2026/07/30

DeepSeek V4 1Mコンテキスト：max_tokens、課金と実行

DeepSeek V4の1Mコンテキストは入力と出力で共有され、最大出力は384K。max_tokens、キャッシュ課金、同時実行制限について解説します。

DeepSeek V4の1Mコンテキストウィンドウは、入力と出力で共有される予算です。入力で1M tokens送信してから384K追加生成できるという意味ではありません。 384K は出力の最大値であり、max_tokens は1回のリクエストで選択する出力の上限です。実際の出力は、1Mウィンドウに残っているスペースによっても制限されます^[1]^[2]。

このガイドは、その仕様の背後にある実践的な質問に答えます：入力と出力の予算立て、max_tokensの設定方法、思考トークンが使用量に与える影響、キャッシュ課金の仕組み、FlashとProが異なる同時実行制限を持つ理由です。

DeepSeek V4の制限一覧

項目	公式仕様
モデルID	`deepseek-v4-flash`、`deepseek-v4-pro`
コンテキストウィンドウ	1M tokens、入力と生成出力で共有
最大出力	384K tokens
`max_tokens`	リクエストごとの完了上限；残りのコンテキストまたはモデル出力制限を超えることはできません
デフォルトモード	思考が有効；通常のリクエストはデフォルトで `reasoning_effort: high`
キャッシュ	コンテキストディスクキャッシュは自動的に有効
直接API同時実行	Flash 2,500；Pro 500（アカウント単位）
インターフェース	OpenAI Chat Completions およびAnthropicコンパチブル

DeepSeekは2026年4月24日にFlashとProのバリアントを備えた1Mコンテキストウィンドウでプレビューをリリースしました^[3]。公式の料金ページでは、両方のモデルに対して同じ384K出力上限がリストされ、JSON出力、ツール呼び出し、プリフィックス完了、FIM完了が含まれています^[1]。

1Mは入力のみを意味しますか？

いいえ。DeepSeekのChat Completions リファレンスでは、入力トークンと生成トークンの合計長がモデルコンテキスト長で制限されると記載されています^[2]。

このメンタルモデルを使用してください：

入力トークン + 生成トークン <= 1Mコンテキスト
生成トークン <= max_tokens
生成トークン <= 384Kモデル出力制限

プロンプトがコンテキストウィンドウをほぼ満たしている場合、モデルは384K の回答も返すことはできません。システム命令、ツールスキーマ、会話履歴、完了のためにスペースを予約してください。

大きなウィンドウは検索とチャンキングの価値も削除しません。より少なく、より良く整理されたコンテキストを送信することで、通常、レイテンシ、コスト、回答の焦点が改善されます。

`max_tokens`の設定方法

max_tokens は1回のリクエストの最大完了長です。finish_reason が length の場合、リクエストがこの上限に達したか、利用可能なコンテキストを消費したことを意味します^[2]。

合理的な開始点：

ワークロード	開始上限
分類、抽出、短い回答	1K–4K
コードレビューとドキュメント要約	4K–16K
長いレポートと移行計画	16K–64K
極端な長文生成	コストと切り詰めを測定した後にのみ増加

これらはエンジニアリングの開始点であり、公式の要件ではありません。上限を上げる前に、finish_reason、実際の完了トークン、レイテンシ、有用な出力率を測定してください。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_REAPI_KEY",
    base_url="https://api.reapi.ai/v1",
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "user",
            "content": "Review this repository inventory and produce a risk-ranked migration plan.",
        }
    ],
    max_tokens=16_384,
    reasoning_effort="high",
    extra_body={
        "thinking": {"type": "enabled"},
        "group": "default",
    },
)

reAPI リクエストフィールドについては DeepSeek V4 APIリファレンスを、プレイグラウンドとライブゲートウェイ料金については DeepSeek V4 モデルページを参照してください。

思考トークンと完了使用量

思考モードはデフォルトで有効です。DeepSeekは推論を reasoning_content で返し、使用量オブジェクトは completion_tokens_details.reasoning_tokens として個別に報告できます^[4]^[2]。

推論と目に見える最終回答の両方の周りで完了容量を計画してください。思考モードでは、temperature、top_p、presence_penalty、frequency_penalty は互換性のために受け入れられますが、有効にはなりません^[4]。

決定論的抽出または低レイテンシの作業の場合は、思考が無効なFlashをテストしてください。計画、コーディング、追加の推論が有用な多段階のツール使用では思考を有効に保ってください。

課金の仕組み

DeepSeek Directは3つのトークンバケットを課金します：

キャッシュされた入力；
キャッシュされていない入力；
出力。

2026年7月30日の公式USD料金は^[1]以下の通りです：

モデル	キャッシュされた入力 / 1M	キャッシュされていない入力 / 1M	出力 / 1M
DeepSeek V4 Flash	$0.0028	$0.14	$0.28
DeepSeek V4 Pro	$0.003625	$0.435	$0.87

一般的な公式は：

コスト =
  キャッシュ入力 / 1M × キャッシュレート
  + キャッシュなし入力 / 1M × キャッシュなしレート
  + 出力 / 1M × 出力レート

これらはDeepSeekの直接料金です。reAPIはライブUSD料金を持つ別のゲートウェイであるため、ゲートウェイ課金には reAPI DeepSeek V4 ページの料金カードを使用してください。

コンテキストキャッシュから価値を得る

DeepSeekのディスクキャッシュは自動的に有効になります。後続のリクエストは、保存されたプリフィックスユニットと完全に一致する場合にのみキャッシュヒットを受け取ります。同様の表現では不十分です^[5]。

安定したコンテンツを最初に配置します：

安定したシステムプロンプト
+ 安定したツールスキーマ
+ 変更されていないリポジトリまたはドキュメントコーパス
+ リクエストごとに変更される質問

レスポンスフィールド prompt_cache_hit_tokens と prompt_cache_miss_tokens を使用して、実際のヒット率を計算してください。プロンプト類似性だけから節約を推定しないでください。

FlashとProの同時実行

DeepSeek Directはアカウントレベルの同時実行制限を公開しています。Flashは2,500、Proは500（アカウント単位）です。リクエストは応答が終了するまで1つの同時実行スロットを占有します。制限はAPIキーごとではなくアカウントごとで、超過リクエストはHTTP 429を受け取ります^[6]。

オプションの user_id は安全性、キャッシュ、スケジューリング動作を分離できますが、通常のアカウントはすべてのuser_idでアカウント同時実行全体を共有します。より多くのキーまたはuser_idを作成しても容量は増加しません。

これらの数値はDeepSeek Directに適用されます。ゲートウェイの同時実行とキューイングは異なる場合があります。reAPIを使用する場合は、reAPIが公開する制限と応答に従ってください。

1Mコンテキストリクエストの本番チェックリスト

トークンを数えてください。文字をトークンとして扱わないでください。
出力、ツールスキーマ、フォローアップターンのためにコンテキストを予約してください。
max_tokens をタスクに設定してください。自動的に384Kに設定しないでください。
finish_reason を記録し、切り詰めを自然停止から区別してください。
再利用可能なプリフィックスを安定に保ち、キャッシュヒットトークンを追跡してください。
目に見える回答長から推論使用量を個別に測定してください。
指数関数的バックオフとジッターで429応答を再試行してください。
高容量の定型作業をFlashにルーティングし、難しいタスク用にProを予約してください。
現在のV4モデルIDを使用してください。DeepSeekが発表した deepseek-chat と deepseek-reasoner の廃止予定日は2026年7月24日でした^[3]。

DeepSeek. Models & Pricing — V4 context, output, features, prices, and concurrency. Retrieved July 30, 2026 from api-docs.deepseek.com/quick_start/pricing
DeepSeek. Create Chat Completion — max_tokens, context limits, finish reasons, and usage. Retrieved July 30, 2026 from api-docs.deepseek.com/api/create-chat-completion
DeepSeek. DeepSeek-V4 preview release. April 24, 2026. api-docs.deepseek.com/news/news260424
DeepSeek. Thinking Mode — controls, reasoning effort, and reasoning content. Retrieved July 30, 2026 from api-docs.deepseek.com/guides/thinking_mode
DeepSeek. Context Caching — prefix matching and usage fields. Retrieved July 30, 2026 from api-docs.deepseek.com/guides/kv_cache
DeepSeek. Rate Limit & Isolation — account-level concurrency and user_id. Retrieved July 30, 2026 from api-docs.deepseek.com/quick_start/rate_limit