DeepSeek R1は、中国のAI企業DeepSeekが公開した「推論特化型」のAIモデルです。数学・コーディング・論理パズルのような、じっくり考える必要のある問題を得意とします。Webチャットは無料で試せ、モデルの重みも公開されています。この記事ではR1の特徴、V3やV4との違い、料金の考え方、Web・API・ローカルでの始め方、プロンプトのコツ、利用時の注意点までを一通り整理します。
DeepSeek R1とは?まず押さえたい基本
DeepSeek R1(ディープシーク・アールワン)は、2025年1月に公開された大規模言語モデル(LLM)です。最大の特徴は、回答を出す前に長い「思考過程」を生成し、その上で最終回答を返す点にあります。
※LLM(大規模言語モデル)とは: 大量のテキストで学習し、文章の生成・要約・翻訳・コード作成などを行うAIモデルのことです。ChatGPTやClaudeの中核もLLMです。
※推論モデルとは: 回答の前に内部で段階的に考える(Chain-of-Thought)ことで、複雑な問題の正答率を高めるタイプのモデルです。応答までの時間は長めになりますが、数学やコード、論理問題では精度が上がりやすい傾向があります。
開発元と公開形態
開発元は中国のDeepSeek(深度求索)です。R1は強化学習(※)を中心に推論能力を高めたモデルで、手法の詳細は論文「DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning」で公開されています(arXiv:2501.12948)。
※強化学習とは: AIが試行錯誤し、正解に近い出力ほど報酬を得る形で学習を進める手法です。人間が模範解答を大量に用意しなくても、推論の型を身につけさせやすい点が注目されました。
モデルの重み(※)はHugging Faceで公開されており、ライセンスはMITライセンスです。商用利用や改変、蒸留(※)も認められる緩やかな条件ですが、条件の最新内容は必ず公式リポジトリ(GitHub)やHugging Faceのモデルページで確認してください。
※重み(ウェイト)とは: 学習によって得られたモデルの中身(数値パラメータ)のことです。重みが公開されていれば、自分の環境にダウンロードして動かせます。
※蒸留とは: 大きなモデルの出力を使って、小さなモデルに能力を移す手法です。
R1の主なスペック
公式リポジトリで公開されている情報をもとに、R1の骨格を整理します。
| 項目 | 内容 |
|---|---|
| 公開時期 | 2025年1月 |
| アーキテクチャ | MoE(Mixture of Experts) |
| 総パラメータ数 | 約6710億 |
| 1トークンあたりの有効パラメータ | 約370億 |
| ライセンス | MIT |
| 蒸留版 | 1.5B・7B・8B・14B・32B・70Bのサイズ展開 |
※MoEとは: 多数の「専門家(エキスパート)」ネットワークを用意し、入力ごとに一部だけを動かす構造です。総パラメータが巨大でも、実際の計算量を抑えられます。
※パラメータ数とは: モデルの規模を表す指標です。「7B」は70億、「70B」は700億パラメータを意味します。一般に大きいほど高性能ですが、必要なメモリも増えます。
なお、論文ではAIME 2024(数学コンテスト問題)やMATH-500といった数学系ベンチマークで高いスコアが報告されています。ただしベンチマークは条件や時期によって変動します。実際の用途で通用するかは、自分のタスクで試して判断するのが確実です。
DeepSeek全体の概要や他モデルとの違いを先に知りたい方は、DeepSeekとは?特徴・機能・料金・使い方まで徹底解説の記事も参考にしてください。
DeepSeek R1の主な機能と得意なこと
R1でできることは多岐にわたりますが、特に価値が出やすい機能を5つに絞って、具体例とあわせて紹介します。
1. 思考過程の可視化
R1は最終回答の前に、どう考えたかを文章として出力します。DeepSeekの公式Webチャットでは「DeepThink」を有効にすると、思考の流れが折りたたみ表示で確認できます。APIでは、思考過程と最終回答が別々のフィールドで返される仕様です。
具体例として、次のような問いを投げると、途中の検算や場合分けがそのまま見えます。
1から100までの整数のうち、3でも5でも割り切れない数はいくつありますか。
考え方も説明してください。
思考過程が見えることで、答えが合っているかだけでなく、どこで誤解したかも追跡できます。学習用途やレビュー用途で扱いやすい点です。
2. 数学・論理問題の解決
R1は強化学習によって、段階的な推論を得意とするように訓練されています。方程式の処理、確率・組合せの問題、証明の下書き、パズルの解法検討などに向きます。
プロンプトの例を示します。
次の条件を満たす整数の組(x, y)をすべて求めてください。
x^2 + y^2 = 25, x >= 0, y >= 0
途中の場合分けも示し、最後に検算してください。
「検算してください」と明示すると、自己検証のステップが入りやすくなります。
3. コード生成・デバッグ
アルゴリズム実装、バグの原因調査、計算量の見積もり、リファクタリング方針の検討などに使えます。思考型のため、単純な定型コードよりも「条件が複雑な問題」「原因が分かりにくいバグ」で力を発揮しやすいです。
以下のPython関数は、空リストを渡すと例外が発生します。
原因を特定し、修正版コードと、追加すべきテストケースを3つ提案してください。
def average(values):
return sum(values) / len(values)
このように、現象・期待する動作・出力形式を指定するのがコツです。
4. 長文の分析と要約
契約書の論点整理、論文の要点抽出、議事録からの課題リスト化など、文章を読み解いて構造化する作業にも使えます。扱える入力の長さ(コンテキスト長)は、利用するモデルやAPIの世代によって異なるため、最新の上限はDeepSeek API Docsで確認してください。
※コンテキスト長とは: モデルが一度に読み込める文章量の上限のことです。入力と出力の合計がトークン単位で数えられます。
5. 蒸留モデルによるローカル実行
R1の大きな特徴が、小型の蒸留モデルが公開されている点です。QwenやLlamaをベースに、R1の出力で学習させた1.5B〜70Bのモデルが提供されています。小さいサイズなら、一般的なPCでも動かせる可能性があります。
ローカル実行の利点は次のとおりです。
- 入力データを外部サーバーに送らずに済む
- 通信量や従量課金を気にせず試せる
- 社内環境や閉域網での検証がしやすい
一方で、蒸留モデルは元のR1(約6710億パラメータ)とは別物であり、同じ性能が出るわけではありません。サイズが小さいほど、複雑な問題での精度は下がる傾向があります。
DeepSeek R1とV3・V4などの違い、現在の位置づけ
検索でよく混乱が起きるのが、「R1」と「V3」「V4」の関係です。DeepSeekのモデル系統を整理します。
| 系統 | 特徴 | 向いている用途 |
|---|---|---|
| V系(V3など) | 汎用チャット向けの基盤モデル | 文章作成、翻訳、一般的な質問応答 |
| R系(R1) | 推論(思考)に特化 | 数学、コード、論理問題 |
| 新世代(V4系) | 高性能・低コストを両立する新しいモデル群 | 最新の汎用・推論用途、API利用 |
R1が登場した背景
R1は、基盤モデルであるDeepSeek-V3をベースに、推論能力を強化学習で高めて作られたとされています。論文では、まず強化学習のみで推論力を引き出す実験(R1-Zero)を行い、そのうえで読みやすさや言語の一貫性を改善する工程を加えたR1が紹介されています。
最新状況の見方
DeepSeekはその後も更新を重ねており、2025年5月にR1のアップデート版が公開されました。さらに、思考モードと通常モードを一つのモデルで切り替えられる世代や、V4-Pro・V4-Flashといった新世代モデルも登場しています。APIでは「deepseek-reasoner」といった名称が使われてきましたが、この名称が指す実体のモデルは世代の更新とともに変わる場合があります。
そのため、「いまAPIで呼び出しているものが、初代R1そのものか」は、必ず公式ドキュメントで確認してください。最新モデルの詳細は、DeepSeek V4とは?最新機能・料金・使い方とAPI活用法を徹底解説で整理しています。
R1を選ぶ場面、新しいモデルを選ぶ場面
- R1(重み公開版)を選ぶ場面: 自社環境で動かしたい、研究・検証で再現性が欲しい、蒸留モデルを試したい場合
- 新しいモデルを選ぶ場面: Webやアプリで最新の性能を使いたい、APIで最新世代のコストと精度のバランスを取りたい場合
DeepSeek R1の料金プラン
料金は利用方法によって大きく変わります。金額は更新されやすいため、ここでは仕組みを中心に説明し、具体的な単価は公式で確認する前提にします。
| 利用方法 | 料金の考え方 | 備考 |
|---|---|---|
| Webチャット / アプリ | 無料で利用可能(公式サイト・アプリ) | 混雑時の制限や仕様変更があり得る |
| API | 従量課金(入力・出力トークンごと) | キャッシュヒット時は割安になる仕組みあり |
| ローカル実行 | モデル自体は無料(MIT) | GPUやメモリなどの環境費用が必要 |
| 他社クラウド経由 | 各社の料金体系に従う | 提供状況や料金は各社で異なる |
Webチャットの無料枠
DeepSeek公式のWebチャットは、アカウント登録をすれば無料で利用できます。DeepThinkなどの機能の提供範囲や、利用回数に関する制限は変更される可能性があります。最新の条件は画面上の案内と公式発表で確認してください。
APIの料金体系
APIは、入力トークンと出力トークンの量に応じて課金される従量制です。思考型モデルでは、最終回答に加えて思考過程のトークンも出力として数えられるのが一般的です。そのため、同じ質問でも通常モデルより出力量が増え、費用がかさみやすい点に注意してください。
※トークンとは: モデルが文章を処理する最小単位です。日本語では、1文字が1トークン前後になることも、それ以上になることもあります。
料金に関しては、次のような仕組みが用意されることがあります。
- キャッシュヒット(同じ入力の再利用)時の割引
- モデルごとの価格差(軽量モデルと高性能モデル)
- 時間帯によるピーク・オフピークの価格差
正確な単価はDeepSeek APIの料金ページを参照してください。
費用を抑えるコツ
- 簡単な質問は思考型ではなく通常モデルに振り分ける
- 共通のシステムプロンプトを固定し、キャッシュを活用する
- 出力の長さ上限(max_tokens)を適切に設定する
- 開発中は短い入力でテストし、本番前に長文を流す
APIの詳しい料金や設定手順は、DeepSeek API完全解説!特徴・料金・使い方と実装手順にまとめています。
DeepSeek R1の始め方(Web・API・ローカル)
目的別に3つの方法を紹介します。最初はWebチャットで挙動を確かめ、必要に応じてAPIやローカルに広げる流れがおすすめです。
方法1: Webチャットで使う(最も簡単)
- ブラウザでDeepSeek公式チャットにアクセスする
- メールアドレスなどでアカウントを登録し、ログインする
- 入力欄の下にある「DeepThink」(思考モード)をオンにする
- 質問を入力して送信する
- 思考過程の表示を開き、推論の流れと最終回答を確認する
最初のプロンプトとしては、次のように結果が検証しやすいものが向いています。
次の問題を解いてください。
「ある商品を2割引で買い、さらに500円引きのクーポンを使ったところ、
支払額は3,100円でした。元の価格はいくらですか。」
式を立てて解き、最後に検算してください。
方法2: APIで使う
APIはOpenAI互換の形式で呼び出せます。そのため、OpenAIのSDKを使ってベースURLとモデル名を差し替えるだけで試せます。
- DeepSeekのAPIプラットフォームでアカウントを作成する
- 利用料金のチャージなど、必要な設定を行う
- APIキーを発行し、環境変数に保存する(コードに直書きしない)
- OpenAI SDKを導入した環境で、以下のようなコードを実行する
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ['DEEPSEEK_API_KEY'],
base_url='https://api.deepseek.com',
)
response = client.chat.completions.create(
model='deepseek-reasoner',
messages=[
{'role': 'user', 'content': '1から100までで、3でも5でも割り切れない整数の個数を求めてください。'}
],
)
message = response.choices[0].message
print('思考過程:', getattr(message, 'reasoning_content', None))
print('最終回答:', message.content)
このコードは、公式ドキュメントで示されている呼び出し方に沿った記述例です。モデル名(deepseek-reasoner)や、思考過程を返すフィールド名、利用できるパラメータは、世代の更新で変わる可能性があります。実装前にDeepSeek API Docsで最新の仕様を確認してください。
※OpenAI互換とは: リクエストとレスポンスの形式がOpenAIのAPIと同じ作りになっていることです。既存のコードやライブラリを流用しやすい利点があります。
方法3: ローカルで動かす(蒸留モデル中心)
ローカル実行は、データを外に出したくない場合や、オフラインで検証したい場合に有効です。
- 自分のPCのメモリ容量とGPUの有無を確認する
- 用途に合う蒸留モデルのサイズ(例: 7B・8B・14B・32B)を選ぶ
- Hugging Faceのモデルページからモデルの情報を確認する
- ローカル実行ツール(Ollama、LM Studio、llama.cppなど)の公式ドキュメントに従って導入し、モデルを読み込む
ツールごとの具体的な操作やコマンドは、各ツールのバージョンによって異なります。そのため、この記事ではコマンド例を載せず、各ツールの公式ドキュメントを参照する形にしています。
ローカル実行の注意点
- 元のR1(約6710億パラメータ)をそのまま動かすには、大規模なGPU環境が必要で、個人PCでは現実的ではありません
- 「ローカルで動くR1」は、多くの場合は蒸留モデルです。性能は元のR1と異なります
- 量子化(※)したモデルは軽くなりますが、精度が下がることがあります
※量子化とは: モデルの数値精度を下げてメモリ使用量を減らす技術です。軽くなる代わりに、回答の質が少し落ちる場合があります。
R1を使いこなすプロンプトのコツと利用上の注意点
思考型モデルに合ったプロンプトの書き方
思考型モデルでは、通常のチャットモデルと同じ書き方が最適とは限りません。次の点を意識すると安定しやすくなります。
- 指示は簡潔かつ明確にする: 手順を細かく指示するより、ゴールと制約条件を端的に書くほうが、モデルの推論を活かせます
- 出力形式を指定する: 「結論を先に、根拠を3点で」「表形式で」など
- 検証を依頼する: 「最後に検算してください」「前提に矛盾がないか確認してください」
- 情報を過不足なく渡す: 必要な資料や条件は先に貼り付ける。例示を詰め込みすぎないほうが良い場合もある
- 重要な事実は自分で確認する: 思考過程が長くても、事実の誤りは起こり得ます
次は、業務でそのまま使える形に整えたプロンプトの例です。
あなたは経験豊富なバックエンドエンジニアです。
以下の要件で、REST APIの設計案を提案してください。
【要件】
- ユーザーが読書記録を登録・更新・削除できる
- 認証にはJWTを使用する
- 想定ユーザー数は1万人
【出力形式】
1. エンドポイント一覧(表)
2. データモデル
3. セキュリティ上の注意点
4. 設計上のトレードオフ
ハルシネーションと思考過程の読み方
※ハルシネーションとは: AIがもっともらしい誤情報を、自信ありげに生成してしまう現象のことです。
思考過程が表示されると、いかにも正しく考えているように見えます。しかし、思考過程が長いことは正答の保証にはなりません。数値計算、法律・医療・金融などの重要判断、最新ニュースに関する事実は、必ず一次情報で確認してください。
データ取り扱いとセキュリティ
DeepSeekの公式Webやアプリ、APIを使う場合、入力内容は外部のサーバーに送信されます。個人情報、顧客データ、未公開の社内情報などを入力する前に、次の点を確認してください。
- 公式のプライバシーポリシーと利用規約
- 所属組織のAI利用ルール(禁止・許可されている範囲)
- 国や地域によるデータ規制の影響
機密性の高い用途では、ローカル実行や、データ管理方針が明確な環境を選ぶのが選択肢になります。リスクの詳細と対策は、サイト内の「DeepSeekの危険性は?安全性・情報漏洩リスクと対策」の記事も参考にしてください。
回答内容の傾向
モデルは学習データや提供元の事業環境の影響を受け、特定の話題で回答が制限されたり、偏りが出たりする可能性が指摘されています。重要な論点では複数の情報源を照合する姿勢が大切です。
DeepSeek R1はどんな人に向いているか
ユースケースごとの推奨をまとめます。
| ユースケース | 向き・不向き | おすすめの使い方 |
|---|---|---|
| 学習・受験・数学の理解 | 向いている | 思考過程を読んで解法を確認する |
| プログラミング・デバッグ | 向いている | 原因調査やテスト案の作成に使う |
| 研究・モデル検証 | 向いている | 重みの公開を活かして再現・改変を試す |
| AIアプリ開発 | 向いている | OpenAI互換APIで既存コードを流用する |
| 機密情報を扱う業務 | 条件付き | ローカル実行や社内ルールの確認が前提 |
| 短い定型文の作成 | 過剰になりやすい | 通常モデルや軽量モデルのほうが速く安価 |
| 最新ニュースの調査 | 注意が必要 | 一次情報での裏付けが必須 |
個人・学生
まずは無料のWebチャットで十分です。数学の解き方、プログラミングの課題、英語論文の読解など、「答えの理由」を知りたい場面で思考過程が役立ちます。ただし、課題の丸写しは学習効果を下げるため、自分で考えたうえでの確認用として使うのがおすすめです。
エンジニア・開発者
複雑なバグの原因調査、設計案のレビュー、アルゴリズムの検討に向きます。API利用なら、既存のOpenAI SDKを流用して短時間で組み込めます。軽い処理は通常モデル、難しい処理だけ思考モデルというふうに使い分けると、コストと速度のバランスが取りやすくなります。
研究者・AIに詳しい上級者
論文と重みが公開されているため、推論能力の再現や蒸留の実験に活用できます。MITライセンスの条件内で、独自のファインチューニング(※)や評価にも取り組めます。
※ファインチューニングとは: 既存のモデルを追加データで再学習し、特定の用途や口調に合わせて調整することです。
企業・チーム
PoC(試験導入)では、無料のWebやAPIで精度を確かめ、本番ではデータ管理の方針に合わせて提供形態を選ぶ流れが現実的です。社内規程、個人情報保護、取引先との契約条件を事前に整理してから導入してください。
最新モデルとの使い分け
R1の登場後もDeepSeekは新しいモデルを公開しています。最新の高速モデルやマルチモーダル対応(画像などの入力に対応する機能)を重視する場合は、V4.1 Flashのリリース解説も確認し、自分の用途に最適なモデルを選んでください。
まとめ
- DeepSeek R1は、回答前に長く考える推論特化型のLLMで、数学・コード・論理問題を得意とする。MITライセンスで重みが公開されている
- Webチャットは無料で試せ、APIは従量課金。思考過程のトークンも出力として課金されやすいため、用途に応じて通常モデルと使い分ける
- ローカルで動かせるのは主に蒸留モデルで、元のR1と性能は異なる。ツールごとの手順は公式ドキュメントを確認する
- APIの名称や中身のモデル、料金は更新されやすい。実装・導入前にDeepSeek API Docsで最新情報を確認する
- 外部サーバーに入力を送る点や、事実誤りの可能性に注意し、機密情報の扱いと重要な判断は慎重に行う
よくある質問
DeepSeek R1は無料で使えますか?
公式のWebチャットやアプリは、アカウント登録をすれば無料で利用できます。モデルの重みもMITライセンスで公開されており、ローカル実行も可能です。ただしAPIは従量課金で、無料枠や制限は変更されるため、最新条件は公式で確認してください。
DeepSeek R1とV3の違いは何ですか?
V3は文章作成や一般的な質問に使う汎用モデルで、R1はV3をベースに強化学習で推論能力を高めた思考型モデルです。R1は回答前に長い思考過程を出力するため、数学やコードに強い一方、応答に時間がかかり、出力トークンも増えやすくなります。
DeepSeek R1はローカルPCで動かせますか?
元のR1は約6710億パラメータと巨大で、個人PCでの実行は現実的ではありません。一般的にローカルで動かすのは、1.5B〜70Bの蒸留モデルです。ただし性能は元のR1と異なります。導入手順は各ツールの公式ドキュメントを確認してください。
DeepSeek R1のAPIはどう使いますか?
OpenAI互換の形式で、ベースURLとモデル名を指定して呼び出します。APIキーを発行し、OpenAI SDKなどから接続するのが一般的です。モデル名や返却フィールドは更新される可能性があるため、実装前に公式のAPIドキュメントで最新仕様を確認してください。
DeepSeek R1に入力した情報は安全ですか?
公式のWebやアプリ、APIを使う場合、入力内容は外部サーバーに送信されます。個人情報や社内の機密情報は、プライバシーポリシーと組織のルールを確認してから扱ってください。機密性が高い用途では、ローカル実行など環境を限定する方法も検討しましょう。