DeepSeek V4.1 Flash、GPT-6 Astraにほぼ匹敵する性能をコスト1.4%で実現

DeepSeek V4.1 Flashは、GPT-6 Astraの最高スコアの98%に、最高価格の約1.4%で到達した。OpenDesign Arenaは日常的なデザイン作業で13モデルをテストした。対象となったのは、ウェブアプリ、ダッシュボード、モバイル画面、ランディングページの制作だった。GPT-6 Astraの平均スコアは82.7ポイントだった。DeepSeek V4.1 Flashの平均スコアは81.2ポイントだった。GPT-6 Astraは11.1分を要し、完成デザイン1件あたり1.61ドルかかった。DeepSeekは5.3分を要し、コストは0.023ドルだった。13モデルのうち11モデルはDeepSeekを下回るスコアで、運用コストはより高かった。DeepSeekのモデルは合計5,520億パラメーターを持つ。プロンプトの読み取りには80億パラメーターを、応答の生成には160億パラメーターを活性化する。DeepSeekはこの方式を因果エンコーダー・デコーダー設計（Causal Encoder-Decoder）と呼んでいる。OpenDesignは、動作するウェブページとして表示される出力のみを採点する。空白、壊れた、または途中で切れた出力にはゼロ点を与え、再テストは行わない。このベンチマークが測定するのは、一般的な推論能力やコーディング能力ではなく、日常的なデザイン出力を安定して提供する能力だ。DeepSeekの納品率は57.7%だった。GPT-6 Astraの納品率は60%だった。Claude Fable 5.1は80.3ポイントを獲得し、12.8分を要し、コストは3.66ドルだった。DeepSeek V4.1 Flashは、別のベンチマークでDeepSeek V4 ProがClaude Fable 5に5%以内まで迫り、Fableの料金の一部しか請求しなかった結果に続くものとなった。