DeepSeek R1 / V3 (中国・2024-2025)（ディープシークアールワン）
幻方量化が開発した、極めて高いコスト効率と推論能力を両立する中国発のAIモデル群。V3のMoEアーキテクチャとR1の高度な思考プロセスにより、従来の西側巨大資本による独占的状況を打破し、AI開発のパラダイムシフトを引き起こした。
概要
DeepSeekシリーズは、従来の「計算資源の物量作戦」によるAI開発に終止符を打ちかねない、極めて高度なアルゴリズム効率を実現したモデル群である。2024年12月に発表されたV3は、671Bという巨大なパラメータ数（Mixture of Experts）を誇りながら、従来の巨大モデルの数十分の一という驚異的な低コストでの訓練に成功した。これは、Multi-head Latent Attention (MLA) やDeepSeekMoEといった独自のアーキテクチャ最適化によるものである。
続く2025年1月に発表されたR1は、OpenAIのo1シリーズに対抗する「推論モデル」として位置づけられる。強化学習（RL）を主軸に据え、モデルが自律的に思考プロセス（Chain of Thought）を展開する能力を強化しており、数学やプログラミングといった論理的思考が求められるタスクにおいて、先行する西側モデルに匹敵、あるいは凌駕する性能を見せている。この技術革新は、単なる「中国製AIの台頭」に留まらず、AI開発における資本力と計算資源への依存度を低下させる可能性を示唆している。
スペック表
| 項目 | DeepSeek-V3 | DeepSeek-R1 |
|---|---|---|
| モデルタイプ | MoE (Mixture of Experts) | Reasoning Model (推論特化型) |
| 主要アーキテクチャ | 671B Parameters / MLA搭載 | RL（強化学習）による思考プロセス強化 |
| 主な用途 | 高性能な汎用言語処理・対話 | 数学、コード、複雑な論理推論 |
| 訓練コストの性質 | 極めて高い計算効率化を実現 | 思考ステップの最適化に重点 |
| ライセンス形態 | MIT License (オープンソース) | MIT License (オープンソース) |
比較表
| 比較軸 | DeepSeekシリーズ | 西側主要LLM (GPT-4o/o1等) |
|---|---|---|
| 開発アプローチ | アルゴリズムによる効率化重視 | 計算資源の規模拡大（Scaling Law）重視 |
| 経済的インパクト | 訓練コストを劇的に抑制 | 莫大な資本投下とインフラ需要の増大 |
| アクセシビリティ | オープンソース・高い透明性 | クローズドAPI・限定的な公開範囲 |
| 市場への影響 | 半導体需要予測の不確実性を増大 | AI投資ブームとハードウェア依存の継続 |
関連用語との違い
MoE (Mixture of Experts) と Dense Model
DeepSeek-V3が採用するMoEは、モデル内の全パラメータを毎回動かすのではなく、入力に応じて特定の「エキスパート」のみを活性化させる手法である。これに対し、従来のDense（密）モデルは全ての重みを計算に用いるため、性能向上に伴い計算コストが指数関数的に増大する傾向にある。
推論モデル (Reasoning Model) と 汎用LLM
一般的なLLMが「次の単語を予測する」ことに特化しているのに対し、R1のような推論モデルは、回答に至るまでの「思考の連鎖（Chain of Thought）」を明示的に生成・検証する。これにより、一見すると単純な応答ではなく、論理的なステップを踏んだ深い考察が可能となる。
FAQ
Q1: なぜDeepSeekの登場でNVIDIAなどの株価が大きく変動したのですか？
DeepSeekが「低コストでの高性能化」を証明したことで、AI開発におけるGPU（計算資源）への依存度が低下する懸念が生じたためです。これまで「より多くのチップがあればより賢いAIができる」という前提で投資が行われてきましたが、アルゴリズムの進化によって、必ずしも膨大な数の高価なGPUを買い増さなくても同等の性能が得られる可能性が示されたことが、市場に衝撃を与えました。
Q2: オープンソース化はどのような意味を持ちますか？
MITライセンスでの公開は、世界中の開発者がモデルの内部構造を検証し、改良・最適化できることを意味します。これにより、特定の企業によるAI技術の独占が防がれる一方で、技術の民主化が進み、エッジデバイスやローカル環境での高度なAI利用が加速する要因となります。
Q3: 今後のAI開発のトレンドはどう変わると予想されますか？
「モデルの巨大化」から「効率的な推論と学習」へと焦点が移っていくと考えられます。計算資源を際限なく投入する手法に加え、DeepSeekのように強化学習や高度なアーキテクチャ設計によって、少ないリソースで知能をいかに高めるかという、アルゴリズムの質を競う時代へと突入しています。