DeepSeekの4.7倍値上げが露わにしたトークンメーターの限界

2026年8月、DeepSeekはV4-Flashのピーク時間帯の出力価格を100万トークン当たり$0.28から$1.32へ4.7倍に引き上げた。モデルも課金単位も変わらないにもかかわらず、オフピークでは同じ出力が$0.66だった。エージェントを導入する購入者にとって、この時間帯別価格はトークンメーターでは答えられない問いを浮かび上がらせた。完成した仕事に、実際いくらかかったのか。

DeepSeekがこの問いをとりわけ鮮明にするのは、2025年3月から2026年8月にかけて、モデル経済性の派手な訴求、ベンチマーク競争、大幅値引き、エージェントツール、そして供給能力に応じた価格設定という商業展開を一通り進めてきたからだ。2025年3月、DeepSeekは24時間の期間におけるV3とR1の推論について、売上高に対して理論上545%の利益率を報告した。2026年8月までに同社は差別化された推論量を販売し、モジュール型ハーネスを公開し、時間帯に応じて異なるトークン料金を設定していた。

DeepSeekは2024Q4には4本、2025Q1には133本の記事に登場した。2024年から2026年の比較期間を通じて、研究としての位置付けは80.0%から46.9%へ低下し、資金調達としての位置付けは31.2ポイント上昇した。報道は次第に、価格、利益率、開発者スタックの解釈を要する供給者としてDeepSeekを扱うようになった。

異なるモデルを比較可能にしたからリーダーボードは勝った

購入者が製品を比較するには、モデルベンダーに共通言語が必要だった。ベンチマークは能力の座標を、APIの価格表はコストの座標を提供した。完全なワークフローではそうはいかないが、この二つの数字は購買委員会、投資家向け資料、製品発表の間をきれいに流通する。

DeepSeekがベンチマーク上でV4-ProをMoonshot AIのKimi K3と比較した際にも、まさにこの文法を使った。V4-Proの価格は入力100万トークン当たり$0.435、出力100万トークン当たり$0.87と記載された。この比較なら、購入者は能力と名目価格を一行で把握できる。DeepSeekにもMoonshot AIにも、共通の本番ワークフロー、受け入れ基準、エスカレーション方針を定義する必要はなかった。

複合評価でも、実際の進歩は明らかにできる。DeepSeek V4-FlashはArtificial Analysis Intelligence Indexで50点を獲得し、Gemini 3.6 Flashに並んだ。4月のプレビューからは10ポイント上昇した。同じ評価では、V4-Flashのハルシネーション率が11ポイント低下して84%となり、精度は37%にとどまったと報告された。信頼性の指標は、単一の総合スコアでは隠れてしまう違いを示す。

ベンチマークの設計者も、単なる記憶の想起では通過しにくいテストを作っている。ARC Prize Foundationは、記憶検索ではなくその場での推論を試す、斬新でビデオゲームのようなシナリオを中心にARC-AGI-3を設計した。エージェント的な現実の業務タスクを軸にした評価で、DeepSeekのGDPval-AA v2の結果は1189から1559に上昇した。どちらの取り組みも、モデル評価とデプロイ後の振る舞いの隔たりを縮める。

テストが難しくなっても、評価から調達への隔たりは残る。ARC-AGI-3は、モデルが未知の環境を推論しながら進めるかを問う。GDPval-AAは、標準化された業務に似たタスク群をどう扱うかを問う。それでも購入者は、どの回答を受け入れ可能とみなすか、どの誤りでエスカレーションが必要か、重大な判断にどれだけのレビューを要するかを定めなければならない。

購買チームがスコアを目標に変えれば、ラボがそのスコアの入力を合理的に最適化するのは当然だ。その反応に欺瞞は必要ない。トレーニングの選択、推論予算、製品構成によって、測定結果は改善できる。それがすべての顧客ワークフローを同じ程度に改善するとは限らない。ベンチマークはモデルに関する証拠であり、仕事に関する判断を下すのは購入者である。

動的価格設定でトークンは供給能力の主張になる

DeepSeekの価格変更は、トークン料金に何が含まれるかを露わにした。2026年5月、同社はV4-Pro APIの75%割引を恒久化し、料金を入力100万トークン当たり$0.435、出力100万トークン当たり$0.87に固定した。8月には、V4-Flashにピークとオフピークの価格設定を導入した。

DeepSeekは、ピーク時のV4-Flash出力にオフピーク時の2倍を課金した。この価格ルールは希少な推論提供能力を配分し、需要の重い時間帯から柔軟なワークロードを移すよう購入者を促した。測っているのはモデルの知能ではなく、顧客行動を形づくるものだ。

インフラ改善は、供給者側の経済性も同じくらい速く動かしうる。OpenAIのエンジニアは2026年6月、推論コストを半分超削減する方法を見つけたと報じられた。プロバイダーはその利益をマージンとして保持することも、低料金として顧客に還元することも、より大きな推論予算に使うことも、需要増を吸収するために使うこともできる。公開された価格表だけでは、プロバイダーがどれを選んだかは分からない。

それでもトークン経済性はデプロイを制約する。高ボリュームのアプリケーションはモデル支出を無視できず、レイテンシーはワークフローを対話的に運用できるかを左右する。より広い推論市場では、価格とレイテンシーを使って、ワークロードをモデル、サービスタier、時間帯に振り分ける。調達では、実際の運用制約を特定するこれらの測定値を維持すべきである。

トークン料金がカバーするのはモデルの供給能力だけだ。エージェントが3回試行し、誤ったツールを2回呼び出し、ケースを人間のレビュアーに送った場合、プロバイダーは生成されたすべてのトークンを請求する。一方で顧客は、1件の完了と失敗した経路の両方に支払う。

ハーネスも製品の一部になった

AIエージェントは、性能をモデルの周囲にあるループへと移す。エージェントがワークフロー上で動くには、モデルアダプター、ツールレジストリ、セッション履歴、実行ループが必要となる。本番運用者はさらに、権限、可観測性、リトライ、フォールバック、レビューを加える。それぞれが、モデルの回答が受け入れられた状態に到達するかを左右しうる。

DeepSeekは、DeepSeek HarnessをMITライセンスで開発者プレビューとして公開することで、このアーキテクチャを直接認めた。このプロジェクトはプラグインベースの設計を採用し、開発者はモデルエンドポイントをアプリケーション全体として扱うのではなく、コンポーネントを入れ替えられる。DeepSeekはさらに、単純なタスク、日常的なエージェントワークフロー、複雑なタスク向けに、V4-Proで推論量を設定可能にした。

モジュール設計は、ビルダーによるモデル比較の方法を変える。チームはツール、状態処理、受け入れロジックを比較的安定させたまま、モデルアダプターを置き換えられる。別のチームはモデルを固定したまま、異なるエージェントループやレビューポリシーを試せる。ハーネスは、これまで絡み合っていた変数を分離可能なコンポーネントへ変える。

コンポーネントを分離すれば、ビルダーは失敗したワークフローの原因をモデル、ツールインターフェース、オーケストレーション方針、受け入れルールに帰属させられる。「AIの品質」にすべての失敗を押し込める必要はない。また、選択的に支出できる。安価なモデルに定型的なステップを振り分け、より高価な推論構成で例外を処理すればよい。

DeepSeekは、この新たに形成されるスタックの両側に位置する。V4-ProとV4-Flashはモデルの供給能力を提供し、DeepSeek Harnessはその能力の周囲でツールと状態を編成する。Moonshot AIのKimi K3は、ベンチマークと価格の競合相手となる。OpenAIとAnthropicは、それぞれ独自のコスト構造を持つ代替モデルエンドポイントを提供する。これらのブロックを稼働するシステムに変えるのはビルダーである。

ハーネスはルーティング、リトライ方針、モデル選択を制御するため、モデルベンダーにはオーケストレーションへ拡張するインセンティブがある。ビルダーには、ポータビリティが交渉力を維持するため、ハーネスをモジュール型に保つ逆のインセンティブがある。ベンダーは需要の支配を求め、顧客は切り替えの支配を求める。

推論マージンが実行リスクの負担者を決める

OpenAIとAnthropicは投資家に対し、推論コストが売上高の半分を超えたと伝えた。これらのコストは、両社に推論提供の効率改善、供給能力の区分化、利用量の精密な計測を行う強い理由を与える。DeepSeekの理論上545%の利益率は逆方向を示すが、その計算が対象としたのは、わずか24時間におけるモデル推論と売上高の比較である。顧客の完全なワークフローにはほど遠い。

各社は異なる分母を使う。プロバイダーは推論提供コストをAPI収益と比較する。顧客はワークフロー全体のコストを受け入れられた仕事と比較する。繰り返しの呼び出しは顧客のコストを増やす一方で、プロバイダーの収益に加わる。

企業は主に、売上高成長を生むためではなく、効率改善とコスト削減のためにエージェントを利用してきた。企業におけるエージェント導入のレビューによればそうだ。この目的では、実行のばらつきが高くつく。営業実験は不確かな上振れを許容できるが、効率化プログラムは置き換えるはずの人件費、ソフトウェア費、プロセスコストを上回らなければならない。

トークン単価契約では、顧客が実行のばらつきを負う。顧客はリトライに支払い、例外対応でスタッフの時間を使い、誤りに結果が伴う場合には出力を検証する。成果保証なら、そのばらつきの一部はプロバイダーに移る。プロバイダーは最初の応答ではなく、受け入れに至る経路全体を最適化するインセンティブを持つ。

プロバイダーは、検証済みの成果に高い料金を設定する、ワークフローの範囲を限定する、機械で検証可能な受け入れ基準を求める、組織的な判断を要するケースを除外するといった方法で、そのリスクを価格に織り込める。購入者は探索的な作業ではトークン課金を維持しつつ、反復的で範囲の限定されたプロセスでは完了ベースの条件を使える。失敗を保険化する側は、そのリスクを契約条件に反映する。

検証済み完了の台帳は誤りを金額として可視化する

Artificial Analysisは、V4-Flashのコストをベンチマークテスト当たり$0.03と推定した。Kimi K3は$0.86、GPT-5.6 Solは$1.86、Claude Fable 5は$3.15だった。この比較は、試す価値のあるモデルを購入者が特定する助けになる。比較が代理指標を使っているからといって、V4-FlashとClaude Fable 5の105倍のコスト差を購買チームが捨てるべきではない。

購入者は、この計算をデプロイ済みワークフローまで通すべきだ。すべてのモデル呼び出し、ツール料金、オーケストレーションインフラ、失敗した試行、レビュー工数を、定義された受け入れ基準を満たした出力数で割ればよい。こうして得られるモデル調達スタックはベンチマークとトークンのデータを保持しつつ、それぞれの数字を説明対象となるレイヤーに割り当てる。

調達チームには、ワークロードごとの受け入れルールが必要だ。モデルはサポートケースの解決見込みを予測できる。しかし、どの誤った解決が許容できない損害を生むかを決めるのは企業である。コーディングエージェントはパッチを生成できる。しかし、どのテスト、レビュー、セキュリティチェックで完了とみなすかを決めるのはリポジトリの所有者である。

購入者は、重大な結果を伴うワークフローでは人間による検証をコスト単位に含めるべきだ。レビュアーの作業時間、エスカレーション頻度、受け入れてしまった誤りの修正コストを記録すべきである。そうすればプロバイダーは、先行するモデル呼び出しの価格を下げるだけでなく、こうした負担を減らすことで競争できる。

監査可能な受け入れが購入者の力を生む

購入者が検証済み完了を使えるのは、請求書が届く前に「検証済み」を定義した場合だけだ。範囲の限定されたソフトウェアタスクには、テストとレビューのルールを使える。カスタマーサービスのワークフローには、解決基準、エスカレーションの上限、サンプル監査を使える。法務、安全、財務上の結果を伴うプロセスでは、より厳格な人間の判断が必要であり、そのコストを明示的に負担すべきである。

顧客がワークフローを移せず、失敗を検査できず、受け入れテストを再現できない場合、ベンダーは交渉力を維持する。モジュール型ハーネスによって顧客がモデルを代替でき、ログによって誤りを帰属でき、契約が支払いを観測可能な成果に結び付けるとき、顧客は交渉力を得る。プロバイダー間の競争は重要だが、顧客がそれを利用できるかを決めるのはポータビリティと監査可能性である。

DeepSeekのピーク価格4.7倍への引き上げは、2026年8月に希少なV4-Flashの供給能力がいくらだったかを購入者に伝える。監査可能な受け入れテストは、リトライ、ツール障害、レビューを経た後で仕事にいくらかかったかを伝える。トークンメーターはすべての呼び出しを記録する。だが、それらの呼び出しが完成した仕事を買ったかどうかを決めるのは契約である。