DeepSeekが推論エンジンDeepInferを公開無料枠は10月末で終了

DeepSeekが「推論エンジン」そのものをオープンソースにした

2026年10月17日、DeepSeekはモデル DeepSeek-V4.1-Flash-1017 と、Search／Fetchの2つのWeb APIを公開した。その3日後の10月20日、同社は自社の大規模サービスを動かしている推論フレームワーク DeepInfer を Apache License 2.0 でGitHubに公開した（リポジトリ作成日は10月16日）。

モデルの公開は「使う側」の話だが、推論エンジンの公開は「安く動かす側」の話だ。AIツールのコスト構造を考える人にとっては、こちらのほうが影響が大きい。

なぜ今さら公開したのか

今回のREADMEはこの経緯を裏付けるように、「DeepInferはもともとvLLMをベースに構築され、SGLangとTensorRT-LLMからも着想を得た」 と明記している。1年半かけて内部実装を整理し、外に出せる形に作り直したということだ。

中身：何が入っていて、何が入っていないか

公開されたリポジトリのREADMEで確認できる機能は以下。

最適化カーネル：FlashMLA、DeepGEMM、DeepEP、TileKernels、DeepSelect、および独自のTileLangカーネル
並列化：AttentionのDP／バランスCP、MoEのEP＋EPLB（エキスパート負荷分散）
DSpark投機的デコード：下書きトークンと信頼度推定で検証をスケジュール（DEEPINFER_USE_NEXTN_DECODE の既定の下書き長は5）
SWA bounded replay：デコーダのprefillを短い末尾だけ再実行して削減（既定 KEEP_TOKENS=140）
非同期スケジューリング：CPU側のバッチ組立とデバイス実行を重ねる。既定で有効
バッチ不変推論／決定的サンプリング：同じ入力なら出力を揃える。NVIDIA限定
構造化出力：正規表現・JSON Schema・EBNFで生成を制約

ハードルの高さは正直に書かれている

前提条件は Linux、GCC 13以上、Python 3.12、NVIDIAならCUDA 13、AscendならCANN 9.2。対応ハードウェアは NVIDIA SM100 GPU と Huawei Ascend 950 NPU の2系統だけで、ビルド時に DEEPINFER_ACCELERATOR で切り替える。

そして動かすモデルは V4.1-Flash の1つだけ。Hugging Faceのモデルカードによれば、このモデルはバックボーン552B・Engram 196Bを含むチェックポイント全体で763Bパラメータ、重みは48ファイルで510.3GB。個人のPCや数万円のGPUで動く話ではない。 「オープンソースになった＝誰でも無料で使える」と読み替えるのは間違いだ。

ベンチマークの数字は「自社測定」

READMEに載っている性能グラフは、prefillがSM100×4、decodeがSM100×64の構成で測られている。Bloombergの報道も、これを同社の自己申告値であり独立検証はまだないとしている。

参考までに、モデル側（V4.1-Flash-1017）の公式ベンチマーク表の数字を挙げる。

DeepSWE v1.1：77.0（前版74.2、Claude Opus 5は74.0）
Terminal-Bench 4.0：42.3（前版31.2、Opus 5は51.8）
Automation-Bench v1.0.6：60.5（前版54.8）
HLE（ツールなし）：42.6（前版36.8、Opus 5は56.3）

エージェント系ではOpus 5を上回るが、HLEやProgramBench（29.1 vs 37.0）では負けている。万能になったわけではない。

料金は据え置き、ただし無料枠に期限がある

APIは引き続きモデル名 deepseek-flash で、料金は変わっていない（DeepSeek公式の料金ページ）。

入力（キャッシュミス）：オフピーク $0.15／ピーク $0.30（100万トークン）
入力（キャッシュヒット）：オフピーク $0.003／ピーク $0.006
出力：オフピーク $0.60／ピーク $1.20
コンテキスト100万トークン、最大出力384Kトークン

ピーク時間は月〜金の01:00〜04:00と06:00〜10:00 UTC（中国の祝日を除く）。日本時間に直すと平日10:00〜13:00と15:00〜19:00で、日本の業務時間のど真ん中がピークに当たる。バッチ処理を夜間に回すだけで単価は半分になる。

新しく公開された Search／Fetch APIは、成功1,000リクエストあたり各 $0.75。ただしDeepSeek Harness、Claude Code、Codex経由のサーバー側ツール呼び出しは、2026年10月31日16:00 UTC（日本時間11月1日1:00）まで無料で、それ以降は課金される。10月19日にはレート制限も引き上げられ、Searchが毎秒100、Fetchが毎秒25リクエストになった（公開時はどちらも毎秒5）。

他社の検索APIと並べると、Exaが1,000リクエスト$7、Perplexity Search APIが$5（fastなら$1）という水準なので、$0.75は明確に安い部類に入る。ただし検索結果の質・網羅性は別問題で、DeepSeekの「SEOスパムやGEO操作を除外する」という説明はあくまで提供元の主張だ。

で、オイラたちは何をすればいいのか

結論は3つに絞れる。

API利用者は今日から何もしなくていい。 モデル名も料金も変わらず、中身だけ速く・短くなった。ただし出力が短くなるぶん、長文生成のプロンプトは指示を具体化したほうがいい。

無料枠は10月末で切れる。 Search／Fetchをエージェントに組み込んでいるなら、11月以降のコストを試算しておく。1日1万回検索なら月$225。

DeepInferのセルフホストは法人・研究機関の話。 SM100かAscend 950が手元にあり、KVキャッシュやロードバランサを自前で組める体制がある場合だけ検討対象になる。

「オープンソースだから無料」ではなく、「オープンソースだから、提供元の値付けが正しいか自分で検証できる」 のが今回の発表の本当の価値だ。DeepSeekの公開した数字はすべて自社測定である以上、判断材料は自分で揃えるしかない。