DeepSeek V3.2がエリートベンチマークでGPT-5を上回る：中国のAI躍進がインフラに意味するもの

2025年12月10日 執筆：Blake Crosley

中国のDeepSeekは2025年12月1日に2つの新しいAIモデルを発表し、DeepSeek-V3.2-Specialeはエリート競技で優れた結果を達成した：2025年国際数学オリンピックで金メダルレベル（35/42点）、国際情報オリンピックで10位（492/600点）、ICPC世界大会で2位。[^1] ベンチマーク性能において、SpecialeバリアントはAIMEで96.0%のパス率を達成し、GPT-5-Highの94.6%およびGemini-3.0-Proの95.0%を上回った。[^2] 両モデルはApache 2.0ライセンスの下で無料かつオープンにリリースされ、フロンティアAI能力に必要な計算資源に関する前提に挑戦している。

このリリースはAI地政学における重要な瞬間を示している。米国のチップ輸出規制下で運営される中国の研究機関が、エリート推論タスクにおいて米国のフロンティアシステムに匹敵するかそれを超えるモデルを生み出した。この成果はインフラ投資とAI能力の関係について疑問を提起し、GPU調達やトレーニングインフラを計画している組織に影響を与える。

ベンチマーク性能の詳細

DeepSeek-V3.2-Specialeは数学およびプログラミングのベンチマーク全般で卓越した性能を示し、世界のフロンティアモデルのトップ3に位置づけられた。

ハーバード-MIT数学トーナメントでは、Specialeバリアントは99.2%のスコアを獲得し、Geminiの97.5%を上回った。[^3] AIME（15問を75分で解く、計算よりも数学的洞察力を測定する試験）は、AIにとって最も困難な推論ベンチマークの1つである。96%のスコアは、世界のトップ50数学オリンピック競技者レベルにモデルを位置づける。[^4]

基盤となるアーキテクチャがその理由を説明する。DeepSeek V3.2は、トークンあたり370億パラメータがアクティブ化される6850億パラメータのMixture-of-Experts（MoE）フレームワークに基づいている。[^5] MoE設計により、モデルは6850億モデルの知識容量を持ちながら、370億モデルの推論コストで済む—制限されたハードウェアでのトレーニングとデプロイメントの両方を可能にする重要な効率の利点である。

標準のDeepSeek-V3.2リリースは、能力と効率のバランスを取った日常的な推論アシスタントのユースケースを対象としている。Specialeバリアント—拡張された推論チェーンを持つ高計算構成—は、コスト効率ではなくエリートベンチマーク性能に最適化された最大能力バージョンを表す。[^6] DeepSeekは、Speciale APIエンドポイントが2025年12月15日に期限切れになると述べており、モデルを大規模に実行する際の極端な計算コストを反映している。

両モデルは、推論と特定のアクションを自律的に実行する能力を組み合わせる機能を追加しており、生のベンチマーク性能と並んでエージェント的な能力を示している。[^7] この組み合わせにより、DeepSeekモデルは学術的なベンチマークを超えた実用的なアプリケーションに位置づけられる。

インフラ効率への影響

DeepSeekの成果は、フロンティアAIに必要な計算資源に関する前提に挑戦し、インフラ計画のための具体的な教訓を提供する。

トレーニング効率のブレークスルー

DeepSeekは、V3を2,048台のNVIDIA H800 GPU（相互接続速度が低下したH100の輸出規制バリアント）で、わずか278.8万GPU時間、約560万ドルの計算コストでトレーニングした。[^8] 参考までに、Llama 3 405Bはトレーニングに3,080万GPU時間を必要とした—より小さなモデルに11倍の計算を要した。[^9]

効率は3つの主要なイノベーションから来ている：

FP8混合精度トレーニング。 DeepSeekは大規模でのFP8（8ビット）トレーニングを先駆け、精度を維持しながらメモリ要件を削減した。V3はFP8を使用してトレーニングされた最初のオープンLLMであり、非常に大きなモデルに対する技術の有効性を実証した。[^10]

トークンあたりの計算効率。 DeepSeekはV3をトークンあたり250 GFLOPsでトレーニングしたのに対し、Qwen 2.5 72Bは394 GFLOPs、Llama 3.1 405Bは2,448 GFLOPsであった。[^11] Llamaとの10倍の効率差は、アルゴリズムのイノベーションが生の計算を代替できることを示している。

Multi-head Latent Attention（MLA）。 このアーキテクチャは推論中のメモリ帯域幅要件を削減し、そうでなければ不十分なハードウェアでのデプロイメントを可能にする。

調達決定への意味

効率の差はGPU調達に直接的な影響を与える：

大規模クラスタの前提を疑問視する。 DeepSeekが2,048台のH800でフロンティア性能を達成したなら、10,000台以上のGPUクラスタを計画している組織は効率の前提を検証すべきである。より小さく最適化されたクラスタが同等の能力を提供する可能性がある。

トレーニングインフラの専門知識に投資する。 DeepSeekの効率と西側の研究機関のアプローチとの差は、トレーニング方法論がハードウェアと同様に重要であることを示唆している。組織はGPU調達と並んでMLエンジニアリングの人材に予算を配分すべきである。

急速な効率改善を計画する。 トレーニング効率が向上するにつれ、12-18ヶ月の調達サイクルは陳腐化のリスクがある。現在の前提に固定された大規模な資本購入よりも、より短い契約や柔軟なクラウド契約を検討すべきである。

輸出規制の背景

米国のチップ輸出規制は、H100やBlackwellアーキテクチャを含むNVIDIAの最先端GPUへの中国のアクセスを制限している。DeepSeekは、完全な計算能力を保持しながらNVLink相互接続速度が低下したH800を使用してV3.2を開発し、フロンティアハードウェアへのアクセスなしでフロンティア性能を達成した。

この成果は、相互接続帯域幅の制約がアルゴリズムのイノベーションによって部分的に克服できることを示している。組織は、より多くのGPUが自動的により良いモデルを生み出すと仮定することはできない。トレーニング効率、アーキテクチャのイノベーション、最適化は、生の計算と並んで重要である。

オープンモデルの経済学：具体的なコスト比較

両方のDeepSeek-V3.2モデルは無料かつオープンでリリースされ、GPUインフラを持つ組織に大きなコスト優位性をもたらす。

API価格比較： - GPT-5 Standard：100万入力トークンあたり$1.25、100万出力トークンあたり$10[^12] - Claude Opus 4.1：100万入力トークンあたり$15、100万出力トークンあたり$75[^13] - DeepSeek V3.2-Exp：100万入力トークンあたり$0.028[^14]

45倍から500倍の価格差は、大量の推論ワークロードを実行する組織が、プロプライエタリAPIを使用する代わりにDeepSeekをセルフホスティングすることで大幅なコスト削減を達成できることを意味する。

セルフホスティング要件： 完全な6850億モデルの実行には、FP8精度で約700GB VRAMが必要であり、8-10台のNVIDIA H100（80GB）GPUで達成可能である。[^15] 量子化された4ビットバージョンではこれが約386GBに削減され、5-6台のH100または同等の構成でのデプロイメントが可能になる。[^16]

他のAIワークロードのためにすでにGPUクラスタを運用している組織にとって、DeepSeek推論の追加は、プロプライエタリな代替手段のトークンあたりの手数料と比較して限界コストを表す。

競争環境の変化

2025年11月には主要な研究機関からフロンティアモデルのリリースが集中し、DeepSeekが米国中心の環境に中国の競争を加えた。

米国のフロンティアモデルリリース

2025年11月はリリースが非常に詰まっており、GPT-5.1、Grok 4.1、Gemini 3 Pro、Claude Opus 4.5がすべて6日以内にリリースされた。[^17] Claude Opus 4.5は、Anthropicの最も知的なモデルであり、コーディングとエージェントタスクに優れている。[^18] Gemini 3 Proは86.4のGPQAスコアで推論ベンチマークを支配し、Claude Opus 4.5はSWE-benchで72.5%でコーディングベンチマークをリードしている。[^19]

DeepSeekの12月のリリースは、中国の研究機関がハードウェア制限にもかかわらず、このフロンティア開発のペースに匹敵できることを示している。グローバルなAI競争には現在、デプロイメント規模だけでなく能力においても中国からの真の競争が含まれている。

地政学的影響

中国のフロンティアAI能力は、輸出規制、計算主権、AIリーダーシップに関する米国の政策議論に影響を与える。政策立案者はハードウェア制限が中国のAI開発を遅らせると想定していた；DeepSeekの成果は戦略の限界を示唆している。

組織は、政府が競争力学の変化に対応するにつれて、政策の継続的な進化を予測すべきである。輸出規制は強化、新しいカテゴリへの拡大、または有効性が疑問視されるにつれて再検討される可能性がある。調達計画は政策の不確実性を考慮すべきである。

意思決定フレームワーク：構築、購入、または待機？

DeepSeekのリリースは、AI能力に対する構築対購入の計算を再構築する。決定を検討する方法は以下の通り：

フレームワークは現世代のGPU価格を前提としている。H100の可用性が向上し、H200/B200が市場に参入するにつれて、セルフホスティングの経済性はさらに自社所有インフラに有利にシフトする。

インフラ計画への意味

DeepSeekの成果は、AIインフラを計画している組織にいくつかの実行可能な影響を与える。

規模よりも効率

AI能力の達成には、生のGPU数よりもトレーニング効率の方が重要である。組織はハードウェア調達と並んでトレーニングインフラの最適化に投資すべきである。良いハードウェアと良いトレーニングアプローチの組み合わせは、ナイーブなトレーニングを伴う優れたハードウェアを上回る。

実行可能なステップ： 大規模なGPU注文にコミットする前に、MLエンジニアリングコンサルタントを雇ってトレーニング効率を監査する。2-3倍の効率改善は、必要なクラスタサイズを比例的に削減する可能性がある。

研究パートナーシップやエンジニアリング人材への投資は、追加のGPU調達よりもドルあたりの能力を多く提供する可能性がある。組織はAI開発戦略に基づいてハードウェアと人的資本への投資のバランスを取るべきである。

オープンモデルデプロイメントインフラ

無料でオープンなフロンティアモデルは、インフラ要件を変える。APIレイテンシを最適化し、トークンあたりのコストを管理する代わりに、組織はセルフホストデプロイメントのための推論インフラを検討すべきである。インフラ経済は運用費用から資本投資にシフトする。

実行可能なステップ： 現在のAPI支出を計算する。推論に月額$50,000以上を支出している場合、セルフホスティングの経済性を評価する。8 GPU H100クラスタのコストは約$250,000-300,000だが、トークンあたりの手数料を無期限に排除する。

トレーニングよりも推論に向けてサイズ調整されたGPUクラスタは、オープンモデルが改善されるにつれてより価値が高まる。組織は、モデルプロバイダーにAPIマージンを支払うよりも、自社所有インフラで推論を実行する方がより良い経済性を達成する可能性がある。

分散化の考慮

単一のモデルプロバイダーへの依存は、競争力学が進化するにつれてリスクを生み出す。組織は複数のプロバイダーからのモデルを受け入れるシステムを設計し、新しい能力の迅速な採用を可能にすべきである。DeepSeekのリリースは、能力のリーダーシップが予測不可能にシフトすることを示している。

実行可能なステップ： アプリケーションの変更なしにプロバイダー間の切り替えを可能にするモデル抽象化レイヤー（LiteLLM、OpenRouter、またはカスタムルーティング）を実装する。

Introlの550人のフィールドエンジニアは、競争力学に適応する柔軟なAIインフラを実装する組織をサポートしている。[^20] 同社は9,594%の3年間成長で2025年Inc. 5000で14位にランクされた。[^21]

257のグローバルロケーションにまたがるインフラは、AI環境が進化するにつれて適応性を必要とする。[^22] プロフェッショナルサポートにより、モデルの能力と経済性が変化しても、インフラ投資が価値を維持することを確保する。

重要なポイント

インフラプランナー向け： - DeepSeekはLlama 3 405Bより11倍少ない計算でGPT-5レベルの性能を達成 - フロンティアモデルのセルフホスティングには現在8-10台のH100（約$250-300K）が必要、月額$50K以上のAPI料金と比較 - トレーニング効率はGPU数と同様に重要—MLの専門知識に予算を配分

[翻訳のためコンテンツ省略]