DeepSeek V4.1 Flash 1017：最初のプロジェクトを作り、APIにつなぐ

コーディングモデルは、生成したものが実際に動いて初めて役に立ちます。まずはそこから始めましょう。事業全体を作るような巨大なプロンプトではなく、開いて、確認して、改善できる小さなアプリを作ります。

DeepSeekは2026年9月10日にV4.1 Flashを公開し、10月17日に初版ではなく1017アップデートを提供しました。この更新はDeepSeekのウェブサイト、アプリ、APIで利用でき、APIのモデルIDは引き続きdeepseek-flashです。DeepSeekの日付付き更新履歴

このガイドでは、最初のブラウザープロジェクトから再現可能な開発ワークフローへ進み、Windows、macOS、LinuxでのAPI設定を行います。その後、エージェントに大きな仕事を任せる前に知っておきたいアーキテクチャ、ベンダー公表ベンチマーク、トークン料金、実務上の制約を見ていきます。

ヒーロー画像：仕様策定、構築、検査、修正を示すオリジナルの解説図。DeepSeek製品のスクリーンショットではなく、ワークフローを表しています。

インストール前に、まず最初の成功を体験する

DeepSeekのウェブチャットか公式アプリを開いて、新しい会話を始めます。最初の演習では架空の情報を使ってください。サンプルファイルに顧客一覧やアクセストークンが含まれていたと気付く場所として、公開AIサービスを使うべきではありません。

最初のプロジェクトは、読みたい記事を並べる小さな「あとで読む」一覧です。アカウント、クラウドデータベース、APIキーは必要ありません。以下は演習例であり、モデルを実行した結果の報告ではありません。

1. 次のプロンプトで、最小限ながら完成した成果物を依頼します。

   プレーンテキスト

   Build a reading queue as one self-contained index.html file.
   Use plain HTML, CSS and JavaScript, with no libraries or network calls.
   Include three fictional example articles, a title filter, and a
   read/unread toggle. Keep state in memory; reloading should reset it.
   Use accessible labels and make the layout work at 360px wide.
   Return the complete file, followed by five manual acceptance checks.
   Do not add login, analytics, remote fonts or a backend.
   

2. 生成されたファイルを新しい空のフォルダーに置き、ブラウザーでindex.htmlを開きます。見慣れない生成コードを開く前に、予期しないネットワークリクエストやスクリプトがないか確認してください。この演習にターミナルコマンド、依存関係のダウンロード、権限確認は不要です。

3. タイトルの一部で絞り込み、記事の状態を切り替え、フィルターを解除し、ウィンドウを狭めてから再読み込みする、という動作を確認します。指定した範囲どおり、切り替え状態は絞り込み中も維持され、再読み込みでリセットされます。

4. 具体的な不具合を1つ伝えます：「検索語の末尾に空白があると、絞り込みですべての行が隠れます。検索語をtrimし、ほかの動作は維持して、修正版のファイルを返してください。」同じチェックをもう一度行います。

これが最初に確認できる成功です。「よさそう」は主観的ですが、「絞り込み後も状態切り替えが機能する」は受け入れ条件です。最初のプロジェクトを意図的に小さくすれば、修正されたのか、見た目が変わっただけなのかを判断しやすくなります。

10月の更新が目指すのは、断片を書くことではなくプロジェクトを完成させること

DeepSeekによると、1017では自己フィードバックを用いた強化学習により、プロジェクト開発を最初から最後まで改善しています。発表では、紫禁城の3Dモデリング、ウェブのレーシングゲーム、Portal 2に着想を得たGodotでの再現、歴史時代をまたぐ3DシーンValley of Agesの4例が紹介されています。公式プロジェクトデモで内容を確認できます。ベンダーのデモであり、どのプロンプトでも同じ成果になる保証ではありません。

重要なのは、自己フィードバックによる学習はモデル開発に関する主張であり、あなたのプロジェクトでのフィードバックはソフトウェアを実行して得るものだという違いです。学習時にフィードバックを使ったからといって、チャットの回答がブラウザーを操作したり、リポジトリを調べたり、ゲームのビルドを検証したりするわけではありません。そうした作業には実行環境とツールが必要です。

工程をプロジェクトの反復サイクルとして考えましょう。仕様を決め、実装し、確認し、修正する。私たちは、このサイクルのほうが最初の回答の長さより重要だと考えます。受け入れチェックに合格した小さな変更は、誰も起動していない立派なリポジトリより役に立ちます。

オリジナル図：受け入れ確認とリリース承認はモデルの回答の外にあります。実際に検証できる内容は、ツールと実行環境によって決まります。

あとで読む一覧を、完了条件のあるプロジェクトにする

次の段階として、小さな勉強会のあとで読む一覧を考えてみましょう。メンバーはリンクを追加し、既読にし、一覧を書き出したいとします。この版は1人用、ブラウザー内だけに限定します。共同編集や同期は別プロジェクトです。

1. 仕様を決める。 タイトル、URL、既読状態を必須にし、不正なリンクを拒否し、再読み込み後も項目を保持し、JSONファイルに書き出すようにします。項目が0件の場合、タイトルが長い場合、読み込んだファイルが不正な場合の動作も決めます。認証とサーバー保存は対象外にします。

2. 編集前に計画を求める。 必要なファイル、保存方法、提案するテストをモデルに挙げてもらいます。空のフォルダーか分離したworktreeを渡します。最初からホームディレクトリ、本番認証情報、任意のソフトウェアをインストールする権限を渡してはいけません。

3. 縦に通る機能を1つ実装する。 記事を1件追加して保存し、再読み込みします。次に絞り込み、書き出し、読み込みを追加します。各段階で動作可能な状態を保てば、書き出しの不具合が保存方式の移行や無関係なデザイン変更と絡み合いません。

4. 根拠を示してフィードバックする。 正確なエラー、入力、期待動作を伝えます。レイアウトの問題なら、個人情報を除いたトリミング済みスクリーンショットを添えます。毎回新しく書き直させるのではなく、範囲を絞って修正させ、同じチェックを繰り返します。

5. リリース候補を承認する。 キーボード操作、空の一覧、重複リンク、長いタイトルをテストします。書き出し、テストデータの消去、読み込みを行い、往復後も各項目が保たれるか確認します。次の修正を受け入れる前に、正常と分かっているコピーを残します。

実装前のテスト計画作成もモデルに手伝わせられます。たとえば、想定するJSON構造と読み込み時に検証すべきフィールドを説明させ、その計画と実装を照らし合わせます。これにより、約束とコードを分け、食い違いを見つけやすくなります。

プロジェクト用ハーネスは、ファイル編集、コマンド実行などのツールをモデルに提供します。DeepSeekは1017にHarness v0.2.1-rc.1以降を推奨しています。リリース発表を参照してください。チャットAPIを呼ぶだけでコーディングエージェントができると思い込まず、インストールには公式Harnessガイドを使います。

ウェブページに秘密情報を置かずにAPIを接続する

自分のプログラムからモデルの応答を利用するときにAPIを使います。「あとで読む」一覧はローカルのブラウザーアプリのままにし、次のスクリプトは別のターミナル用開発補助ツールとして使えます。DeepSeekのキーをindex.html、ブラウザーJavaScript、公開リポジトリに埋め込んではいけません。

1. APIキーを作成し、小さなタスクを選ぶ

DeepSeek APIプラットフォームでキーを作成し、アカウント残高を確認します。DeepSeekの初回リクエストガイドには、OpenAI互換のベースURL https://api.deepseek.comとモデルdeepseek-flashが記載されています。ウェブチャットのアカウントがあっても、有料APIを無制限に使えるわけではありません。

最初のリクエストでは、リポジトリ全体ではなく受け入れチェックを依頼します。出力を確認しやすくなり、設定に問題があった場合に生成される量も抑えられます。

2. OSにPythonを準備する

Python 3がなければインストールします。新しいプロジェクトフォルダーに分離環境を作成し、SDKをインストールしてください。以下のコマンドはPythonを直接実行するため、環境の有効化スクリプトもPowerShellの実行ポリシー変更も必要ありません。Pythonの仮想環境ドキュメントに沿っています。

Windows、PowerShell：

py -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade openai

pyが使えなくても、python --versionでPython 3が確認できる場合は、最初のコマンドをpython -m venv .venvにします。

macOS、ターミナル：

python3 -m venv .venv
./.venv/bin/python -m pip install --upgrade openai

Linux、ターミナル：

python3 -m venv .venv
./.venv/bin/python -m pip install --upgrade openai

Linuxディストリビューションによってはvenvが別パッケージです。環境作成時に不足が報告された場合は、ディストリビューションの手順に従ってPython仮想環境パッケージをインストールし、もう一度作成します。分離環境の問題を、システム全体へのsudo pip installで解決してはいけません。

3. ターミナル用の補助スクリプトを作る

.venvと同じ場所にfirst_request.pyを作成し、以下の例を使います。ソースコードやシェル履歴に秘密情報を残さないよう、Pythonのgetpassモジュールで入力を非表示にします。非表示入力に対応した通常のターミナルで実行してください。

from getpass import getpass

from openai import OpenAI

client = OpenAI(
    api_key=getpass("DeepSeek API key: "),
    base_url="https://api.deepseek.com",
    timeout=120.0,
    max_retries=0,
)

reply = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{
        "role": "user",
        "content": (
            "Propose five manual acceptance checks for a browser-only "
            "reading queue with filtering, read status and JSON export. "
            "Return checks only; do not claim to have executed them."
        ),
    }],
    max_tokens=2048,
    stream=False,
    extra_body={"thinking": {"type": "disabled"}},
)

print(reply.choices[0].message.content)
print("Finish reason:", reply.choices[0].finish_reason)
print("Usage:", reply.usage)

4. 実行して応答を確認する

Windowsでは\.venv\Scripts\python.exe first_request.py、macOSまたはLinuxでは./.venv/bin/python first_request.pyを実行します。入力を求められたらキーを入力します。想定される出力はチェック項目、終了理由、使用量であり、新しいプロジェクトファイルではありません。

リクエストが失敗したら、再試行の前にステータスを確認します。401は認証、402は残高不足、429は制限に関係します。DeepSeekのエラーコードガイドを参照してください。終了理由がlengthなら出力上限に達しており、回答が完全だとは言えません。試している間は再試行を慎重に行います。

思考、画像認識、ウェブツールはそれぞれ役割が違う

思考機能は既定で有効になり、努力レベルはhighです。難しいデバッグでは、例のextra_bodyを{"thinking": {"type": "enabled"}}に変え、reasoning_effort="high"を追加します。ドキュメント上の選択肢はlow、high、maxです。思考モードではtemperatureが無視されるため、値を下げても推論の信頼性が上がるわけではありません。思考モードガイド、10月18日確認

思考も生成予算を消費します。短い非思考回答から複雑な推論に移るときは、出力上限を意図的に増やしてください。思考モードでツール呼び出しを実装する場合、ガイドの指示どおり、後続のツール付きリクエストにもassistantのreasoning_contentを保持します。表示された最終回答だけを残してツール会話を構成してはいけません。

画像認識はテキストと画像を受け付けますが、画像生成のエンドポイントではありません。Chat Completionsでは、userメッセージにimage_urlブロック、base64データURL、またはドキュメントに記載されたFiles API形式で画像を指定します。JPEG、PNG、GIF、WebPに対応しています。リクエスト本文内の画像上限は48 MiB、インラインまたは外部リンクで渡す個々の画像の上限は32 MiBです。画像認識ガイド

「あとで読む」一覧なら、個人情報を伏せたスクリーンショットを送り、狭い画面幅でラベルが重なるか尋ねられます。ただし、それはブラウザーで確認すべき診断であり、修正済みの証明ではありません。画像を理解できても、APIにマウス操作やファイル変更の権限が与えられるわけではありません。

Searchはページを探し、FetchはページをMarkdownとして取得します。それぞれ単独のエンドポイントPOST /v1/tools/searchとPOST /v1/tools/fetchがあり、同じBearerキーで認証します。Searchでは{"query":"browser storage documentation","count":3}、Fetchでは{"url":"https://developer.mozilla.org/en-US/docs/Web/API/Storage"}のようなリクエストを使えます。アプリケーション側でこれらのエンドポイントを明示的に呼び出すか、機能を提供する連携を利用する必要があります。通常のチャットにURLを書くだけでは同じ処理になりません。SearchとFetchのガイド

取得したページは指示と分けて扱います。取得内容は根拠であり、コマンドの実行、キーの開示、プロジェクト要件の変更を許可するものではありません。Fetchも対象サイトのアクセス方針に従う必要があり、非公開または有料記事へのアクセス権を付与しません。

大きなバックボーンでも、ノートPCに収まるとは限らない

9月公開のV4.1モデルカードによると、MoEバックボーンは5,520億パラメーターで、入力トークンごとにPrefill時は約80億、Decoding時は出力トークンごとに約160億のパラメーターが有効になります。Causal Encoder-Decoderは、20層の因果エンコーダーと20層のデコーダーに分かれています。これらの構造はベースV4.1の説明であり、10月17日に新たに発表されたアーキテクチャではありません。ベースモデルの構造と技術レポートへのリンク

簡単に言えば、Prefillは既存のプロンプトを処理し、Decodingは回答を生成します。Mixture-of-Expertsのルーティングでは、トークンごとにバックボーンの全パラメーターを使うのではなく、選択された専門家を利用します。圧縮attentionと共有キャッシュの設計は、長いプロンプトのメモリ負荷に対処します。しかし、稼働パラメーター数が表すのは計算量であり、チェックポイントをホストするために必要な保存容量やメモリ全体ではありません。

公称コンテキスト長は100万トークンです。これは容量であり、毎回リポジトリ全体を貼り付ける必要があるという意味でも、完全に想起できる保証でもありません。タスク、関連ファイル、具体的なエラーから始め、不足している依存関係や仕様が必要とする場合にコンテキストを広げましょう。

自分でホストする場合は、チェックポイント変換とTensor Parallel実行を説明する公式1017推論手順を使います。Hugging Faceページにある汎用vLLM起動例は、このモデル向けのデプロイ手順ではありません。重みをダウンロードする前に、ハードウェア、対応カーネル、サービング互換性を確認してください。deepseek-recipeはプロンプトやプロトコルの変換を担いますが、推論を提供したりツールを実行したりはしません。一般的なノートPC利用者はホスト型アクセスから始めるのがよいでしょう。

最安のトークンだけでなく、タスク全体の費用を見積もる

2026年10月18日現在、DeepSeekが公表するFlashの料金は、100万トークンあたり次のとおりです（米ドル）。公式料金表

ピーク時間は、月曜から金曜のUTC 01:00～04:00と06:00～10:00（中国の祝日を除く）で、それ以外はオフピークです。このスケジュールでは週末はすべてオフピークです。自分の現地の日中が高いと決めつけず、UTCで予定を立てましょう。

キャッシュミス入力10万トークン、キャッシュヒット入力20万トークン、出力2万トークンの計算例では、ピーク料金は次のとおりです。

(0.1 x $0.30) + (0.2 x $0.006) + (0.02 x $1.20)
= $0.0300 + $0.0012 + $0.0240
= $0.0552

オフピーク料金では、同じ仮定の数量で**$0.0276**です。これは算術例であり、実プロジェクトの請求額ではありません。繰り返し使うコンテキストが常に安い料金になると思い込まず、実際のキャッシュヒット／ミスの使用量を使ってください。

SearchとFetchはそれぞれ、成功して結果を返した1,000件あたり**$0.75です。つまり課金対象の検索40回とFetch 60回で、結果を読むためのモデルのトークン料金を除き$0.075**が加算されます。期間限定の無料措置は、指定されたDeepSeek API連携を通じたサーバー側呼び出しに適用され、2026年10月31日16:00 UTCに課金が始まります。直接エンドポイントを使う場合すべてが無料になるわけではありません。ツールの課金ルール

オリジナルの費用図：予算には思考出力、再試行、ツール呼び出し、レビュー作業も含めてください。平均的なプロジェクト費用を示すものではありません。

ハーネスをそろえたうえでベンチマークの向上を見る

DeepSeekはベースV4.1 Flashから1017への次の変化を公表しています。これはベンダー発表のスコアであり、このガイドによる独立測定ではありません。1017モデルカードの比較

1017カードでは、Terminal-Bench 4.0にClaude Code、DeepSWE v1.1にMini-SWE-V2を使ったと記されています。ハーネスはツール、コンテキスト管理、実行ポリシーを提供します。変更すれば実験条件も変わります。条件の異なるセットアップ間のスコア差を、モデル能力だけの純粋な測定値として扱ってはいけません。

自分で比較する場合は、リポジトリ、受け入れ条件、権限、予算を固定します。プロジェクトが動いたか、修正が何回必要だったか、総使用量、経過時間を記録します。公表スコアは候補を選ぶ参考になりますが、実環境で再現可能なタスクをこなせるかどうかで、任せる価値が決まります。

より大きな仕事を任せる前に確認したいこと

1017はAPIで別のモデル名ですか？

いいえ。deepseek-flashを使います。日付付きチェックポイント名は更新を識別するものですが、DeepSeekのホスト型APIは従来のIDを維持しています。再現性が重要なら、日付と返されたモデル情報を記録してください。初回リクエストのドキュメント

MITライセンスの重みならAPIも無料ですか？

いいえ。1017モデルカードでは、リポジトリと重みがMITライセンスです。ホスト型サービスの利用料金は別です。また、重みのライセンスによって、非公開の入力、第三者のアセット、デモ内のメディアを使う権利が与えられるわけではありません。

1つのプロンプトでゲーム全体を作れますか？

公式デモは、提供者が実現した例として見て、納品の保証とは考えないでください。見た目を磨く前に、移動、衝突、再スタート、終了条件を定義します。生成されたコードベースが大きいことより、実際に確認して再プレイできるゲームを作るほうがよい節目です。

常に最大の思考レベルと全コンテキストを使うべきですか？

いいえ。範囲を限定した依頼から始め、具体的な失敗があったときに努力レベルやコンテキストを増やします。生成する推論と大きなプロンプトはリソースを消費します。どちらも受け入れ確認や慎重なツール権限設定の代わりにはなりません。

生成物をすぐ公開してよいですか？

まず機能、安全性、依存関係のライセンス、アセットの出所を確認します。サンプル認証情報を削除し、外部へのリクエストも調べます。デプロイの承認と、ローカルプロジェクトを編集する許可は分けて扱ってください。

要点：完成とは、誰かが結果を確認した状態

1017の有用な約束は、プロジェクトをより完成に近づけることであり、レビューをやめる理由ではありません。小さな目標、範囲を限定した環境、観察可能なチェックをモデルに渡します。現在の動作が承認に値すると確認できてから、プロジェクトを広げましょう。

出典

製品ドキュメントと料金は2026年10月18日に確認しました。ベンチマークと学習に関する主張はDeepSeekの発表として記載しています。演習は説明用で、実地検証の結果を主張するものではありません。3つの図はすべてオリジナルの解説図です。ベンダーのデモメディアは転載せず、リンクしています。

• 10月17日の更新とプロジェクトデモ
• 9月10日のベース版公開
• 日付付き更新履歴
• 1017モデルカード、ベンチマーク、MITライセンス
• ベースV4.1のアーキテクチャと技術レポート
• API初回利用、思考、画像認識、SearchとFetch、料金
• 公式推論リファレンスとdeepseek-recipe

次のプロジェクトを再開しやすくする

Telli.shからのおすすめ： 情報源のリンク、プロジェクトの概要、プロンプト、レビュー記録を一緒に保管すれば、次の作業を判断のやり直しではなく続きから始められます。Telli.shはプロジェクトの知識を整理できますが、DeepSeekのコーディングエージェント連携ではありません。Telli.shアカウントを作成