DeepSeek V3.2 AIモデルは最小限の計算コストでトップクラスの性能を実現

主要テック企業が最先端AIモデル開発に数十億ドル規模の計算能力を投入する中、中国のDeepSeekは規模の拡大ではなく知的なアプローチで同等の成果を達成した。DeepSeek V3.2モデルは推論ベンチマークにおいてOpenAIのGPT-5と同等の性能を示しつつ、「総トレーニングFLOPs」を削減して実現——この進歩は高度な人工知能構築への業界のアプローチを再定義する可能性がある。

企業にとって、このリリースは最先端のAI能力が必ずしも最上位のコンピューティング予算を必要としないことを示している。DeepSeek V3.2のオープンソース化により、組織は高度な推論能力と自律的機能を評価しつつ、導入インフラの制御権を維持できる。これは、費用対効果がAI導入計画においてますます重要になる中で、極めて重要な要素である。

杭州に拠点を置く研究機関は月曜日、ベース版DeepSeek V3.2とDeepSeek-V3.2-Specialeの2バージョンを発表した。後者は2025年国際数学オリンピックおよび国際情報オリンピックで金メダル相当の性能を達成した。これらは従来、米国主要AI企業の未公開内部モデルのみが達成していたベンチマークである。

輸出規制により先進的な半導体チップへのアクセスが制限されているDeepSeekのこの成果は、特に注目に値する。

競争優位性としてのリソース効率性

DeepSeekの成功は、最先端AI性能には大規模な計算リソースが不可欠という業界の通説に異を唱えるものだ。同社はこの効率性を、特にDeepSeek Sparse Attention（DSA）といったアーキテクチャの革新によるものと説明している。DSAはモデル性能を損なうことなく計算複雑性を大幅に低減する。

ベースモデルDeepSeek V3.2は、AIME 2025数学問題で93.1%の精度を達成し、Codeforcesレーティング2386を獲得。推論評価においてGPT-5と同等の位置付けとなった。

Speciale バリエーションはさらに優れた性能を発揮し、2025年米国招待数学試験（AIME）で96.0%、2025年2月ハーバード-MIT数学トーナメント（HMMT）で99.2%のスコアを記録。さらに2025年国際数学オリンピック（IMO）と国際情報学オリンピック（IOI）の両方で金メダル相当の成績を収めた。

これらの成果は、中国に影響を与える一連の関税や輸出規制によりDeepSeekが高度なチップへのアクセスを制限されていることを考慮すると特に印象的である。技術報告書によれば、同社は事前学習費用の10%を超える事後学習計算予算を割り当てた——これはブルートフォーススケーリングではなく強化学習最適化を通じて高度な能力を育むための相当な投資であった。

効率性を推進する技術革新

DSAメカニズムは従来の注意機構からの転換を示す。全トークンを均一な計算強度で処理する代わりに、DSAは「ライトニングインデクサー」と微細なトークン選択システムを採用し、各クエリに対して最も関連性の高い情報のみを特定・処理する。

この手法により、コアアテンションの計算量はO(L²)からO(Lk)に削減される。ここでkは選択されたトークン数を表し、総シーケンス長Lの割合となる。DeepSeek-V3.1-Terminusチェックポイントからの拡張事前学習において、同社は1トレーニングステップあたり128Kトークン×480シーケンス、総計9437億トークンを用いてDSAを訓練した。

このアーキテクチャはツール呼び出し状況向けに設計されたコンテキスト管理も実装している。各ユーザーメッセージ後に推論内容を破棄する従来モデルとは異なり、DeepSeek V3.2モデルはツール関連メッセージが追加された場合のみ推論トレースを保持。不要な再推論を排除することで、マルチターンエージェントワークフローにおけるトークン効率を向上させる。

企業向けアプリケーションと実用的性能

AI導入を検討する組織にとって、DeepSeekの手法はベンチマーク結果以上の具体的なメリットを提供します。コーディングワークフロー能力を測定するTerminal Bench 2.0では、DeepSeek V3.2は46.4%の精度を達成しました。

ソフトウェアエンジニアリング問題解決ベンチマークであるSWE-Verifiedでは73.1%、SWE Multilingualでは70.2%のスコアを獲得し、開発環境における実用的な価値を実証しました。

自律的なツール使用と多段階推論を要するエージェントタスクにおいて、本モデルは既存のオープンソースシステムを大幅に上回る性能を発揮しました。同社は1,800以上の独自環境と85,000の複雑なプロンプトを生成する大規模エージェントタスク合成パイプラインを構築し、モデルが未知のツール使用シナリオへ推論戦略を一般化することを可能にしました。

DeepSeekはベースモデルV3.2をHugging Faceでオープンソース化し、ベンダーロックインなしでの企業導入・カスタマイズを可能にした。Speciale変種はトークン消費量が増加するためAPI経由でのみ利用可能であり、これはピーク性能と導入効率のトレードオフである。

業界への影響と評価

本リリースはAI研究コミュニティで大きな議論を呼んでいる。Google DeepMindの主任研究エンジニアであるSusan Zhangは、DeepSeekの包括的な技術文書を称賛し、特にトレーニング後のモデル安定化とエージェント能力強化への取り組みを特筆した。

ニューラル情報処理システム会議（NeurIPS）開催直前のタイミングが注目を集めた。サンディエゴで開催中のNeurIPSに参加する中国のオープンソースAIエコシステム専門家フロリアン・ブランド氏は、発表直後の反応をこう観察している：「DeepSeekの発表後、今日のグループチャットは全て盛り上がっていた」

認識されている限界と開発経路

DeepSeekの技術報告書は、最先端モデルとの比較における現状のギャップを指摘している。トークン効率は依然課題であり、DeepSeek V3.2モデルはGemini 3 Proなどのシステムの出力品質に匹敵するには通常より長い生成シーケンスを必要とする。また、総訓練計算量が少ないため、世界知識の広さは主要なプロプライエタリモデルに後れを取っていることも認識している。

今後の開発優先事項には、世界知識の拡充に向けた事前学習計算リソースの拡張、トークン使用効率向上のための推論チェーン最適化、複雑な問題解決タスクに向けた基盤アーキテクチャの改良が含まれる。

関連記事：AIビジネスの現実——企業リーダーが知るべきこと

業界の専門家からAIとビッグデータについてさらに学びたいですか？アムステルダム、カリフォルニア、ロンドンで開催される「AI & Big Data Expo」をご覧ください。この包括的なイベントはTechExの一部であり、他の主要なテクノロジーイベントと同時開催されます。詳細はこちらをクリックしてください。

AIニュースはTechForge Mediaが提供しています。その他の今後のエンタープライズ技術イベントやウェビナーはこちらでご覧ください。