DeepSeekの使い方を一通り試して気づいた強みと弱点のリアルな両面

半年前、僕はDeepSeekを「中国製の怪しいAI」くらいの認識でいた。オープンソースで無料という触れ込みだったが、性能面で大丈夫か懐疑的だったのだ。だが実際に検証を開始して、その認識は大きく改まった。

DeepSeekの強力さに気づいたのは、R1モデルを初めて動かした時だった。複雑なアルゴリズム問題や、システム設計の相談を投げると、ChatGPTとほぼ同等か、むしろ優位な回答が返ってきた。スピードも想像以上に速い。

3ヶ月間、DeepSeekを毎日使ってから初めて、その全体像が見えた。確かに優れたモデルだが、日本語への対応は他のLLMより劣るし、データ保管に関する懸念も完全には払拭できない。つまり、「これが最高のAI」ではなく、「特定の用途では優秀なツール」という評価が正しい。

今回の記事では、その3ヶ月間の検証結果をまとめた。DeepSeekの登録方法から、実装での使い方、他のLLMとの性能比較まで、体験ベースで述べる。

DeepSeekとは何か

DeepSeekは、中国のスタートアップが開発した大規模言語モデル（LLM）である。2024年の中盤に話題になり、その後急速に利用者を増やした。特に注目されたのは、オープンソース化され、完全無料で使用できるという点だ。

プロプライエタリなChatGPTやClaudeと異なり、DeepSeekのモデルはGitHub上で公開されている。これは、個人のローカルマシンで実行することも、カスタマイズして独自モデルを作成することも可能という意味だ。

複数のモデルサイズが公開されている。小規模な「Lite」から、大規模な「R1」まで、ユースケースに応じて選択できる。R1 は推論に特化したモデルで、複雑なロジック問題やアルゴリズム設計に強い。

無料で使えるオンラインプラットフォーム（DeepSeek官サイト）のほか、有料のAPIを通じた利用も可能だ。API料金はChatGPT・Claudeと比較して数分の1というのが、もう一つの強みである。

登録から初期利用まで（WebUI版）

登録は5分で完了する。余計な認証ステップがなく、シンプルだ。実際、GoogleアカウントやGitHubアカウントでのSSO（シングルサインオン）ログインも可能だ。

DeepSeekの強み：驚異的な推論能力と低コスト

R1モデルの最大の強みは、推論過程を明示してくれることだ。ChatGPTに複雑な問題を聞いても、直接答えだけが返ってくる。だがR1は、考えているプロセスを「思考タグ」として表示してくれる。これによって、なぜそういう結論に至ったのかが理解しやすくなった。

実装面での精度も高い。複雑なアルゴリズム問題（ダイナミックプログラミング、グラフアルゴリズム）で、R1とGPT-4o を同じ問題で比較したところ、R1の方が正答率が高かった。特に計算精度が求められるタスクではその差が顕著だった。

もう一つの強みはコストの低さだ。APIを使用する場合、1,000トークンあたりGPT-4 が約0.03ドルなのに対し、DeepSeek は 0.003ドル という10分の1の価格だ。つまり、同じ予算で10倍のリクエストを実行できる。

DeepSeekの弱点：日本語対応と安全性の不安

3ヶ月使い続けて痛感した弱点がいくつかある。最初のものは、日本語対応の不十分さだ。

英語のプロンプトを与えた時と、日本語のプロンプトを与えた時で、応答品質に明らかな差がある。日本語でのニュアンス理解が甘く、曖昧な指示があると的外れな回答が返ってくることが多かった。特に、敬語の使い分けや、文化的な背景を要する質問では、精度が落ちた。

解決策としては、プロンプトを英語で書くか、複雑な日本語を簡潔な表現に変換してから投げることだ。ただしこれは手間である。ChatGPTやClaudeなら、複雑な日本語でもそのまま処理できるため、この点ではDeepSeek は劣っている。

セキュリティ面での懸念も拭えない。DeepSeekは中国企業が運営しており、機密情報やプライバシーデータをサーバーに送信することに不安を感じる人は多いだろう。公式には「データは学習に使用しない」と言及されているが、中国の政治体制を考えると、完全な信頼は難しい。

ローカル実行（Ollama）による運用

DeepSeekのオープンソース版をローカル実行することで、クラウドサーバーにデータを送らずに利用できる。これは、セキュリティ懸念を完全に払拭する方法だ。

Ollamaのセットアップは簡潔だ。ollama.ai からインストーラをダウンロード、実行後、ターミナルで `ollama pull deepseek-r1` と入力するだけで、R1モデルがダウンロードされる。その後、`ollama serve` でローカルサーバーが起動し、ブラウザから http://localhost:11434 でアクセス可能になる。

ただし、注意点として、R1モデルは70Bパラメータ版で約40GB のディスク容量を必要とする。軽量版（Distill）なら8GBで済む。また、ローカル実行は処理速度がクラウド版より遅い傾向がある。通常のパソコンでは、複雑な推論タスクに10秒以上の処理時間がかかることもある。

セキュリティ重視の企業なら、ローカル実行で十分な価値がある。個人開発者なら、無料クラウド版で試してからの判断が合理的だ。

API利用とコスト比較

DeepSeekのAPI料金は、業界で最安クラスである。登録後、API キーを生成して、プログラマティックなアクセスが可能になる。

同じ予算内で、DeepSeek-V3なら他のLLMの10倍以上のリクエストを実行できる。スタートアップや、スケール前の企業にとって、コスト面での利点は非常に大きい。

ただし注意は、推論精度が必要な場合だ。R1 は高精度だが、その分料金はV3より高い。用途に応じて、V3とR1を使い分けることが推奨される。

ChatGPT・Claudeとの実装レベル比較

結論として、「最高性能は何か」という問いに答えはなく、「タスク特性によって最適なモデルは変わる」が正解だ。