2026年DeepSeek V4モデル置換、請求を増やさない選び方

移行後に応答が遅くなり、出力トークンと請求額まで増えているなら、まず thinking の暗黙有効化を疑ってください。

2026年7月31日時点の最短解は、deepseek-chat の普通の対話とバッチ処理を deepseek-v4-flash へ移し、thinking を明示的に無効化することです。推論タスクはすぐProへ固定せず、Flash thinkingとPro thinkingを同じ評価データで比較してから振り分けます。

誰が読むべきか

deepseek-chatを使うチャット、要約、分類、抽出APIを保守している開発者向けです。
SDKや共通ゲートウェイの既定値を管理するプラットフォーム担当者、AI Agentの品質・遅延・API支出を決める技術責任者にも役立ちます。

注意: deepseek-chat と deepseek-reasoner は、公式発表上、2026年7月24日15:59 UTC以降に利用可能なモデル名から退役しています。下線前の互換期間に行われたルーティングと、下線後にあなたが採用する工程上の推奨マッピングは分けて記録してください。
最終更新日：2026年7月31日。モデル名、thinkingの既定値、料金、APIパラメータはDeepSeek公式のV4発表、モデルと料金表、Thinking Modeガイドを基に確認しています。

まず用途別の置換先を決める

公式にはV4 FlashとV4 Proの両方が用意され、どちらもthinkingと非思考モードに対応します。thinkingの切り替えは既定で有効と説明されているため、モデルIDだけを変更すると、旧来の普通の応答が思考付きリクエストへ変わる可能性があります。 (api-docs.deepseek.com)

ここで重要なのは、公式の互換期間における deepseek-chat からFlash非思考、deepseek-reasoner からFlash thinkingへの対応と、下線後の本番設計を混同しないことです。特に旧deepseek-reasonerを見て、必ずV4 Proへ変更するという一対一の判断は公式には確認されていません。

普通の対話チームはFlash非思考で固定する

チャット画面、社内検索の回答、定型的な文章作成では、まずV4 Flashの非思考モードを基準にします。モデルの能力差を想像で決めず、同じ入力、同じシステム指示、同じ出力形式で比較してください。

最小限のリクエスト例は次の形です。

{
  "model": "deepseek-v4-flash",
  "messages": [
    { "role": "user", "content": "問い合わせ内容を3項目で要約してください。" }
  ],
  "extra_body": {
    "thinking": {
      "type": "disabled"
    }
  }
}

ただし、アプリの設定ファイルにこの値があるだけでは不十分です。SDKの互換層、社内プロキシ、共有ゲートウェイがextra_bodyを落としていないか、最終出力リクエストを保存して確かめます。レスポンスでは、少なくとも次の値を確認してください。

公式のAPIガイドでは、OpenAI互換形式のthinking指定をextra_body内に置く形が示されています。temperatureやtop_pなど、thinkingモードで効果を持たないパラメータもあるため、旧設定をそのまま引き継がないでください。 (api-docs.deepseek.com)

バッチ処理は入力キャッシュと再試行を分けて見る

大量の要約、分類、抽出、商品説明の生成では、思考モードを既定にすると品質に不要な処理を追加することがあります。まずFlash非思考で小さな代表データを処理し、形式エラー、再試行、空回答だけを集計します。

請求の確認では、モデル名だけでなく、入力キャッシュの状態と再試行を分けて見ます。公式料金表は入力をキャッシュヒット、キャッシュミス、出力トークンに分けて掲載しており、FlashとProで単価も異なります。価格は変更される可能性があるため、固定値を社内資料へコピーせず、最新の公式料金表を基準にしてください。

Flash thinkingやProへ上げる条件は、印象ではなく退出条件にします。たとえば、構造化出力の検証失敗が許容範囲を超える、重要項目の抽出再現率が基準未達、または人手確認の差し戻しが一定期間続く、といった状態です。数値基準は各チームの実データで設定し、全移行に共通する「請求が何倍になる」という断定は避けてください。

AI Agentは単発リクエストで比較しない

AI Agentでは、モデルが回答を1回返して終わるとは限りません。thinkingモードでツール呼び出しを使う場合、推論、ツール実行、結果の再投入、最終回答という複数のサブリクエストになることがあります。公式ガイドも、ツール呼び出しを含むターンではreasoning_contentを後続リクエストへ渡す必要があると説明しています。 (api-docs.deepseek.com)

そのため、FlashとProの比較単位は「最初のAPI応答」ではなく「1タスクの完了」です。次の4項目を同じタスク集で記録します。

• 完了率と最終回答の品質
• タスク全体のAPIリクエスト数とツール呼び出し数
• 各サブリクエストのmodel、usage、thinking状態
• ユーザー入力から最終回答までの端から端までの遅延

簡単なツール呼び出しなら、公式発表が示すようにFlashがProに近い結果を出す可能性がありますが、これはすべてのAgentへ無条件に適用できる保証ではありません。まずFlash thinkingを標準候補にし、失敗時の損失が大きい業務、長い計画立案、コード変更の検証などでPro thinkingを比較します。 (api-docs.deepseek.com)

高品質推論はFlashとProを同じ条件で試す

コード推論、複雑な分析、契約・審査の補助などでは、thinkingを切ると品質不足になる場合があります。ただし「推論が必要だからPro」という順番にすると、モデル変更とモード変更が同時に起き、どちらが品質や請求に影響したのか分からなくなります。

次の順で比較すると、判断を分離できます。

1. Flash非思考を基準として保存します。
2. 同じFlashでthinkingを有効にします。
3. 同じ評価データをPro thinkingで実行します。
4. 正答率、重大な誤り、出力トークン、再試行、端から端までの遅延を並べます。
5. 品質改善が業務上の失敗コストを超える場合だけProへ移します。

公式の料金表では、FlashとProに異なる入力・出力単価と同時実行上限が掲載されています。たとえば現在の表では、Flashの同時実行上限は2500、Proは500とされていますが、料金・制限は変更され得るため、リリース時点の値として扱い、運用前に再確認してください。 (api-docs.deepseek.com)

プラットフォーム側で旧別名を消す

モデルをアプリごとに個別修正すると、サービスごとにthinkingの既定値や回退先がばらばらになります。共通ゲートウェイでは、最終的に次の情報を1つのルーティング記録へまとめます。

未改修サービスのために一時的な旧別名を残す場合も、永久の互換名として扱わないでください。回退先、責任者、削除条件を設定し、実際の出力リクエストで旧名が残っていないことを定期的に確認します。

チーム横断の移行チェックを完了する

本番トラフィックを増やす前に、次の項目を1つずつ確認してください。

• [ ] 普通の対話とバッチ処理がFlash非思考へ移っている
• [ ] thinkingをリクエストへ明示し、ゲートウェイで上書きされていない
• [ ] レスポンスのmodelが想定したV4モデルIDになっている
• [ ] usageで入力、出力、キャッシュ状態を確認できる
• [ ] Agentは単発応答でなく、ツールを含む完了タスクで比較している
• [ ] Flash thinkingとPro thinkingを同じ評価データで比較している
• [ ] 旧別名、一時ルート、回退条件に削除期限がある
• [ ] 異常時にFlash非思考へ戻せる
• [ ] 品質、リクエスト数、使用量、遅延を連続して観測できる

請求の回復は総額だけで判断しません。リクエスト量が増えたのか、出力トークンが増えたのか、キャッシュミスが増えたのか、Agentのサブリクエストが増えたのかを分解します。公式のトークン利用量に関する説明も、運用前にTokenと利用量の公式ガイドで照合してください。

FAQ

deepseek-chatの終了後は、まずどのモデルへ変更すればよいですか？

普通の対話、要約、分類、抽出などが中心なら、deepseek-v4-flashを指定し、thinkingをdisabledにするのが安全な初期値です。旧モデル名だけを新しいIDへ置き換えず、最終リクエストとレスポンスのmodel、usageを確認してから本番トラフィックを戻してください。

普通の対話ではDeepSeek V4 FlashとProのどちらを選ぶべきですか？

最初からProへ上げる必要はありません。回答品質、再試行率、待ち時間、入力と出力のトークン量を同じ評価データで比較し、Flash非思考で要件を満たせないケースだけをthinkingまたはProへ段階的に移します。

deepseek-v4-flashのthinkingモードはどのように無効化しますか？

OpenAI互換形式では、リクエストのextra_body内にthinkingのtypeをdisabledとして渡します。SDKや共通ゲートウェイがこの値を削除または上書きする場合があるため、設定ファイルではなく実際の出力リクエストを記録して確認することが重要です。

deepseek-reasonerから移行する場合、必ずV4 Proが必要ですか？

必須ではありません。公式発表は旧モデル名の終了とV4 Flash・Proの提供を示していますが、deepseek-reasonerの後継を一律にProへ固定していません。まずFlash thinkingとPro thinkingを同じタスク集で比較し、品質向上が資源コストに見合う場合だけProへ移してください。

移行の問題がmacOSやiOSクライアント、Xcodeのビルドチェーン、特定SDKの組み合わせでだけ再現するなら、本番アプリを何度も切り替えるより、短期の隔離されたクラウドMac環境で検証する方が安全です。利用可能なシステム、引き渡し方法、レンタル期間が再現条件に合うかを確認するなら、VpsGonaの日本語サポート案内とMac環境の案内を先に確認してください。

現在のローカルMacだけで検証すると、端末のSDK、プロキシ、証明書、ビルド設定が混ざり、API移行の問題と環境差を切り分けにくくなります。一方で、長期にわたり安定した重い処理を回す場合や、特定の物理ポート・周辺機器が必要な場合は、短期レンタルが最適とは限りません。短期間の移行回帰だけが目的なら、必要な期間と納品条件を確認したうえでVpsGonaのクラウドMacを比較対象に入れると、専用端末の購入や既存環境の繰り返し変更より、検証範囲を限定しやすくなります。