【計算した】DeepSeek V4 Flashをローカルで動かしても元が取れない──DGX Spark 2台198万円とAPI課金を比べた

この記事について
Claude（Anthropic）との共同編集により作成されました。

要約

DGX Spark 2台構成の初期費用は約198万円。24時間稼働の電気代が年8万〜11万円で、3年TCOは約227万円

その227万円をDeepSeekの公式APIに突っ込むと、同じ金額で6.4倍のトークンが買える。しかもこれはローカル側を3年間1秒も止めない前提の数字

さらに厳しいのは速度で、2台構成の82〜90 tok/sに対し公式APIは103〜107 tok/s。198万円払って公式より遅い

ハード代を1円も乗せず電気代だけで比べると29〜38円/Mトークン対42円/Mトークン。ハードが空から降ってきてようやく2〜3割安いという水準

ベンチ位置はIntelligence Index 50。フロンティア最上位から11ポイント下で、オープンウェイト内でもKimi K3（57）に負けている

結論として、個人が安さを動機に買うなら答えはNO。買う理由になり得るのはデータを外に出せない要件・実験の自由度・所有欲であって、コスパではない

はじめに#

2026年7月31日、DeepSeekがDeepSeek-V4-Flash-0731のweightを公開した^1。284B（アクティブ13B）のMoEで、コンテキストは1Mトークン、ライセンスはMIT。そしてタイムラインが一気に沸いたのは、これがDGX Spark 2台で動くという報告が次々に上がったからだ^8, ^10。

まず先に言っておくと、これは本当にすごいことだと思っている。284Bのエージェント特化モデルが、データセンターではなく机の上の箱2つで、1Mコンテキストごと回る。しかもMITライセンスで、誰でも重みを落として好きに触れる。この事実そのものにケチをつける気はまったくない。

ただ、それと「買ったら安いのか」はまったく別の話である。

タイムラインで見かける熱狂は、だいたい「動いた」で止まっている。動いたのは事実だ。でも個人が198万円を出して手元に置くとき、知りたいのは動くかどうかではなく、その198万円が回収できるのかだ。

そこで、公開されている実測値と価格を全部集めて計算した。結論から書くと、回収できない。しかも回収できない理由が金額だけではなかったので、そこも含めて数字を並べていく。

そもそもこのモデルはどこに立っているのか#

金の話に入る前に、性能の位置を確定させておきたい。198万円が高いか安いかは、その箱の中で動くモデルがどれくらい賢いかで決まるからだ。

Artificial Analysis Intelligence Index#

第三者計測の総合指標で見ると、こうなる^2。

モデル	Intelligence Index
Claude Opus 5 (max)	61
Claude Fable 5 (max)	60
GPT-5.6 Sol (max)	59
Kimi K3 (max・オープンウェイト)	57
GPT-5.6 Luna (max)	51
DeepSeek V4 Flash 0731	50
Gemini 3.6 Flash	50

読み取れることは2つある。

ひとつは、フロンティア最上位との差が11ポイントあること。同点なのはGemini 3.6 Flashで、要するに各社が「速くて安い側」に置いているミドルティアと同じ帯にいる。フロンティアの主力機とは並んでいない。

もうひとつのほうが個人的には重要で、オープンウェイトの中でも1位ではない。Kimi K3が57で、7ポイント上にいる^2。「オープンウェイトで最強のモデルを手元に置ける」という物語は、この時点で成立していない。

Terminal-Bench 2.1#

エージェント系のベンチも見ておく。

モデル	Score	出所
GPT-5.6 Sol (xhigh)	89.5	Artificial Analysis^3
Claude Opus 5 (Adaptive Reasoning, Max Effort)	89.1	Artificial Analysis^3
DeepSeek V4 Flash 0731	82.7	DeepSeek自己申告^1
DeepSeek V4 Pro (Preview)	72.1	DeepSeek自己申告^1

ここは注意書きが要る。82.7はDeepSeekが自社で測って出した値で、89.5と89.1は第三者計測だ。測定条件もハーネスも揃っていないので、厳密な同条件比較ではない。差はだいたい6〜7ポイント、くらいの解像度で受け取るのが正しい。

そのうえで、モデルカードを開いたときに引っかかったことをひとつ書いておく。比較表に載っているのが自社の旧モデルだけなのだ^1。V4-Pro Previewに対して Terminal Bench 2.1 が 72.1→82.7、DeepSWE が 12.8→54.4、Cybergym が 52.7→76.7。たしかに劇的な改善で、そこは疑いようがない。ただ、フロンティアと並べた表は載っていない。

自社比で伸びを見せるのは正当なプレゼンだし、フロンティア比較を載せない判断も別に不誠実ではない。ただ読む側は、自社比の伸び幅と、絶対的な立ち位置を混同しないようにする必要がある。前世代から大きく伸びたことと、いま最強であることは違う。

その他のスコアも一応拾っておくと、NL2Repo 54.2、Toolathlon-Verified 70.3、DSBench-FullStack 68.7、DSBench-Hard 59.6、Agents’ Last Exam 25.2 という並びだった^1。

DGX Spark 2台でいくらかかるか#

ここから金額の話に入る。

初期導入費#

DGX Sparkは128GBのLPDDR5x統合メモリを積んだGB10ワークステーションで、メモリ帯域は273GB/s、電源は240W、ネットワークにConnectX-7の200GbEが載っている^6。2台をQSFP56のDACケーブルで直結すればスイッチは要らない。

日本での実勢価格を価格.comで見ると、最安が¥978,000、最高が¥1,456,554で6店舗が並んでいた^7。最安を採る。

項目	金額
DGX Spark 本体 ¥978,000 × 2台	¥1,956,000
QSFP56 200G DAC 直結ケーブル	約 ¥20,000
初期導入費合計	約 198万円

参考までに、4ノードでクラスタを組んだ人の報告ではスイッチ込みで$20.5K〜21.1Kとあった^9。台数を増やすとスイッチ代が乗るので、2台直結が一番コスパの良い構成になる。

電気代#

カタログ上の電源は240W、GB10のTDPは140W^6。実測はどうかというと、4ノードクラスタの報告で負荷時145〜170W/アクセラレータという数字が出ている^9。CPU・メモリ・NIC・電源効率を足して、システム全体で2台300〜400Wと置く。ここは概算である。

電力単価は1kWhあたり31円を使う^13。2026年度の再エネ賦課金4.18円/kWhを含んだ、一般的な目安の水準だ。

稼働パターン	年間電力量	年間電気代
24時間365日	2,628〜3,504 kWh	8.1万〜10.9万円
1日8時間	876〜1,168 kWh	2.7万〜3.6万円

3年TCO#

24時間稼働で3年持つとして、保守・回線・場所代を一切見ないという最も甘い条件で積む。

198万円 + 電気代約25万〜33万円 = 約222万〜231万円

丸めて227万円とする。為替は1ドル150円で換算して$15,133だ。以降の比較はこの数字を使う。

同じ227万円でAPIから何トークン買えるか#

DeepSeekの公式API価格はこうなっている^5。

種別	単価（100万トークンあたり）
入力（キャッシュミス）	$0.14
入力（キャッシュヒット）	$0.0028
出力	$0.28

ここで、ローカル側に最大限有利な条件を作って比べる。

ローカル側は decode 90 tok/s を採用する（後述するが2台構成の実測上限に近い）
ローカル側は3年間、1秒も止めずにフル回転させる。停止時間ゼロ、アイドルゼロ
API側は全部を一番高い出力単価$0.28で買う。入力が1トークンも混ざらないという、API側に最も不利な換算

この条件でどうなるか。

ローカル側の3年間の生成量

1
90 tok/s × 86,400秒 × 365日 × 3年 = 約85億トークン

同じ227万円でAPIから買える量

1
$15,133 ÷ $0.28 × 1,000,000 = 約540億トークン

6.4倍である。

ローカルを一睡もさせず、APIを最も高い単価で買っても、6.4倍の差がつく。しかも現実には入力トークンのほうが圧倒的に多く、入力は$0.14、キャッシュヒットに至っては$0.0028だ。実際の使い方に近づけるほど差は開く一方になる。

そして「3年間フル回転」はもちろん現実的ではない。個人の実稼働率を10%とすれば、差は64倍になる。

電気代だけなら勝てるのか#

ここまでは初期費用が効きすぎていて、少しフェアではない気もする。そこでハードが空から降ってきたことにして、電気代だけで勝負させてみる。

1時間フル回転させたときの生成量は、90 tok/s × 3,600秒 = 324,000トークン = 0.324Mトークン。

消費電力の前提	1時間の電気代	1Mトークンあたり
2台で300W	9.3円	28.7円
2台で400W	12.4円	38.3円

対するAPIの出力単価は$0.28、つまり42円/Mトークン。

つまり、こうなる。

ハードの購入費を1円も計上せず、かつ24時間フル回転させて、ようやく2〜3割安い。

これは筆者にとって、この記事で一番おもしろかった数字だった。感覚的には「電気代なんてタダみたいなもので、ハード代さえ償却すれば圧勝でしょ」と思っていたのだが、そうではない。電気代の時点でほぼ拮抗している。

しかも42円のほうは出力単価であり、API側に最も不利な換算だ。入力込みの実運用で均すと、電気代だけの比較でもローカルが負ける領域に入る。減価償却を1円でも乗せた瞬間、勝負は終わっている。

これは考えてみれば当然の話で、DeepSeekの推論基盤はH800クラスのGPUで大量のリクエストをバッチングして回している。1リクエストあたりの電力効率で、個人が2台で回すシステムが勝てるはずがない。バッチサイズが効率を決める世界で、個人は構造的に不利な側にいる。

しかも遅い#

金額の話をずっとしてきたが、実は一番効いたのは速度だった。

環境	decode	TTFT
2x DGX Spark（NVFP4/FP8, TP=2, DSpark）	82〜90 tok/s（並列1）^8, ^9	64Kコールドで31秒^10
2x DGX Spark（KVキャッシュヒット時）	90 tok/s^9	0.776秒^9
DeepSeek 公式API	103.7〜106.9 tok/s^4	1.37秒^4
サードパーティ（Makora経由）	255.9〜267.1 tok/s^4	1.03秒^4
Mac M5 Max 128GB（2bit量子化）	34.1 tok/s^11	197ms（キャッシュ時）^11

198万円払って、公式APIより遅い。

サードパーティのプロバイダ経由なら255〜267 tok/sで、ローカルの3倍出る。同じモデル、同じ重み、同じMITライセンスで、である。

TTFTはもっと差がある。長いコンテキストをコールドで投げたときの実測は、64Kで31.3秒、256Kで47.0秒、512Kに至っては334.4秒だった^10。5分半である。もちろんKVキャッシュがヒットすれば0.776秒まで落ちるのだが、それは「同じプレフィックスを何度も投げる」使い方に限った話で、しかもDeepSeekの公式APIにはキャッシュヒット時98%引きという業界標準（90%引き）を超える割引がある^2。キャッシュを効かせる使い方でもAPIが強い。

並列も苦しい。2台構成の同時実行は6セッションが上限で^8、4ノードの報告ではコールドな150Kプロンプトを6並列で投げたらスループットが1.28 tok/sまで崩壊して一部タイムアウトしたとある^9。エージェントを何本か並列で走らせたい、という用途とは相性が悪い。

金額に出ないコスト#

ここは実際に構築した人の記録を読むのが一番早い。2台構成のレシピが公開されているので、そこから拾う^8。

NCCL_IB_HCA / NCCL_SOCKET_IFNAME / TP_SOCKET_IFNAME / GLOO_SOCKET_IFNAME をRoCEのトポロジに合わせて明示する必要がある。ズレるとTP=2の初期化が失敗する
両ノードにHuggingFaceのキャッシュを完全に揃える必要がある。encoding/encoding_dsv4.py を含めて不完全だと、オンライン再ダウンロードでワーカーのディスクを食い潰して起動不能になる
workerノードを先に起動しないとレース状態になる
earlyoom を止めておかないと、GPUメモリ圧迫時にvLLMのプロセスが殺される
起動に約9分かかる
0731チェックポイントはJinjaテンプレートを同梱していないので、クライアント側からchat_template_kwargsを明示送信する必要がある

さらにレシピには、エージェントハーネス経由で出力が中国語に引っ張られたり文字化けしたりする現象について、まずセッションリプレイとフォールバック処理を疑え、という趣旨の注意まで書かれている^8。オーケストレーション側の問題であってモデルの問題ではないことが多い、ということなのだが、裏を返せばそのレイヤの切り分けを自分でやる羽目になるということでもある。

これらは全部、APIを叩いていたら1秒も使わない時間だ。時給を仮に置いて金額換算すると、構築と運用の手間だけで数十万円は軽く飛ぶ。そして飛ぶのは一度きりではなく、モデルが更新されるたびに再現性を確認する必要がある。

Macルートはどうか#

「M5 Max 128GBで動いた」という報告も出ている。こちらも見ておく。

量子化の中身が面白くて、非対称な2bit量子化を使っている^11。全層を均等に潰すのではなく、MoEのルーティングエキスパートだけをIQ2_XXS（約2.06bit/weight）に落とし、共有エキスパート・attention projection・router・出力層はQ8_0で残す。この配分で284Bを81GBまで圧縮して、128GBのユニファイドメモリに収めている。

実測は34.1 tok/s（レンジ32.5〜36.3）、TTFTは197ms、キャッシュ済み2kプレフィルで16,868 tok/s^11。Claude Codeの公式バイナリがそのまま動き、Read/Write/Edit/Bashのツールチェーンも通ったという報告もある。

値段は、16インチのM5 Max（32GB/2TB）がApple Store日本で¥749,800。128GB構成は米国実売で$6,899という価格が出ており、日本だと90万円台後半から100万円級になる。

ここで注意したいのは、ベンチマークの82.7はBF16/FP8前提の数字だということだ。MoEのルーティングエキスパートを2bitまで落とした状態で同じスコアが出る保証はどこにもない。「284Bが動いた」と「284Bの性能が出た」は違う。

一方でフェアに書いておくと、電力効率だけならMacが最良である。100Wと置けば約25円/Mトークンで、DGX Spark 2台構成（28.7〜38.3円）よりも良い。しかも持ち歩けるし、LLMを回していないときは普通に開発マシンとして働く。用途を専有しないという点は、DGX Sparkにはない強みだ。

ただ、34 tok/sは公式APIの103〜107 tok/sの3分の1である。そして100万円は消えない。

陳腐化リスクと、それでも買う理由#

何が陳腐化するのか#

一番のリスクは、ボトルネックがメモリ帯域だという点にある。DGX Sparkの273GB/s^6は、ソフトウェアの工夫では埋まらない。vLLMがどれだけ最適化されようと、量子化がどれだけ賢くなろうと、帯域の壁はチップ世代が変わるまで動かない。GB10は2025年10月世代なので、後継が出た瞬間に中古価格は落ちる。

もうひとつは、284B-a13Bが2台に載っているのはアクティブパラメータが13Bだからという前提のもろさだ。MoEのアクティブが小さいおかげで、273GB/sという控えめな帯域でも実用速度が出ている。次世代のモデルがアクティブパラメータを増やす方向に振れたら、同じ箱では回らなくなる。

一方で、同じ箱のまま賢くなった実績はある#

ここは正直に書く。V4 Flash 0731は、ハードウェアを一切変えずにIntelligence Indexを前世代比+10（40→50）で更新した^2。しかも出力トークン数は約234M→約206Mへ12%減っており、賢くなったうえに効率も上がっている。

つまり「今後もっと高性能なモデルが出て、それを同じハードで動かせる」という期待には、実績の裏付けがある。これは購入側にとって唯一の明確なアップサイドだ。

ただ、それでも結論は変わらない。同じことがAPI側でも起きるからだ。DeepSeekは0731で価格を据え置いた^2。ハードを買った人が無料で賢くなるのと同じタイミングで、APIを叩いている人も同じ値段で賢くなっている。アップサイドはローカル購入者の専有物ではない。

では、何に198万円を払うのか#

ここまでの計算が示しているのは、「安さ」が購入理由になり得ないということだけだ。買う理由が他にないという話ではない。合理的な動機は、こうだと思う。

データを外に出せない要件がある。 これが唯一にして最強の理由。守秘義務や規制でAPIに投げられないなら、198万円は安い。この場合、比較対象はAPIではなく「その仕事を諦めること」になる
レート制限やAPI障害から独立したい。 事業のクリティカルパスにLLMが入っているなら、自前の系統を持つ意味はある
量子化・ルーティング改造・ファインチューニングを実験したい。 APIでは絶対にできない。研究用途なら費用対効果の計算式そのものが変わる
手元にある、という体験に金を払いたい。 これは茶化す気がまったくなくて、正当な動機だと思う。ただしコスパを言い訳にしないほうがいい。趣味は趣味として堂々と買ったほうが、後から数字を突きつけられて凹まずに済む

まとめ#

計算した結果を並べ直す。

観点	結果
初期導入費	約198万円（3年TCOで約227万円）
同額でAPIから買えるトークン	6.4倍（ローカル側を3年間フル回転させた前提でなお）
電気代のみの比較	28.7〜38.3円/M 対 42円/M。ハード代ゼロで2〜3割安いだけ
速度	82〜90 tok/s 対公式API 103〜107 tok/s。ローカルのほうが遅い
ベンチ位置	Index 50。フロンティア最上位から11ポイント下、オープンウェイト内でもKimi K3に7ポイント下
構築の手間	RoCE設定、両ノードのキャッシュ同期、起動9分、6並列の壁

個人が「安く使いたい」を動機にDGX Spark 2台を買うなら、答えはNOである。これは意見ではなく計算結果だ。しかも金額だけでなく速度でも負けているので、逆転の余地がほとんどない。

そのうえで、最後にもう一度書いておきたい。weightが公開されたこと自体の価値は、この値段の話とはまったく別のところにある。

MITライセンスで284Bのエージェントモデルが公開されているという事実は、198万円を払わない人にも効いている。いつでも自前に引き上げられる選択肢が存在するから、価格が抑えられ、ロックインが牽制される。DeepSeekのAPIが$0.14/$0.28という水準を維持しているのは、その気になれば誰でも自分で動かせるからだ。

つまりこの公開は、買った人ではなく、買わなかった人にも配当を出している。筆者が198万円を出さないという結論に至ったうえで、それでもこの公開を歓迎しているのは、そういう理由による。

参考文献#

DeepSeek-V4-Flash-0731 モデルカード https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731
Artificial Analysis: DeepSeek V4 Flash 0731 scores 50 on the Artificial Analysis Intelligence Index https://artificialanalysis.ai/articles/deepseek-v4-flash-0731-scores-50-on-the-artificial-analysis-intelligence-index-10-points-above-previous-deepseek-v4-flash
Artificial Analysis: Terminal-Bench v2.1 Benchmark Leaderboard https://artificialanalysis.ai/evaluations/terminalbench-v2-1
Artificial Analysis: DeepSeek V4 Flash 0731 API Provider Performance https://artificialanalysis.ai/models/deepseek-v4-flash/providers
DeepSeek API Pricing https://deepseek.ai/pricing
NVIDIA DGX Spark 製品ページ https://www.nvidia.com/en-us/products/workstations/dgx-spark/
価格.com: NVIDIA DGX Spark 価格比較 https://kakaku.com/item/K0001786913/
MiaAI-Lab/DeepSeek-v4-Flash-DSpark-2x-DGX-Spark（2台構成レシピ・実測値） https://github.com/MiaAI-Lab/DeepSeek-v4-Flash-DSpark-2x-DGX-Spark
NVIDIA Developer Forums: 4-node DGX Spark Cluster with DeepSeek V4 flash-0731-DSpark benchmark https://forums.developer.nvidia.com/t/4-node-dgx-spark-cluster-with-deepseek-v4-flash-0731-dspark-benchmark-prefill-2-500-t-s-decode-90-t-s/378878
Flowtivity: We Ran DeepSeek V4 Flash at 1M Context on Two NVIDIA DGX Sparks https://flowtivity.ai/blog/deepseek-v4-flash-1m-context-dual-dgx-spark/
ds4 / DeepSeek V4 Flash の速度を MacBook Pro M5 Max で測る https://zenn.dev/kamo78/articles/ds4-m5max-setup
Apple Store（日本）MacBook Pro https://www.apple.com/jp/shop/buy-mac/macbook-pro/
ENEOS Power: 1kWhの電気料金は？ https://www.eneos-power.co.jp/article/basics-electricity/1kwh-electricity-bill/