものです。必要メモリは配布ファイルのサイズから算出した概算です。 量子化の名前の読み方は用語集にあります。

関連記事

次に読むなら

出典

更新履歴

  • 2026-09-17: 変換版を「派生版・量子化版」に追記しました: nvidia/DeepSeek-V4.1-Flash-NVFP4
  • 2026-09-24: 記事の組み立てを更新しました: 「手元で動かせるか」の判定(配布形式・変換版・推論エンジンの登録表・ライセンス・実測の圧縮率)を追加
  • 2026-09-25: タイトルを、記事で分かる内容(必要VRAM・配布ファイル等)を示す形に変更しました。
  • 2026-09-28: 当サイトでの実測(日本語のトークン効率)を追加しました。

新モデルdeepseek-ai,DeepSeek-V4.1-Flash,Hugging Face,MoE,Multimodal,確認済み