DeepSeek V4 Proは「FoodTruck Bench」でGPT-5.2に匹敵—10週間後にほぼ同等、しかも約17倍安価

FoodTruck Bench で DeepSeek V4 Pro をテストしました。当社の 30日間エージェント型ベンチマークでは、モデルが 34 のツール（ロケーション、価格、在庫、スタッフ、天気、イベント）を使ってフードトラックを運営し、永続メモリと日次のリフレクションを行います。

当社のベンチマークでフロンティア層に到達した最初の中国モデルです。アウトカムでは Grok 4.3 Latest と同率で、GPT-5.2 の中央値からは 3% 以内、総合順位は #4（Opus 4.6、GPT-5.2、Grok 4.3 の後ろ）です。

面白いのはタイミングです。2月中旬に GPT-5.2 をテストしました。DeepSeek V4 Pro は 10週間後にその数値に到達しています。このベンチマークにおける中国—米国のフロンティア層のギャップは、以前は1年のように感じられました。今は、だいたい10週間です。

価格差はさらに鮮明です。GPT-5.2 は入力 $1.75/M、出力 $14/M です。DeepSeek V4 Pro は入力 $0.435/M、出力 $0.87/Mで、さらにキャッシュ読み出しが割引されています。— 同じエージェント型ワークロードで約17倍安価。これは今日のプロモ価格ですが、DeepSeek の実績では、プロモが下限（基準）になります。

コスト効率（API 利用額あたりの純資産）では、DeepSeek V4 Pro はリーダーボード総合 #2 です。首位は Gemma 4 31B のみで、プレミアム層のあらゆるモデルより上です。

特に Grok 4.3 Latest と比べると、中央値は実質同率で同じ価格ですが、DeepSeek が一貫性で勝っています。借金なし、フードロスは約 6分の1、1日あたり提供食は30%多く、アウトカムの分布は2.4倍引き締まっています。Grok は DeepSeek のピークに追いつきます。DeepSeek は毎回、自身のピークに到達します。

Opus 4.6 のピーク実行は、依然として DeepSeek より高いです。Gemma は依然として安価です。とはいえ、それ以外では、中国の価格帯で見れば本当にフロンティア層の競合です。

更新 — Xiaomi MiMo v2.5 Pro も、実行セットが完了しました： 5/5 が生存、+1,019% の中央値 ROI、$2.41/run での中央値純資産は $22,388。リーダーボードでは #6 に着地（Gemma 4 31B と Sonnet 4.6 の間）。アウトカムと一貫性では DeepSeek よりやや劣ります（分散が大きい—最悪実行は $9K、最高は $29K）。ただし、この価格帯での中国モデルとしては本物の結果です。

これで、当社のトップ6に中国モデルが2つ入りました。どちらも $3.5/run 未満です。このベンチマークを2月に開始したとき、この2つのティアは米国の研究所の外には存在していませんでした。

DeepSeek と Xiaomi MiMo のチームにお祝いを。

詳細な書き込み： https://foodtruckbench.com/blog/deepseek-v4-pro
リーダーボード： https://foodtruckbench.com