DeepSeek-V4.1-Flash-1017は、DeepSeekが2026年10月17日に公開したモデルで、推論・コーディング・エージェント・視覚ベンチマークを強化しつつ、タスク実行時間と出力長を短縮したマイナーアップデート版です。UnslothはこのモデルのGGUF量子化版を公開し、新しい量子化アルゴリズム「Unsloth Dynamic V3.1（プレビュー）」を適用したと発表しました。
室谷代表取締役DeepSeek-V4.1-Flash-1017は、DeepSeekが2026年10月17日に公開したモデルで、従来のDeepSeek-V4.1-Flashに対するマイナーアップデートなんですよね。そこにUnslothがGGUF量子化版を出してきた、というのが今回のニュースです。
テキトー教師DotAI 認定講師そうですね。ここは整理が必要で、モデル本体を発表したのはDeepSeek、それをローカルで動かせる形に量子化して公開したのがUnsloth、という役割分担です。
単に「新モデルが出た」という話じゃないんですよ。
単に「新モデルが出た」という話じゃないんですよ。
室谷代表取締役しかもUnslothは今回、新量子化アルゴリズムのDynamic V3.1（プレビュー）を載せてきた。これが「ほぼ全ベンチマークで他社量子化を上回る」と主張しているわけです。
テキトー教師DotAI 認定講師Unslothの発表では、GPQA Diamond、AIME25、LiveCodeBench v6、MMLU-Pro、Aiderなど、ほぼすべてのベンチマークでDynamic V3.1が首位だとされています。64GB以上のRAMで動くと書かれているのもポイントですね。
室谷代表取締役ただ、64GBで「動く」と「快適に動く」は別なんですよね・・・。そこは後半でサイズの現実を見ていきましょう。
DeepSeek-V4.1-Flash-1017とは？Unslothが公開したGGUFの正体
DeepSeek-V4.1-Flash-1017の要点
GGUFとは
ローカル環境でLLMを動かすためのモデルファイル形式。llama.cppなどで使われる
量子化のトレードオフ
重みを低精度化してファイルサイズとメモリを削減する一方、精度劣化が生じる
Unslothの狙い
量子化の精度劣化をどこまで抑えられるかが勝負。Dynamic V3.1が最新版
モデルスペック
552BパラメータのMoE、1Mコンテキスト、ネイティブ視覚理解、KVキャッシュ削減（HBM 1/4、SSD 1/8）
1017版のサイズ
748Bパラメータ。そのままローカル実行は現実的でなく量子化が必要
ライセンス
MITと明記されている
室谷代表取締役まずGGUFの正体から整理したいんですけど、GGUFはローカル環境でLLMを動かすためのモデルファイル形式で、llama.cppなどで使われるものです。量子化は重みを低精度化してファイルサイズとメモリを削減する技術で、精度劣化とのトレードオフがある。
テキトー教師DotAI 認定講師そこが今回の肝です。Unslothは量子化の精度劣化をどこまで抑えられるか、という勝負をしているわけです。
Dynamic V3.1はその最新版ということですね。
Dynamic V3.1はその最新版ということですね。
室谷代表取締役モデル自体のスペックも見ておくと、DeepSeek-V4.1-Flashは552BパラメータのMoEで、1Mコンテキスト、ネイティブ視覚理解、KVキャッシュ削減（HBM 1/4、SSD 1/8）が特徴です。1017版はモデルサイズが748Bパラメータとされています。
テキトー教師DotAI 認定講師748Bですからね。これをそのままローカルで動かすのは現実的じゃない。
だから量子化が必要で、Unslothの出番になるわけです。ライセンスはMITと明記されています。
だから量子化が必要で、Unslothの出番になるわけです。ライセンスはMITと明記されています。
室谷代表取締役DeepSeek-V4.1-Flash-1017でできること——1Mコンテキストとコーディング・エージェント性能
DeepSeek-V4.1-Flash-1017 ベンチマーク比較（前バージョン比）
| ベンチマーク | DeepSeek-V4.1-Flash | V4.1-Flash-1017 |
|---|---|---|
| HLE（ツールなし） | 36.8 | 42.6 |
| Terminal-Bench 4.0 | 31.2 | 42.3 |
| DeepSWE v1.1 | 74.2 | 77.0 |
| ProgramBench | 20.3 | 29.1 |
| Chartography（ツールあり） | 78.9 | 83.0 |
| BabyVision（ツールあり） | 89.6 | 92.5 |
| ZeroBench-main（ツールあり） | 49.0 | 51.0 |
テキトー教師DotAI 認定講師何ができるかというと、まず1Mトークンのコンテキストです。DeepSeekの推奨設定でも最大コンテキストは1,048,576トークン、出力は最低256Kトークンを確保するよう案内されています。
室谷代表取締役長いコードベースやドキュメントを丸ごと放り込める規模ですね。しかもDeepSeekは今回、強化学習と自己フィードバックでend-to-endのプロジェクト開発を改善したと説明していて、ゲーム制作から3Dモデリングまで例に挙げています。
テキトー教師DotAI 認定講師公式の例では、紫禁城の3Dモデリング、ウェブベースのレーシングゲーム、GodotエンジンでのPortal 2再現、時代の変遷をたどる3Dシーンなどが紹介されています。ゼロからプロジェクトを組み立てる方向に振っているのがわかりますね。
室谷代表取締役ベンチマークも伸びていて、DeepSeekの公式発表ではHLE（ツールなし）が42.6、Terminal-Bench 4.0が42.3、DeepSWE v1.1が77.0、NL2Repo-Benchが68.2、Automation-Bench v1.0.6が60.5、Agents' Last Examが35.4、Apex Bench v1.1が72.1となっています。
テキトー教師DotAI 認定講師前バージョンのDeepSeek-V4.1-Flashと比べると、HLEが36.8から42.6、Terminal-Bench 4.0が31.2から42.3、DeepSWE v1.1が74.2から77.0、ProgramBenchが20.3から29.1と、コーディングとエージェント系が大きく伸びています。
室谷代表取締役視覚系もChartography（ツールあり）が78.9から83.0、BabyVision（ツールあり）が89.6から92.5、ZeroBench-main（ツールあり）が49.0から51.0ですね。ネイティブ視覚理解を備えているので、画像まわりのタスクも狙えると。
テキトー教師DotAI 認定講師ここは受講生さんがよく聞くところなんですが、ベンチマークの数字はハーネス（実行環境）依存なんですよ。Terminal-Bench 4.0はClaude Codeのハーネス、DeepSWE v1.1はMini-SWE-V2のハーネスで測られたと注記されています。
数字だけを絶対視しない方がいいですね。
数字だけを絶対視しない方がいいですね。
室谷代表取締役そこ大事です。あとDeepSeekは今回、Search & Fetch APIも全員に開放していて、1,000リクエストあたり0.75ドルと案内しています。
DeepSeek HarnessやClaude Code、Codex経由のサーバーサイドツール呼び出しは、2026年10月31日16:00 UTCまで無料、その後課金開始というスケジュールです。
DeepSeek HarnessやClaude Code、Codex経由のサーバーサイドツール呼び出しは、2026年10月31日16:00 UTCまで無料、その後課金開始というスケジュールです。
DeepSeek-V4.1-Flash-1017の使い方・始め方——llama.cpp・Ollama・LM Studioで動かす手順
DeepSeek-V4.1-Flash-1017 実行環境別の起動手順
llama.cpp
- llama serve -hf unsloth/DeepSeek-V4.1-Flash-1017-GGUF:UD-Q4_K_XL
- OpenAI互換サーバーが立ち上がる
- Unslothのllama.cpp PR版が必要
Ollama
- ollama run hf.co/unsloth/DeepSeek-V4.1-Flash-1017-GGUF:UD-Q4_K_XL
室谷代表取締役ここから実務的な使い方です。Unslothのモデルカードにはllama.cpp、Ollama、LM Studio、vLLM、Dockerなどの手順が並んでいます。
まずは一番手軽なところから。
まずは一番手軽なところから。
テキトー教師DotAI 認定講師整理するとこうです。
- llama.cpp:
llama serve -hf unsloth/DeepSeek-V4.1-Flash-1017-GGUF:UD-Q4_K_XLでOpenAI互換サーバーが立ち上がる - Ollama:
ollama run hf.co/unsloth/DeepSeek-V4.1-Flash-1017-GGUF:UD-Q4_K_XL - LM Studio / Jan: モデルカードのLocal Apps欄から選択
- vLLM:
pip install vllmの後vllm serve "unsloth/DeepSeek-V4.1-Flash-1017-GGUF" - Docker:
docker model run hf.co/unsloth/DeepSeek-V4.1-Flash-1017-GGUF:UD-Q4_K_XL
室谷代表取締役ただし注意があって、Unslothは「うちのllama.cpp PRか、Unsloth Desktopアプリを使ってほしい」と書いています。Engramのオンデマンド読み込みに対応したランタイムが必要だからですね。
テキトー教師DotAI 認定講師そう、そこが単なるGGUFとの違いです。DeepSeek-V4.1-Flash-1017はMoEにEngramという条件付きメモリを組み合わせていて、最大4トークンのn-gramでテーブルの数行を参照する仕組みです。
テーブルをGPUメモリに常駐させなくていい。
テーブルをGPUメモリに常駐させなくていい。
室谷代表取締役Engramのテーブルは110.6〜202.8GBで、mmap経由でSSDに置ける。行は必要に応じてOSキャッシュに読み込まれるので、RAM/VRAMを節約しつつディスク容量は確保する、という設計です。
テキトー教師DotAI 認定講師だから「SSDにテーブルを逃がす」設定が前提になる。Unsloth Desktopならオフロードやngramの設定を自動でほぼ最適に選んでくれると書かれています。
手動で組むより楽ですね。
手動で組むより楽ですね。
室谷代表取締役推論設定も決まっていて、temperature=1.0、top_p=1.0、top-kとmin-pは無効化が推奨です。思考モードはデフォルト有効でreasoning_effort=75（high）、1〜100の整数で調整できます。
テキトー教師DotAI 認定講師low=50、medium=62、high=75、max=100という対応も書かれていますね。これはトークン上限ではなく「どれだけ考えさせるか」の指示なので、小さいビット数ほど長く考える傾向がある点は覚えておきたいです。
室谷代表取締役プロンプトのエンコードも要注意で、このリリースにはJinja形式のチャットテンプレートが含まれていません。encodingフォルダのPythonリファレンス実装か、Rust製のdeepseek-recipeを使う形になります。
既存のパイプラインにそのまま差し込めると思わない方がいいです。
既存のパイプラインにそのまま差し込めると思わない方がいいです。
料金と提供範囲——APIは価格据え置き、日本からはどう使えるか
テキトー教師DotAI 認定講師料金の話を整理しましょう。DeepSeekのAPIではモデル名
deepseek-flashのまま、価格も据え置きでDeepSeek-V4.1-Flash-1017に差し替わっています。室谷代表取締役具体的には、1M入力トークンあたりキャッシュヒットがオフピーク0.003ドル・ピーク0.006ドル、キャッシュミスがオフピーク0.15ドル・ピーク0.3ドル、出力がオフピーク0.6ドル・ピーク1.2ドルです。
テキトー教師DotAI 認定講師オフピークはピークの半額で、ピーク時間はUTCで月曜から金曜の01:00〜04:00と06:00〜10:00、中国の祝日を除く、と定義されています。日本時間に直すと午前10時〜13時と午後3時〜19時あたりがピークになる計算ですね。
室谷代表取締役日本から使う場合、APIは
https://api.deepseek.comがOpenAI形式、https://api.deepseek.com/anthropicがAnthropic形式のベースURLとして案内されています。Webサイトとアプリも新バージョンに更新済みです。テキトー教師DotAI 認定講師コンテキストは1M、最大出力は384K。JSON出力、ツール呼び出し、Responses API、Anthropic API、ビジョンに対応し、並列数は2,500とされています。
日本から使えるかという点では、地域制限についての記述は今回の資料には無いので、現時点では明らかにされていません。
日本から使えるかという点では、地域制限についての記述は今回の資料には無いので、現時点では明らかにされていません。
室谷代表取締役Dynamic V3.1が示したベンチマーク結果とGSQ-RCOへの反論
室谷代表取締役ここが今回いちばん面白いところなんですよね。UnslothはDynamic V3.1で、GSQ-RCOというISTA-DASLab製の量子化に真っ向から反論しています。
テキトー教師DotAI 認定講師GSQ-RCOは「AIME25で全ビット100%」と主張していた。Unslothはそれを再現できず、実測では94.64%だったと。
しかもAIME25を1問あたり16回、30問で480回答、temperature 1.0・reasoning effort 50で回したと方法まで明示しています。
しかもAIME25を1問あたり16回、30問で480回答、temperature 1.0・reasoning effort 50で回したと方法まで明示しています。
室谷代表取締役単に「負けた」じゃなくて、測定条件を全部出して再現性を問うているのが誠実ですよね。KLDやtop-1一致率、打ち切り率でも自社優位を示しています。
テキトー教師DotAI 認定講師整理すると、Unslothが公開した6ベンチマーク平均はこうです。
| 量子化 | サイズ | 6ベンチ平均 | Aider pass@1 | 打ち切り率 |
|---|---|---|---|---|
| UD-Q8_K_XL（参照） | 508.4GB | 87.68 | - | 1.48% |
| UD-Q2_K_XL（v3.1） | 334.8GB | 87.49 | - | 2.10% |
| UD-IQ2_XXS（v3.1） | 300.5GB | 86.63 | 44.38 | 2.71% |
| UD-IQ1_M（v3.1） | 250.4GB | 85.55 | 42.13 | 2.91% |
| UD-IQ1_S（v3.1） | 233.0GB | 83.53 | 36.52 | 4.15% |
| GSQ-RCO IQ2_XS | 265.8GB | 85.64 | 41.57 | 2.83% |
| GSQ-RCO IQ2_XXS | 248.8GB | 83.68 | 36.52 | 4.00% |
| GSQ-RCO IQ1_M | 231.3GB | 81.78 | 29.78 | 4.69% |
室谷代表取締役見てもらうとわかる通り、近いサイズ同士で比べるとUD3.1が上に来ている。特にAider pass@1の差がわかりやすいですね。
テキトー教師DotAI 認定講師ただ、これはUnsloth自身が測った数字だという前提は外せません。第三者が追試した結果ではないので、そこは冷静に見る必要があります。
室谷代表取締役あとKLDが「ゲーミングできる」という批判に対して、複数のホールドアウトテストで測ってもUD3.1が上だったと反論しているのも面白い。量子化論争はしばらく続きそうですね。
テキトー教師DotAI 認定講師それと重要な指摘があって、量子化すると推論長が増えるんですよ。32Kコンテキストで全テストを回して、考えすぎたら失敗扱いにする検証もしていて、Unslothの量子化はGSQより打ち切りが少ない、つまり考えすぎていないと主張しています。
室谷代表取締役でも「量子化すると思考が長くなる」という傾向自体は認めているので、小さいビット数を使うならreasoning budgetを多めに確保しておけ、というのが実務的なアドバイスになりますね。
64GB RAMで動くのか？ローカル実行の必要スペックと量子化サイズの現実
室谷代表取締役冒頭の「64GB以上で動く」の現実を見ていきましょう。Unslothのドキュメントには128GB以上のRAMで動く、64GBでも動くが遅い、と書かれています。
テキトー教師DotAI 認定講師必要メモリの表も出ています。1-bitで128〜145GB、2-bitで176〜205GB、3-bitで256〜290GB、4-bitで305GB、8-bitで315GB。
これはEngramを除く重みに対して5〜10GB上乗せした概算で、実行時やコンテキスト次第でもっと必要になります。
これはEngramを除く重みに対して5〜10GB上乗せした概算で、実行時やコンテキスト次第でもっと必要になります。
室谷代表取締役つまり64GBのマシンで動かすなら、相当な割り切りが要るということです。1-bitのUD-IQ1_Sでも233GBのダウンロードで、うち110.6GBがEngramのn-gramテーブル、122.4GBがその他の重み。
テーブルをSSDに逃がして、キャッシュ用にRAMを足す形になります。
テーブルをSSDに逃がして、キャッシュ用にRAMを足す形になります。
テキトー教師DotAI 認定講師ファイルサイズの一覧も整理しておきますね。
- UD-IQ1_S: 233.0GB（1-bit）
- UD-IQ1_M: 250.4GB（1-bit）
- UD-IQ2_XXS: 300.5GB（2-bit）
- UD-Q2_K_XL: 334.8GB（2-bit）
- UD-IQ3_XXS: 394.7GB（3-bit）
- UD-Q3_K_XL: 485.1GB（3-bit）
- UD-Q4_K_XL: 500.7GB（4-bit）
- UD-Q8_K_XL: 508.4GB（8-bit）
室谷代表取締役1-bitのIQ1_SはQ8と比べて約54%のディスク節約になる。IQ1_Mにすると17.4GB増える代わりに、wiki1100でtop-1一致率が4.3ポイント、long17kで3.1ポイント改善する。
この辺のトレードオフはとても実務的です。
この辺のトレードオフはとても実務的です。
テキトー教師DotAI 認定講師Unslothは128GB RAMのMacBookやDGX Spark、RTX Sparkなら1-bitのUD-IQ1_S、256GB RAMのMac Studioなら3-bitのUD-IQ3_XXSが動くと案内しています。手元のマシンと相談ですね。
室谷代表取締役MYUUUでもローカル推論の検証はよくやるんですけど、結局ボトルネックはメモリ帯域とSSDの読み込み速度なんですよね。Unslothはllama.cpp上で最適化して最大3倍速いと主張していますが、これは環境依存なので過度な期待は禁物です。
テキトー教師DotAI 認定講師あと見落としがちなのが、Q4やQ8のラベルはすべてのテンソルの精度を表しているわけではないという点です。DeepSeekはMXFP4、FP8、BF16を混ぜていて、Q4は多くの非エキスパート重みをQ8_0で保存し、Q8はBF16を使う。
ラベルだけで判断しない方がいいですね。
ラベルだけで判断しない方がいいですね。
室谷代表取締役Engramの精度をMXFP8からQ6_K、Q5_K、IQ4_NLに差し替えるガイドも用意されているので、そこをチューニングする余地があります。
テキトー教師DotAI 認定講師既存のDeepSeekモデルの変遷を押さえたい人はDeepSeek V4.1 Flashとは？552B MoEとAA-AgentPerf首位のGB300を読み解くも参考になります。APIの始め方はDeepSeek APIの始め方｜APIキー取得と料金、モデルの使い分けにまとまっていますよ。
よくある質問
室谷代表取締役最後に、よく聞かれる点を整理しておきますね。
テキトー教師DotAI 認定講師まず「従来版との違いは？」ですが、DeepSeekの公式発表では推論・コーディング・エージェント・視覚ベンチマークの改善と、タスク実行時間・出力長の短縮が挙げられています。マイナーアップデートという位置づけです。
室谷代表取締役「API料金は上がった？」については、モデル名
deepseek-flashのままで価格も据え置きと公式に明記されています。ピークとオフピークの二段階料金も継続です。テキトー教師DotAI 認定講師「日本から使える？」は、APIのベースURLが公開されていて、Webとアプリも更新済みと案内されています。ただし地域制限の有無については今回の資料に記述がないので、現時点では明らかにされていません。
室谷代表取締役「64GB RAMで本当に動く？」は、Unslothのドキュメント上は64GBでも動くが遅い、128GB以上を推奨という書き方です。1-bitのUD-IQ1_Sで233GBのディスク容量が必要な点は忘れずに。
テキトー教師DotAI 認定講師「ライセンスは？」はMITライセンスです。商用利用の可否はライセンス条項に従う形になります。
室谷代表取締役「ベンチマークの数字は信じていい？」は、DeepSeek公式の数値とUnslothの量子化ベンチマークはそれぞれ発表元が違うので、条件を確認した上で参考にするのがいいですね。第三者による追試は現時点では明らかにされていません。
テキトー教師DotAI 認定講師まとめると、モデル本体の進化はDeepSeek、ローカル実行の現実解はUnsloth、という構図です。量子化論争も含めて、しばらく目が離せないですね。
室谷代表取締役そうなんですよね。まずは自分の環境でどのビット数が現実的か、サイズ表と相談しながら試してみるのがいいと思います。
