DeepSeek V3

DeepSeek V3 は DeepSeek が公開したオープンウェイトの MoE 言語モデルで、技術レポート（arXiv 2412.19437）は 2024 年 12 月 27 日付です。Hugging Face のモデルカードには、総パラメータ 671B、トークンあたり有効 37B、コンテキスト長 128K と記載されています。ただし DeepSeek の API ドキュメントには現在掲載されておらず、現行のモデル名は deepseek-flash（DeepSeek-V4.1-Flash-1017 が応答）と deepseek-v4-pro です。

主な機能

• 671B MoE、有効 37B：カードには Multi-head Latent Attention、DeepSeekMoE、補助損失なしの負荷分散、Multi-Token Prediction の目的関数が記載されています。
• 14.8T 学習トークン：14.8 兆トークンで事前学習し、その後に教師ありファインチューニングと強化学習を行いました。
• 128K コンテキスト：カードのコンテキスト長は 128K です。
• 学習コスト：カードは 278.8 万 H800 GPU 時間を挙げ、回復不能な損失スパイクはなかったとしています。
• ベンダーのベンチマーク：DeepSeek はチャットモデルで MATH-500 90.2、Arena-Hard 85.5、MMLU-Pro 75.9 と報告しています（出力は 8K トークン上限）。これは DeepSeek 自身の評価です。

活用シーン

• ライセンスの範囲で、オープンウェイトの汎用モデルを研究や社内用途で自前運用する。
• 公開レポートと重みを通じて、MoE 構造、FP8 学習、マルチトークン予測を研究する。
• 公開されている V3 の結果を再現・比較する。

料金と提供状況

重みは Hugging Face にあります。コードは MIT ライセンス、モデルの重みは別の Model Agreement の対象で、カードは商用利用に対応するとしています。重みは FP8 形式で、BF16 への変換スクリプトが付属します。2026-10-29 時点で DeepSeek の API ドキュメントには V3 も V3 の価格も載っておらず、旧名称 deepseek-v4-flash は DeepSeek-V4.1-Flash-1017 が Flash 価格で応答すると説明されています。ホスト型で使う場合は現行モデルへ移行してください。

クイックスタート

1. モデルカードと技術レポートを読み、Model Agreement に同意します。
2. 671B MoE モデルに必要なハードウェアを計画するか、自己責任でコミュニティ製の量子化版を使います。
3. API で使う場合は、DeepSeek API ドキュメントの deepseek-flash か deepseek-v4-pro を使ってください。

よくある質問

DeepSeek V3 の規模は？

Hugging Face のカードによると、総パラメータ 671B、トークンあたり有効 37B です。

コンテキスト長は？

カードによると 128K トークンです。

API で DeepSeek V3 はまだ使えますか？

DeepSeek の API ドキュメントには掲載されておらず、deepseek-flash と deepseek-v4-pro が載っています。オープンウェイトは Hugging Face に残っています。

DeepSeek V3 の後継は？

API 利用では、ドキュメントの現行モデルは DeepSeek V4.1 Flash と DeepSeek V4 Pro です。

代替ツール

• DeepSeek V4.1 Flash：API ドキュメントの現行 Flash モデル。
• DeepSeek V4 Pro：API ドキュメントの Pro モデル。
• DeepSeek-R1：DeepSeek の推論モデル。

まとめ

DeepSeek V3 は資料が充実したオープン MoE モデルで、研究や自前運用には今も有用ですが、新規の API プロジェクトでは現行の V4 系を使うべきです。モデルカードや API ドキュメントから始め、モデルカテゴリで他のモデルも見てください。