ディープシーク API

-
開発元 杭州ディープサーチ人工知能基礎技術研究有限公司
公式サイト https://platform.deepseek.com/

は、DeepSeek によって開始されたモデル呼び出しプラットフォームであり、DeepSeek-V3、DeepSeek-R1、および DeepSeek-V4 シリーズ モデルに HTTP API インターフェイスを提供します。 OpenAI プロトコル形式と互換性があり、ストリーミング出力、関数呼び出し、JSON 構造化出力、コンテキスト キャッシュ、および 3 レベルの推論モード (Non-think/Think High/Think Max) をサポートします。 API 価格は GPT-5.5 Pro の 10 ～ 100 分の 1 であり、入力キャッシュ ヒットは 0.02 元/100 万トークン程度です。これは、開発者や企業が LLM 機能にアクセスするための最もコスト効率の高いソリューションの 1 つです。

ディープシーク API 製品インターフェース

ディープシークAPI

コアパラメータと統計

DeepSeek API は独立したモデルではなく、DeepSeek が V3/R1/V4 シリーズ モデルを標準化された HTTP インターフェイスにカプセル化する呼び出しプラットフォームです。基礎となるモデルは DeepSeek Web バージョンおよびアプリと共有されていますが、機能の公開、呼び出し方法、請求ロジック、および使用上の制約に本質的な違いがあります。API は、「人間とコンピューターの対話」シナリオではなく、「プログラムされた呼び出し」シナリオを指向しています。

パラメータの寸法 DeepSeek API 仕様
プロトコルの互換性 OpenAI API プロトコルの互換性 (base_url を直接置き換えることができます)
対応機種 deepseek-chat (非思考モード、現在 V4-Flash を指している)、deepseek-reasoner (思考モード、現在 V4-Flash を指している)
コンテキストウィンドウ 最大 1M トークン (V4 シリーズ)、128K (V3/R1 シリーズ)
最大出力 最大 384K トークン (V4 シリーズ)、8K ～ 32K (V3/R1 シリーズ)
ストリーミング出力 サポート (ストリーム: true)
関数呼び出し サポート (ツール呼び出しと複数ステップのタスク オーケストレーション)
JSON 構造化出力 サポート (response_format: {"type": "json_object"})
コンテキストのキャッシュ サポートされています (サーバーは重複したプレフィックスを自動的にキャッシュし、キャッシュ ヒット価格は 0.02 元/100 万トークンという低価格です)
推理モード Non-think (ストレートな思考) / Think High (従来の思考) / Think Max (最大の思考深さ) の 3 つのレベルが利用可能
インターネット検索 サポート (リクエスト内で検索パラメータを明示的に有効にする必要があります)
マルチモーダル 画像理解 (視覚言語モデル、非ネイティブ マルチモーダル モデルに基づく)
API エンドポイント https://api.deepseek.com
無料割り当て 登録して 1,000 万の入力トークンを受け取る (約 100,000 回の無料通話)

パフォーマンスとスループットのリファレンス: DeepSeek 関係者は、正確な TTFT (ファースト ワード ディレイ) および TPM/RPM 周波数制御値を引き続き開示していません。サードパーティの評価コミュニティ (Artificial Analysis など) からのサンプリング データによると、中程度の同時実行での V4-Flash の TTFT は約 200 ～ 400 ミリ秒、V4-Pro は約 400 ～ 800 ミリ秒です。頻度制御の観点から、API のデフォルトは 1 分あたり 60 リクエスト (RPM) および 1 日あたり 5,000 万トークンのベースラインを参照できます。高頻度シナリオ (>100 RPM) については、ビジネス拡張クォータにお問い合わせください。 TTFT は、コンテキストの長さ、推論モードの選択、同時実行性の 3 つの要素の影響を受けることに注意してください。 1M コンテキストの Think Max シナリオでは、最初の単語の遅延が 3 ～ 5 秒に達する可能性があります。これは超ロング コンテキスト シナリオの物理コストであり、サービスの例外ではありません。

ユーザーと市場の認識

DeepSeek API と DeepSeek Web バージョンの市場認識には明確な違いがあります。前者は開発者や企業にとっての「コスト低下」であるのに対し、後者は C エンド ユーザーにとっての「自由な対話ウィンドウ」です。

開発者コミュニティの浸透: GitHub では、DeepSeek API を中心とした統合プロジェクト (サードパーティ クライアント MCP サーバーの LangChain/LlamaIndex 統合 One API 転送などを含む) が 5,000 つ以上のスターを獲得しています。 API の OpenAI 互換プロトコルにより、移行コストが大幅に削減されます。開発者は、「base_url」を「https://api.openai.com」から「https://api.deepseek.com」に変更するだけで、コード ロジックを変更せずに切り替えを完了できます。これは、開発者コミュニティにおける DeepSeek API の急速な浸透の背後にある中心的な原動力です。

Bサイド企業による採用: 公開情報によると、金融、医療、産業、政府関係を含む 12 業界をカバーする 30,000 社以上の企業が API を通じて DeepSeek モデルにアクセスしています。 China UnionPay や National Pipeline Network Group などの国有企業は、マーケティング コピーの生成、インテリジェントな制御、パイプラインの安全性監査などの中核となるビジネス プロセスに API 呼び出しを組み込んでいます。同社が採用した中心的なロジックは、モデルのパフォーマンスだけをリードすることではなく、「同じ機能であれば、API コストは国際競争力のある製品のわずか 1/10 ～ 1/100 である」という経済性を考慮したものです。

サードパーティ評価の位置付け: Artificial Analysis、OpenRouter、LMSYS Chatbot Arena などのサードパーティ プラットフォームでは、DeepSeek API によって提供される V4 シリーズ モデルは、推論とエージェント機能の点でオープン ソース モデルの最高レベルに達しており、数学的 STEM および競合コーディング タスクにおけるトップのクローズド ソース モデルに匹敵します。ただし、世界の知識の網羅性とクリエイティブ ライティングの「自然さ」の点では、Gemini-3.1-Pro や Claude Opus 4.6 よりもわずかに劣っており、API の背後にあるモデルには、ロングテール ファクト インジェクションとスタイルの多様性の点で継続的な最適化の余地があることが示されています。

コストメリット

DeepSeek API のコスト構造は定期的なプロモーションではなく、MoE アーキテクチャの革新、ハイブリッド アテンション メカニズム、およびエンジニアリングの最適化によって達成された体系的な低価格設定です。その価格システムは中国の開発者に「次元削減の一撃」効果をもたらし、大規模モデル API の呼び出しコストを「セント/100 万トークン」から「セント/100 万トークン」のオーダーに押し上げています。

サービスの種類 コンポーネント DeepSeek-V4-フラッシュ DeepSeek-V4-Pro (25% オフ) 競合他社のリファレンス (GPT-5.5 Pro) 競合他社のリファレンス (Claude Opus 4.6)
入力 キャッシュヒット 0.02元/100万トークン 0.025 元/100 万トークン ~3.4 元/100 万トークン 未公開
キャッシュミス 1元/100万トークン 3元/100万トークン 約 30 ドル/100 万トークン 約 15 ドル/100 万トークン
出力 2元/100万トークン 6元/100万トークン 約 180 米ドル/100 万トークン 約 75 米ドル/100 万トークン

キャッシュ ヒットの本当のメリット: コンテキスト キャッシュは、DeepSeek API のコスト削減メカニズムの中で最も過小評価されています。固定のシステム プロンプト ワードと安定したダイアログ プレフィックス (カスタマー サービス ロボットやコード レビュー アシスタントなど) を使用する運用シナリオの場合、キャッシュ ヒット率は 60% ～ 80% に達する可能性があり、これは、実際の実効価格が 0.4 元/100 万トークン (V4 フラッシュ出力) 程度に低くなる可能性があることを意味します。ただし、動的コンテンツが頻繁に変更されるユースケース (毎回まったく異なる質問を入力するなど) の場合、キャッシュ ヒット率はゼロに近づきます。現時点では、「キャッシュミス」価格を参考にして予算を立てる必要があります。

無料クォータ戦略: 登録時に 1,000 万の入力トークン (約 500 万の出力トークン) がギフトとして与えられます。これは、軽量アプリケーション (1 日の平均入力 100,000 トークン) を約 100 日間実行するには十分な量です。 OpenAI の 5 ドルの無料クレジット (約 36 元) と比較すると、国内開発者が実際に利用できるクレジットは 30 倍近くになります。ただし、無料割り当てには有効期限 (通常 3 か月) があり、未使用の部分は自動的に消去されることに注意してください。

API コストの比較控除: 1 日あたり 200 万トークンを処理し、100 万トークンを入力する中規模アプリケーションを例にとると、V4-Flash の使用にかかる月額コストはおよそ (1×60 + 2×30) = RMB 120 です。 V4-Pro を 25% 割引で使用する場合の月額コストは約 (3×60 + 6×30) = 360 元です。同じ負荷での GPT-5.5 Pro の月額コストは約 (30×7.2×60 + 180×7.2×30) ÷ 100 ≈ 518 米ドル (約 3,700 元) となり、10 ～ 30 倍の差があります。

エンタープライズ/プライベート展開のコストのトレードオフ: オープンソース モデルの API 呼び出しとセルフホスト展開のどちらを選択するかは、純粋な価格の比較ではありません。 API モードは、GPU ハードウェアへの投資や運用保守チームを必要とせず、モデル呼び出し量の変動が大きいチームや、製品コンセプトを迅速に検証したいチームに適しています。民営化された展開では 1 回の通話の限界コストは低くなりますが (特に高同時実行シナリオの場合)、GPU サーバーの購入/リース (8x A100-80G の月額レンタルは約 50,000 ～ 80,000 元)、運用と保守の人員、ネットワーク帯域幅などの固定コストを負担する必要があります。企業の総コストは、「年間 API 料金とプライベート展開の 3 年間の TCO」で総合的に評価し、モデル バージョンの反復によって発生する更新コストを考慮する必要があります。

主な機能

DeepSeek API の機能設計は、「統合のしきい値を下げる、通話の柔軟性を拡大する、使用コストを制御する」という 3 つの主要なラインに焦点を当てています。これは、単にモデル チャット ボックスを HTTP インターフェイスに移動するだけの問題ではありません。

  • OpenAI プロトコルの互換性: これは、DeepSeek API にとって最も実用的な決定です。まったく同じリクエスト/レスポンス形式を使用することで、開発者は新しい SDK を学ぶ必要がなく、「base_url」と「api_key」を変更するだけで済みます。既存の OpenAI SDK ベースのコード、ツール チェーン (LangChain、LlamaIndex、AutoGPT など)、監視ミドルウェア (Helicone、Portkey など) を直接再利用できます。 移行コストはほぼゼロです - 中規模プロジェクトを OpenAI から DeepSeek API に切り替える場合、構成の変更には通常 10 分しかかからず、コードのリファクタリングは必要ありません。

  • 関数呼び出し: 「tools」パラメーターによるカスタム ツールの定義をサポートし、モデルが推論プロセス中にどの外部関数を呼び出すかを独自に決定できるようにします。エージェント アプリケーションの構築に適しています。このモデルは、「ユーザーの意図の理解 → 関数の呼び出しの決定 → 返された結果の解析 → 最終的な回答の生成」という完全なパッケージを 1 回の対話で完了できます。 V4 シリーズのエージェント機能はオープンソース モデルで SOTA に達し、関数呼び出しの精度は同じパラメータ量の Llama 4 および Qwen3 シリーズよりも優れています。

  • 3 レベルの推論モード: Non-think (ストレートモード)、Think High (通常の詳細な思考)、Think Max (最大限の詳細な思考) の 3 つのレベルを調整可能。 Non-think は、翻訳、要約、情報抽出などの遅延に敏感なタスクに適しています。 TTFT は通常 200 ミリ秒以内です。 Think High は日常的な質疑応答や中程度の複雑さの推論に適しており、出力トークンは Non-think の約 1.5 ～ 3 倍です。 Think Max は数学的証明、競技プログラミング、反事実分析に適しており、出力トークンは Non-think の 3 ～ 8 倍に達する可能性があります。 選択原則: 非思考で解決できるタスクには Think High を使用しないでください。また、Think High で解決できるタスクには Think Max を使用しないでください。推論の深さが深くなるほど、1 回の呼び出しのトークン消費量と遅延が非線形に増加します。

  • コンテキスト キャッシュ: サーバーは、リクエスト内のシステム プロンプト ワードと以前の会話履歴を自動的にキャッシュし、後続のリクエストのプレフィックス コンテンツが一致する場合、キャッシュされた結果を直接再利用します。顧客サービス ロボット (固定システム プロンプト + ユーザー問題の変更)、コード アシスタント (固定コンテキスト + 異なるコード セグメント レビュー) などのシナリオでは、キャッシュ ヒット率は 60% ～ 80% に達し、実効コストはミス価格の 2% ～ 5% に削減できます。キャッシュは自動的に管理され、開発者による手動操作は必要ありませんが、キャッシュには TTL (通常 5 ～ 10 分) があり、高頻度で繰り返されるリクエストも十分に活用できることに注意することが重要です。

  • JSON 構造化出力: response_format: {"type": "json_object"} を渡して、モデルに有効な JSON を出力させます。これは、AI 出力を下流の自動化パイプライン (データ クリーニング、自動フォーム入力、API パラメーター生成など) に直接接続する必要があるシナリオでは非常に重要です。これを使用する場合、予期される JSON スキーマをシステム プロンプトに明確に記述する必要があります。モデルはスキーマに従ってうまく機能しますが、複雑な入れ子構造の安定性とフィールド ヒットの一貫性はまだテストして検証する必要があります。

  • インターネット検索: API リクエストで検索パラメーターを有効にすると、モデルが推論中にインターネット情報をリアルタイムで取得して、トレーニング データの知識の限界を突破できるようになります。検索結果は、検索概要を個別に返すのではなく、コンテキストとして推論用のモデルに挿入されます。 V4 シリーズの検索結果の引用の精度は V3 に比べて向上していますが、依然として重要な事実のシナリオでは手動レビュー ポイントを設定することをお勧めします。

モデルとバージョンの進化

DeepSeek API のモデル バージョンの進化は、DeepSeek のモデル全体の反復と同期されますが、API エンドポイント管理には独自のライフ サイクルがあります。古いモデルはすぐにはオフラインになりませんが、停止時間は事前に通知され、開発者に移行期間が残されます。

API エンドポイントのマッピング関係

時間ノード deepseek-chat (考えていない) deepseek-reasoner (思考) 主な変更点
2024-12-26 ディープシーク V3 — 最初の API バージョン、基本的な会話機能
2025-01-20 ディープシーク V3 ディープシーク-R1 思考モードAPIはオンライン、推理特化
2025-05-28 DeepSeek-V3-0324 ディープシーク-R1-0528 推論機能と数学的ベンチマークが大幅に強化されました。
2025-08-21 DeepSeek-V3.1 DeepSeek-V3.1 (思考モード) ハイブリッド推論アーキテクチャ、128K コンテキスト
2025-09-22 DeepSeek-V3.1-ターミナル DeepSeek-V3.1-ターミナル 言語の一貫性とエージェント機能の最適化
2025-09-29 DeepSeek-V3.2-Exp DeepSeek-V3.2-Exp まばらな注意実験版
2025-12-01 DeepSeek-V3.2 DeepSeek-V3.2 一般的な機能がさらに向上
2026-04-24 V4-Flash の非思考を指す V4-Flash の考え方を示す V4 時代が始まり、古いエンドポイント名は 2026 年 7 月 24 日に廃止される予定です。

エンドポイント管理戦略: DeepSeek API は、「固定エンドポイント名とバックエンド モデルのローテーション」戦略を採用しています。 2 つのエンドポイント「deepseek-chat」と「deepseek-reasoner」は、V4 のリリース後、V4-Flash モデルを指しています。古いモデル (V3、V3.1、V3.2) は、リクエスト内の特定のモデル名として「model」パラメーターを指定することで呼び出すことができます。当局は、古いエンドポイント名の V3 シリーズ マッピングを 2026 年 7 月 24 日に非アクティブ化する計画を発表しました。開発者はサービスを停止する前に、新しいモデルへの移行のパフォーマンス検証を完了する必要があります。

API バージョンとモデル バージョンの関係: API の「バージョン」は、独立したソフトウェア バージョン番号ではなく、バックエンド モデル バージョンのマッピング層です。 DeepSeek が新しいモデルをリリースするたびに、API チームは互換性テスト、パフォーマンス ストレス テスト、安定性検証を実施します。検証に合格した後にのみ、新しいモデルが API エンドポイントにデプロイされます。したがって、API のリリースは通常、モデルのリリースより 3 ～ 14 日遅れます。このラグ期間の存在は、最新モデルの機能を追求する開発者が、モデル リリースの発表ではなく、公式 API の発表に注意を払う必要があることを意味します。

技術的な利点

DeepSeek APIの技術競争力は、単一モデルのパラメータスケールから生まれるのではなく、「より少ない計算能力コストで同等以上の推論品質を実現する」というシステムエンジニアリング能力から生まれます。

MoE アーキテクチャの低いアクティベーション コスト: V4-Pro はトークンあたり約 49B のパラメーターのみをアクティベートし (パラメーター合計 1.6T の 3% に相当)、V4-Flash は約 13B のパラメーター (284B の 4.6% に相当) をアクティベートします。アクティベーション率が非常に低いということは、API 呼び出しごとに消費される GPU コンピューティングの量が、同じ合計パラメーター量のモデルよりもはるかに少ないことを意味します。これが、DeepSeek API が GPT-5.5 Pro の 1/30 の価格で販売できる主な技術的理由です。DeepSeek が赤字で補助金を出しているからではなく、MoE アーキテクチャ自体がユニット推論の計算要件を低く抑えているためです。

ハイブリッド アテンション メカニズムのコンテキスト コスト革命: V4 シリーズのハイブリッド アテンション アーキテクチャ (CSA + HCA) は、1M の超長いコンテキスト シナリオにおける計算量とメモリ使用量を、従来のフル アテンション方式の 10% ～ 27% に削減します。 API 呼び出し元にとってこのメカニズムの直接的な重要性は、以前は高スペックの GPU インスタンスを別途購入する必要があった超長時間のドキュメント分析タスクが、OOM による呼び出し失敗を発生させることなく、標準構成で完了できるようになったということです。 KV キャッシュの占有率は従来の方法の 7% ～ 10% に減少します。これは、同じハードウェア条件下でより多くの同時リクエストをサポートできることを意味します。

FP8 混合精度トレーニングの推論ボーナス: DeepSeek はトレーニング段階で FP8 混合精度を完全に採用し、トレーニングされたモデルの重みは FP8 推論を自然にサポートします。 FP16 推論と比較して、FP8 推論ではグラフィックス メモリの使用量を約 50%、計算遅延を約 30% 削減できます。これは、API サービス プロバイダーが同じ GPU クラスター上でより多くの同時推論リクエストをホストできることを意味し、コスト上の利点は最終的に API の価格設定に反映されます。

国内コンピューティング能力適応のコンプライアンス価値: DeepSeek は Huawei の Ascend NPU との緊密な連携を実現しており、API サービスは Ascend プラットフォーム上でフルプロセス推論を完了できます。この機能は、政府事務、金融、エネルギーなど、局所的な代替ニーズがある業界にとって「かけがえのないライセンス価値」を持っています。新荘のポリシーの要件に基づき、API 呼び出しの基礎となるコンピューティング能力が NVIDIA GPU に完全に依存している場合、コンプライアンスのリスクに直面する可能性があります。ただし、注意してください: Ascend プラットフォームの推論スループットと安定性は、同世代の NVIDIA GPU よりも依然として弱く、高頻度のシナリオでは遅延の差が 20% ～ 50% に達する可能性があります。

使い方

DeepSeek APIの利用経路は「アカウント準備→APIキー取得→インターフェース呼び出し」の3ステップに分かれます。全体的なプロセスは OpenAI API と非常に一貫性があります。

使用状況の比較:

ご利用フォーム 適切なシナリオ 入口 コストモデル
HTTP API 直接呼び出し バックエンド サービスの統合、自動化されたワークフロー https://api.deepseek.com トークン量に応じて支払う
OpenAI SDK (Python/ノード) 迅速な移行、プロトタイプ開発 base_url と api_key を変更します。同上
LangChain / LlamaIndex の統合 複合エージェント/RAG アプリケーション 設定 ChatOpenAI(model="deepseek-chat", openai_api_base="https://api.deepseek.com") 同上
1 つの API / 新規 API 転送 マルチモデルの集約管理 自社構築の転送サービス 転送サービス料+API料
MCP サーバーへのアクセス Claude Desktop などの MCP クライアント mcpServers を設定する 同上

Python 呼び出しの例 (主要パラメータを含む):

「」パイソン openaiインポートからOpenAI

クライアント = OpenAI( api_key="", Base_url="https://api.deepseek.com" ）

応答 = client.chat.completions.create( model="deepseek-chat", # 現在は V4-Flash 非思考モードを指します メッセージ=[ {"role": "system", "content": "あなたはプロの Python コード レビュー アシスタントです。レビュー コメントを JSON 形式で出力してください。"}, {"role": "user", "content": "次のコードを確認してください:\ndef fib(n):\n if n <= 1: return n\n return fib(n-1) + fib(n-2)"} ]、 温度=0.3, # コードレビューシナリオには低温が推奨されます max_tokens=4096, # 出力長の上限を制御 stream=True, # ストリーミング出力を有効にして最初の単語の遅延を短縮します response_format={"type": "json_object"}, # JSON 出力を強制する

tools=[...], # 関数呼び出し定義 (オプション)

# enable_search=True # インターネット検索 (オプション、パラメータ名を確認する必要があります)

）

応答のチャンクの場合: chunk.choices[0].delta.contentの場合: print(chunk.choices[0].delta.content, end="") 「」

重要なパラメータ調整の提案:

  • 温度: コード/数学シナリオには 0.1 ～ 0.3、創造的な文章には 0.7 ～ 0.9、情報抽出には 0.0 ～ 0.2 が推奨されます。温度が高すぎると、推論タスクの出力が不安定になる可能性があります。
  • max_tokens: V4 シリーズは最大 384K をサポートしますが、実際の使用では、タスクのニーズに基づいて適切な上限を設定することをお勧めします。設定が高すぎると、待ち時間が長くなるだけでなく、未使用のトークンによる請求の無駄が発生します。
  • stream: 運用目的では、常に stream=True を有効にすることをお勧めします。これにより、ユーザーが知覚する最初の単語の遅延を大幅に減らすことができます。長い出力シナリオでは、エクスペリエンスの差が数秒に達する可能性があります。
  • response_format: 構造化された出力が必要なシナリオでは、JSON モードを有効にすることをお勧めしますが、モデル出力の JSON スキーマはシステム プロンプトで明確に通知される必要があります。 JSON モードでは、モデルは形式の正確性を確保するために世代の多様性の一部を犠牲にするため、クリエイティブなタスクでこれを有効にすることはお勧めできません。
  • tools (関数呼び出し): 各ツール定義には、name、description、および parameters (JSON スキーマ) が含まれる必要があります。ツールの説明はできるだけ詳細に行う必要があります。説明が正確であればあるほど、モデルが正しいツールを選択する際の精度が高くなります。

オンライン検索の呼び出し方法: API を呼び出すときは、リクエスト本文に検索関連のパラメーターを追加する必要があります (特定のフィールド名は公式 API ドキュメントに従います)。検索スイッチは、Web 版およびアプリの入力ボックスで手動でオンにすることができます。ネットワーク検索は推論遅延 (約 1 ～ 3 秒) を増加させるため、リアルタイム情報が必要なシナリオでのみ有効になることに注意してください。

製品の価格設定

DeepSeek APIの料金体系は「Cエンド無料Web版＋APIボリュームベースの超低価格」の二本立て戦略を採用しており、「月額サブスクリプション制」や「パッケージ」モデルは存在しない。価格については、上記のコストメリットの章で詳しく説明しています。ここでは、さまざまな消費レベルでの実際のコスト控除と請求に関する考慮事項に焦点を当てます。

個人開発者/小規模使用: 無料登録の制限は約 1,000 万の入力トークンです。個人の開発者が、毎日平均 100,000 トークンを入力する自動スクリプト (AI 日次サマリー ジェネレーターなど) を実行する場合、無料割り当ては約 100 日間使用できます。その後、V4-Flash のコストは約 (1×3 + 2×1.5) = 6 元/月 (1 日の平均入力 100,000、出力 50,000 に基づいて推定) となり、これはほとんど無視できます。

中規模アプリケーション: 1 日の平均入力が 200 万トークン、出力が 100 万トークンのアプリケーションの場合、V4-Flash の使用にかかる月額コストは約 (1×60 + 2×30) = 120 元です。 V4-Pro を 25% 割引で使用する月額料金は約 360 元です。この規模は月間約 100,000 件の会話に相当し、通話あたりの平均コストは約 0.0012 ～ 0.0036 元 (0.12 ～ 0.36 セント) で、国内の主流クラウド API の平均価格よりもはるかに低くなっています。

コンテキストを伴う高頻度/大規模生産: 1 日の平均投入量は 2,000 万トークン、生産量は 1,000 万トークン、月額コストは約 (1×600 + 2×300) = 1,200 元 (V4-Flash) です。このレベルでは、DeepSeek ビジネス チームに連絡して、段階的な価格設定または予約されたリソースの割引を取得することをお勧めします。同時に、評価も必要です。毎月の API 料金が 5,000 元を超える場合、特に固定の GPU リソースと完全な運用保守チームがある場合は、プライベート展開の方が経済的な選択肢になる可能性があります。

請求メモ:

  • 入力トークンと出力トークンは別々に請求され、出力価格は入力よりも高くなります (約 2 倍)。
  • キャッシュ ヒットの入力トークンは大幅な割引を受けられます (ミス価格の 2% 程度)。
  • システム プロンプト ワードは入力トークンの請求に含まれており、コストを削減するために合理化することをお勧めします。
  • インターネット検索の検索結果トークンも入力料金に含まれており、実際の使用量は予想を超える場合があります。
  • 失敗したリクエスト (頻度制御、タイムアウト、パラメータ エラーなどによる) には料金は発生しませんが、ビジネス ギャップを避けるために合理的な再試行戦略を設定することをお勧めします。

アプリケーションのシナリオ

DeepSeek API の実装シナリオは「バッチ処理、構造化出力、自動統合」を共通機能としており、Web 版の「人間とコンピュータのインタラクション」シナリオとは明確に区別されます。

  • インテリジェントな顧客サービスおよび作業指示システム: FAQ、作業指示の分類、標準化された応答生成を処理するために、ディープシーク チャット (非思考モード) を顧客サービス システムに組み込みます。ファンクションコールは、注文ステータス、在庫情報、またはユーザー履歴を照会するために使用でき、「理解→照会→応答」の概念を形成します。 実装のヒント: 顧客サービスのシナリオでは、応答形式の一貫性について高い要件が求められます。オンラインにする前に、JSON モードを使用して出力構造を制限し、高頻度の問題タイプをカバーするために少なくとも 500 のテスト ケースを準備することをお勧めします。エンタープライズ レベルのカスタマー サービスでは、システム プロンプト ワードの繰り返し請求を減らすために、コンテキスト キャッシュを有効にすることをお勧めします。

  • コード レビューと自動テスト: deepseek-reasoner (Think High モード) を CI/CD パイプラインに接続して、プル リクエストの自動コード レビューを実行し、単体テストを生成し、セキュリティ脆弱性を検出します。 V4 シリーズの 1M コンテキスト ウィンドウは、コード ウェアハウス全体のコア ソース ファイルを一度に読み取って、ファイル間分析を行うことができます。 実装のヒント: コード レビュー シナリオでの一般的なトークンの消費量は比較的多くなります (ファイルごとに 2,000 ～ 10,000 トークン)。完全なコードを送信するのではなく、増分差分を通じてコストを削減することをお勧めします。モデルには特定の言語フレームワークのベスト プラクティスが適用されていない可能性があるため、チームのコーディング規約をプロンプトに挿入することをお勧めします。

  • コンテンツの量産と構造化抽出: 非構造化ドキュメント (PDF、Word、スキャンされたドキュメント) から主要なフィールドを抽出し、JSON 形式で出力します。契約条項の抽出、請求書情報の入力、履歴書の分析など、データ集約型のシナリオに適しています。 V4 シリーズは、OCR 後のテキスト理解において優れたパフォーマンスを発揮しますが、複雑なテーブル構造や手書きコンテンツには依然として制限があります。 実装のヒント: 長いドキュメントは、全文を一度に送信するのではなく、8K ～ 16K のトークン段落に分割し、個別に処理することをお勧めします。これにより、トークン コストを制御できるだけでなく、単一の段落が失敗した場合の再試行コストも削減できます。

  • RAG アプリケーションの生成エンジン: RAG パイプラインのセグメント化された生成コン​​ポーネントとして機能し、取得されたコンテキスト フラグメントを受け取り、最終的な回答を生成します。 DeepSeek API は低価格であるため、ナレッジ ベースの Q&A アプリケーションに特に適しています。このようなアプリケーションは通常、長い入力 (検索結果のつなぎ合わせ) と短い出力 (数文の回答) を備えているため、コスト構造は当然有利です。 実装のヒント: RAG シナリオでは、Think High モードは通常、Non-think モードよりも正確な応答を生成できますが、出力トークンの消費量が 50% ～ 100% 増加するため、精度とコストの間の特定のテスト バランスが必要です。

  • エージェントのワークフローと自動化: 関数呼び出しを通じて LLM を外部ツール (データベース クエリ API 呼び出し、ファイル操作、Web ページ アクセス) に接続し、複数ステップのタスク自動化を構築します。 V4 シリーズは、オープンソース モデルの中で最高のエージェント機能を備えており、単一ステップのタスク計画の成功率は、主要な競合製品よりも 5 ～ 10 パーセント ポイント高くなります。 実装のヒント: エージェント シナリオでは、複雑なタスク計画におけるモデルの無限ループやトークン サージを防ぐために、ステップ数の上限 (10 ～ 20 ステップを推奨) とタイムアウト制御を実装する必要があります。

シナリオには適していません: DeepSeek API は、非思考モードでも 200ms 以上のネットワーク遅延と推論遅延があるため、ミリ秒の応答を必要とするリアルタイム アプリケーション (オンライン翻訳、リアルタイム音声対話など) には適していません。また、出力スタイルに極めて高い独創性が求められるブランドのコピーライティング シナリオにも適していません。DeepSeek モデルは、創造的な多様性とスタイルの一貫性の点で、Claude シリーズよりもまだ弱いのです。さらに、高頻度の呼び出し (>100 RPM) が必要で、頻度制御の制限を受け入れることができない運用シナリオでは、クォータの拡張を取得するために企業に連絡する前に可用性のリスクが発生します。

該当する人

DeepSeek API の位置付けにより、その中心となるユーザー グループは「開発能力を持ち、費用対効果を追求し、AI 機能を自社のシステムに組み込む必要がある技術チームおよび個人」であると判断されます。

  • 個人開発者および独立系開発者: API を介して、個人プロジェクトで非常に低コストで LLM 機能にアクセスできます。自動化スクリプト、個人用ナレッジ ベース アシスタント、コード支援ツールなどの構築に適しています。 境界には適していません: 要件がプログラムによる統合ではなく、日常会話の Q&A だけである場合は、API ではなく DeepSeek の無料 Web バージョンの使用を優先する必要があります。API は、無料割り当てを使い切った後でも従量課金制が必要です。基本的な Python/Node.js 開発能力があり、少なくとも HTTP リクエストと JSON 形式を理解できることが推奨されます。

  • スタートアップ チームおよび中小規模のテクノロジー企業: API の価格が低いため、スタートアップ チームは、GPU ハードウェアに事前に投資することなく、月額数十元から数百元の費用で製品の初期段階で AI 機能を統合できます。また、V4-Flash のシングル カードでの実行性により、セルフホスト型代替手段へのハードウェアの参入障壁も低くなります。 実装のヒント: 最初に API モードで製品コンセプトとユーザーの受け入れを検証し、次に、スケールアップされたコスト モデルに基づいてセルフホスト展開に切り替えるかどうかを決定することをお勧めします。契約内の API バージョンの切り替えによって生じる互換性リスクに注意してください。古いエンドポイントの非アクティブ化により、サービスが中断される可能性があります。

  • エンタープライズ開発チームおよびシステム インテグレーター: API を通じて LLM 機能を社内システム (OA、CRM、ERP、顧客サービス プラットフォーム) に組み込み、プロセスの自動化と意思決定支援を実現します。企業ユーザーは、API の周波数制御制限がビジネスのピーク需要を満たしているかどうか、またデータ プライバシー条件で API を介した機密情報の送信が許可されているかどうかを優先する必要があります。 前提条件の購入: 企業は、「AI を最初に利用する」という目的で API 割り当てを購入するのではなく、AI 統合のための具体的なシナリオと定量化可能な効率指標を明確にする必要があります。無料クレジットを使用して PoC 段階で技術検証を完了し、その後一括購入することをお勧めします。

  • AI アプリケーション開発者およびエージェント ビルダー: 関数呼び出しおよびツール呼び出し機能を使用して、複雑なマルチステップ AI アプリケーションを構築します。このグループは、モデルのエージェント機能、関数呼び出しの精度、および長いコンテキスト ウィンドウに最も敏感です。 不適合な境界: アプリケーション シナリオに多数の画像/音声/ビデオのマルチモーダルな理解が含まれる場合、DeepSeek API のビジュアル モデル機能は制限されており、Gemini API または GPT API を優先する必要があります。アプリケーションにプライベート展開と厳格なデータ主権要件が必要な場合は、セルフホスト ソリューションの技術コストと運用および保守の負担を評価する必要があります。

概要と展望

DeepSeek API の核となる競争力は、パラメータ数が最も多いモデルを持っていることではなく、「最小限のコストで十分な推論機能を提供する」というエンジニアリング能力にあります。これにより、大規模なモデル API が「贅沢品」から「日用品」に変わり、独立系開発者や中小企業が月額数十元のコストで一流の推論機能を自社の製品に統合できるようになります。

現在の主な利点: API の価格は、国際的な競合製品の 10 ～ 100 分の 1 であり、この価格差は補助金を使ってお金を浪費するのではなく、アーキテクチャの革新に基づいており、持続可能です。 OpenAI プロトコルの互換性により、移行コストがほぼゼロになり、これが開発者による迅速な導入の重要な要素となります。 V4 シリーズは、推論、コーディング、エージェント機能の点でオープン ソース モデルの最高レベルに達しており、ほとんどの実稼働シナリオに「十分」です。コンテキスト キャッシュや JSON スキーマなどの機能は、マーケティングの仕掛けではなく、プロジェクトの実装に直接役立ちます。

現在の主な制限: API 周波数制御と SLA の透明性が不十分 - 公式は明確な RPM/TPM ラダー上限と可用性 SLA を開示しておらず、主要なビジネス シナリオに潜在的なリスクをもたらしています。このモデルの世界知識カバレッジの精度は、最上位のクローズドソース モデルよりも依然として低く、正確な事実の想起が必要な垂直シナリオ (医療診断サポート、判例検索など) ではパフォーマンスが不安定です。クリエイティブライティングやブランドコピーライティングシーンの生成品質はクロードシリーズほどではなく、非常に高い出力スタイルを必要とする用途には適していません。長いコンテキストのシナリオ (>500K) での推論遅延は依然として高く、Think Max モードは極端なシナリオでは最初の単語の遅延が 5 ～ 10 秒に達する可能性があります。

続観測ポイント: V4 正式版リリース後、API により詳細な周波数制御分類や地域加速ノード (現時点では国内ノードのみ) が導入されるかどうか。担当者が API の正式な SLA コミットメントと補償条件をリリースするかどうか。 DeepSeek モデルのワールド ナレッジ注入戦略が、クローズド ソース モデルとのギャップを縮めるために引き続き最適化されるかどうか。オープンソース コミュニティが、DeepSeek API のエコロジー ツール (モニタリング、キャッシュ、負荷分散) を中心とした成熟したソリューションを形成できるかどうか。

調達と導入のリスク評価: 個人の開発者やスタートアップ チームにとって、DeepSeek API は現在、最も費用対効果の高い LLM API の選択肢です。無料割り当ては概念実証を完了するのに十分で、従量課金制のコストは非常に低く、長期的なロックイン リスクはありません (いつでも OpenAI API または他の互換サービスに切り替えることができます)。企業ユーザーの場合は、最初に非クリティカルなプロセス (社内ナレッジ Q&A、レポート ドラフト生成、コード支援レビュー) でモデルの機能と API の安定性を検証し、その後、顧客向けの実稼働プロセスに徐々に拡張することをお勧めします。コンプライアンスに敏感な業界では、API を使用する前にデータ プライバシー条件を確認することに重点を置く必要があります。API に送信されるテキストがモデルの二次トレーニングに使用されないこと、およびデータ エクスポートのコンプライアンス要件を満たしていることを確認する必要があります。 API コール量が月額料金 5,000 元を超える場合は、ビジネス中断のリスクを回避するために、民営化導入の TCO 評価を開始し、モデル バージョンの更新条件 (古いエンドポイントの停止の移行期間を含む) を調達契約に記載することをお勧めします。

関連ツール: hugging-face、replicate

バージョン情報

  • DeepSeek-V4-Pro プレビュー (API) ：V4 プレビュー フラッグシップ モデルは API を通じてオープンで、合計 1.6T のパラメータ (アクティブ化された約 49B) を持ち、1M のコンテキスト ウィンドウをサポートし、ハイブリッド アテンション アーキテクチャにより長いシーケンス推論のコストが大幅に削減されます。
  • DeepSeek-V4-Flash プレビュー (API) ：V4 プレビュー バージョンの費用対効果の高いモデルは API を通じてオープンされ、284B のパラメータ (約 13B がアクティブ化) を持ち、1 枚のカード A100 で実行でき、高頻度の通話には経済的な選択肢です。
  • DeepSeek-V3.2 (API) ：V3.2 の一般モデル API はオンラインであり、最先端のクローズドソース モデルに対するパフォーマンス ベンチマークがあり、ナレッジ ベースは 2025 年 5 月に更新されています。
  • DeepSeek-V3.1 (API) ：ハイブリッド推論アーキテクチャ モデル API はオンラインであり、128K のコンテキストで高速応答と深い思考モードの切り替えをサポートします。
  • DeepSeek-R1-0528 (API) ：R1 には大幅にアップグレードされた API があり、推論機能が大幅に向上し、数学的ベンチマークのパフォーマンスが大幅に向上しました。
  • DeepSeek-R1 (API) ：推論に特化したフラッグシップ モデル API はオンラインであり、強化学習によって駆動され、優れた数学、プログラミング、論理推論機能を備えています。
  • DeepSeek-V3 (API) ：671B MoE ベース モデル API はオンラインであり、後続のシリーズの基礎を築きます。

ユーザーレビュー

  • レビューを読み込み中...