中信证券のレポートは、2026年以降、国産の大規模モデルのメーカーがAgentおよびコード能力のアップグレードに注力し、競うように新しいモデルを発表していると指摘している。間もなく発表されるDeepSeekの次世代新モデルは、高いコストパフォーマンスを備えたオープンソースモデル路線を継続し、能力面ではより強力な記憶機能と超長いコンテキスト処理を実現する見込みである。コードおよびAgentの能力を磨き上げると同時に、マルチモーダル面の短所も補い、モデルの原厂、AIアプリケーション、AI 基盤インフラの新たな投資機会をもたらす。 1、モデルの原厂：DeepSeekの次世代モデルは、他の国産モデルと連携し、中国のAIが加速して世界へ向かうことを促すと期待される。同時にモデル訓練の推進によりコストをさらに削減し、より廉価なtokensが、世界の大規模モデルAPIの呼び出し総量を全体として増やす。2、AIアプリケーション：モデルの平等化は、モデルとアプリケーションの矛盾という物語が市場にもたらす不安を緩和するのに役立ち、あらゆる業界でのAI Agentの実装を後押しし、壁のあるAIアプリケーション企業にとって追い風となる。3、AI基盤インフラ：コスト削減は利用量の増加につながり、AI Infraが恩恵を受ける。国産AI Infraと国産モデルが相向かって進む。 ### 全文如下 **コンピューター｜DeepSeek：次世代モデル展望** 2026年以降、国産の大規模モデルのメーカーはAgentおよびコード能力のアップグレードに注力し、競うように新しいモデルを発表している。私たちは、間もなく発表されるDeepSeekの次世代新モデルが、高いコストパフォーマンスを備えたオープンソースモデル路線を継続し、能力面ではより強力な記憶機能と超長いコンテキスト処理を実現する見込みである。コードおよびAgentの能力を磨き上げると同時に、マルチモーダル面の短所も補い、モデルの原厂、AIアプリケーション、AI 基盤インフラの新たな投資機会をもたらすと考えている。 **▍** コード、Agent、ネイティブのマルチモーダル：グローバル大規模モデルのアップグレード方向。 AIプログラミング分野では、学習フレームワークのアップグレード、完全なコードリポジトリとエンジニアリングの軌跡を学習データとして採用、多段実行と自己修復を取り入れたより深い思考チェーンにより、AI Codingはコード補完ツールからプロジェクト級の自律型エージェントへと進化した。Harness Engineerは、技術者の役割をコードエンジニアから、AIが最大限に力を発揮できるように管理するAgentマネージャーへと促す可能性がある。多Agentのクラスター領域では、現象級の製品OpenClawが多Agentシステムのポテンシャルを十分に示している。智谱、MiniMax、腾讯、Kimiなどの国内メーカーはすべて「類ロブスター」タイプの製品を投入し、デジタル社員の生産力を解放している。ネイティブのマルチモーダル領域では、ネイティブのマルチモーダルアーキテクチャが主流の方向性になっている。ハイブリッド埋め込みによるエンコーディングが急速に突破を遂げている一方、国内モデルはリアルタイムの音声・映像インタラクションやクロスモーダルの連続推論など、重要な局面では依然として突破が必要である。 ▍ 国産大規模モデル：集中的な反復アップグレード、能力が継続的に突破。 1）MiniMax：コード能力がさらにアップグレードされ、M2.7 SWE-Proのテストスコアは56.22%で、Gemini 3.1 Proを上回った。実現面でエンドツーエンドの完全なプロジェクト納品シナリオVIBE-Proのテストでは55.6%を獲得し、Claude Opus 4.6に匹敵している。ソフトウェアシステムの稼働ロジック理解もさらに強化された。加えて、M2シリーズのモデルはRLなどのシナリオでM2.7のトレーニング過程に参加し、モデルの自己反復が実現される。 2）智谱：GLM-5はDSAを導入し、自研の「Slime」アーキテクチャを用いる。極めて少ない人工的介入で、Agenticな長期計画と実行、バックエンドの再構築、深度デバッグなどのシステム工学タスクを自律的に完了できる。ツール呼び出しおよび多段タスク実行（MCP-Atlas 67.8%）、ネットワーク接続検索と情報理解（Browse Comp 89.7%）の能力は、海外の先行モデルの水準に近づくか、さらには上回っている。 3）Kimi：Kimi 2.5は、視覚能力によってインタラクションロジックを自動的に分解し、コードを再現できるようにしている。新たにAgentクラスターのモードを打ち出し、HLE-Full、BrowseComp、DeepSearchQAなどのエージェントアプリケーションテストの集合で、GPT-5.2、Claude 4.5 Opus、Gemini 3 Proに対標するスコアを獲得している。Moonshootは値下げ戦略を採用し、API価格はK2 Turboの定価に比べて30%以上引き下げられている。 4）小米：Xiaomi MiMo-V2-Proは、ClawEval、t2-benchなど、モデルのAgent呼び出し能力を測るテスト集合で、いくつかの海外トップクラスのモデルに近い、あるいはそれを上回る水準にある。その早期の社内テスト版はHunter Alphaの匿名コードネームでOpenRouterに投入され、稼働期間中、複数日間にわたり呼び出し量の日次ランキングで首位に立った。我々は、大規模モデルの基盤が小米の人・車・家庭の全エコシステムに賦活し、AI能力の飛躍を実現することを期待している。 ▍DeepSeekの展望：高いコストパフォーマンス路線を継承し、長文、コード、Agent、マルチモーダル能力を磨き上げる。 DeepSeekは26年1月に発表したDeepSeek V3.2で、スパース注意（DSA）+混合エキスパート（MoE）アーキテクチャを採用し、学習と推論の効率化・コスト削減を実現している。入出力tokenの価格はそれぞれ60%/75%低下し、同時にコードおよび多Agent能力のBenchMarkスコアも大幅に向上した。DeepSeekのモデル進化の方向性と、梁文峰が署名に参加したEngramモジュール論文を踏まえ、私たちは、DeepSeek V4.0などの次世代モデルが、成熟したDSA+MoEアーキテクチャにEngramを統合する可能性があると考えている。階層型ストレージで重要な常用情報を格納することで、Transformerアーキテクチャにおける注意層の計算量を指数関数的に大幅に減らし、結果として超長いコンテキスト処理を実現する。そのうえで、モデル効率を高めながらコードおよびAgent能力を強化し、マルチモーダル面の短所を補う。 ▍ リスク要因： AIコア技術の発展とアプリケーション拡張が見込みに届かない、計算資源のコスト削減が見込みに届かない、AIが不適切に使用されて深刻な社会的影響を生む可能性、データ安全リスク、情報安全リスク、業界競争の激化。 ▍ 投資戦略：私たちは以下の3つの投資主題に注目することを推奨する。 1）モデルの原厂：DeepSeekの次世代モデルは、他の国産モデルと連携し、中国のAIが加速して世界へ向かうことを促すと期待される。同時にモデル訓練の推進によりコストをさらに削減し、より廉価なtokensが、世界の大規模モデルAPIの呼び出し総量を全体として増やす。 2）AIアプリケーション：モデルの平等化は、モデルとアプリケーションの矛盾という物語が市場にもたらす不安を緩和するのに役立ち、あらゆる業界でのAI Agentの実装を後押しし、壁のあるAIアプリケーション企業にとって追い風となる。 3）AI基盤インフラ：コスト削減は利用量の増加につながり、AI Infraが恩恵を受ける。国産AI Infraと国産モデルが相向かって進む。（出所：第一財経）
中信证券：DeepSeek次世代新モデルは、高コストパフォーマンスのオープンソースモデル路線を継続する見込み
中信证券のレポートは、2026年以降、国産の大規模モデルのメーカーがAgentおよびコード能力のアップグレードに注力し、競うように新しいモデルを発表していると指摘している。間もなく発表されるDeepSeekの次世代新モデルは、高いコストパフォーマンスを備えたオープンソースモデル路線を継続し、能力面ではより強力な記憶機能と超長いコンテキスト処理を実現する見込みである。コードおよびAgentの能力を磨き上げると同時に、マルチモーダル面の短所も補い、モデルの原厂、AIアプリケーション、AI 基盤インフラの新たな投資機会をもたらす。
1、モデルの原厂：DeepSeekの次世代モデルは、他の国産モデルと連携し、中国のAIが加速して世界へ向かうことを促すと期待される。同時にモデル訓練の推進によりコストをさらに削減し、より廉価なtokensが、世界の大規模モデルAPIの呼び出し総量を全体として増やす。2、AIアプリケーション：モデルの平等化は、モデルとアプリケーションの矛盾という物語が市場にもたらす不安を緩和するのに役立ち、あらゆる業界でのAI Agentの実装を後押しし、壁のあるAIアプリケーション企業にとって追い風となる。3、AI基盤インフラ：コスト削減は利用量の増加につながり、AI Infraが恩恵を受ける。国産AI Infraと国産モデルが相向かって進む。
全文如下
コンピューター｜DeepSeek：次世代モデル展望
2026年以降、国産の大規模モデルのメーカーはAgentおよびコード能力のアップグレードに注力し、競うように新しいモデルを発表している。私たちは、間もなく発表されるDeepSeekの次世代新モデルが、高いコストパフォーマンスを備えたオープンソースモデル路線を継続し、能力面ではより強力な記憶機能と超長いコンテキスト処理を実現する見込みである。コードおよびAgentの能力を磨き上げると同時に、マルチモーダル面の短所も補い、モデルの原厂、AIアプリケーション、AI 基盤インフラの新たな投資機会をもたらすと考えている。
▍ コード、Agent、ネイティブのマルチモーダル：グローバル大規模モデルのアップグレード方向。
AIプログラミング分野では、学習フレームワークのアップグレード、完全なコードリポジトリとエンジニアリングの軌跡を学習データとして採用、多段実行と自己修復を取り入れたより深い思考チェーンにより、AI Codingはコード補完ツールからプロジェクト級の自律型エージェントへと進化した。Harness Engineerは、技術者の役割をコードエンジニアから、AIが最大限に力を発揮できるように管理するAgentマネージャーへと促す可能性がある。多Agentのクラスター領域では、現象級の製品OpenClawが多Agentシステムのポテンシャルを十分に示している。智谱、MiniMax、腾讯、Kimiなどの国内メーカーはすべて「類ロブスター」タイプの製品を投入し、デジタル社員の生産力を解放している。ネイティブのマルチモーダル領域では、ネイティブのマルチモーダルアーキテクチャが主流の方向性になっている。ハイブリッド埋め込みによるエンコーディングが急速に突破を遂げている一方、国内モデルはリアルタイムの音声・映像インタラクションやクロスモーダルの連続推論など、重要な局面では依然として突破が必要である。
▍ 国産大規模モデル：集中的な反復アップグレード、能力が継続的に突破。
1）MiniMax：コード能力がさらにアップグレードされ、M2.7 SWE-Proのテストスコアは56.22%で、Gemini 3.1 Proを上回った。実現面でエンドツーエンドの完全なプロジェクト納品シナリオVIBE-Proのテストでは55.6%を獲得し、Claude Opus 4.6に匹敵している。ソフトウェアシステムの稼働ロジック理解もさらに強化された。加えて、M2シリーズのモデルはRLなどのシナリオでM2.7のトレーニング過程に参加し、モデルの自己反復が実現される。
2）智谱：GLM-5はDSAを導入し、自研の「Slime」アーキテクチャを用いる。極めて少ない人工的介入で、Agenticな長期計画と実行、バックエンドの再構築、深度デバッグなどのシステム工学タスクを自律的に完了できる。ツール呼び出しおよび多段タスク実行（MCP-Atlas 67.8%）、ネットワーク接続検索と情報理解（Browse Comp 89.7%）の能力は、海外の先行モデルの水準に近づくか、さらには上回っている。
3）Kimi：Kimi 2.5は、視覚能力によってインタラクションロジックを自動的に分解し、コードを再現できるようにしている。新たにAgentクラスターのモードを打ち出し、HLE-Full、BrowseComp、DeepSearchQAなどのエージェントアプリケーションテストの集合で、GPT-5.2、Claude 4.5 Opus、Gemini 3 Proに対標するスコアを獲得している。Moonshootは値下げ戦略を採用し、API価格はK2 Turboの定価に比べて30%以上引き下げられている。
4）小米：Xiaomi MiMo-V2-Proは、ClawEval、t2-benchなど、モデルのAgent呼び出し能力を測るテスト集合で、いくつかの海外トップクラスのモデルに近い、あるいはそれを上回る水準にある。その早期の社内テスト版はHunter Alphaの匿名コードネームでOpenRouterに投入され、稼働期間中、複数日間にわたり呼び出し量の日次ランキングで首位に立った。我々は、大規模モデルの基盤が小米の人・車・家庭の全エコシステムに賦活し、AI能力の飛躍を実現することを期待している。
▍DeepSeekの展望：高いコストパフォーマンス路線を継承し、長文、コード、Agent、マルチモーダル能力を磨き上げる。
DeepSeekは26年1月に発表したDeepSeek V3.2で、スパース注意（DSA）+混合エキスパート（MoE）アーキテクチャを採用し、学習と推論の効率化・コスト削減を実現している。入出力tokenの価格はそれぞれ60%/75%低下し、同時にコードおよび多Agent能力のBenchMarkスコアも大幅に向上した。DeepSeekのモデル進化の方向性と、梁文峰が署名に参加したEngramモジュール論文を踏まえ、私たちは、DeepSeek V4.0などの次世代モデルが、成熟したDSA+MoEアーキテクチャにEngramを統合する可能性があると考えている。階層型ストレージで重要な常用情報を格納することで、Transformerアーキテクチャにおける注意層の計算量を指数関数的に大幅に減らし、結果として超長いコンテキスト処理を実現する。そのうえで、モデル効率を高めながらコードおよびAgent能力を強化し、マルチモーダル面の短所を補う。
▍ リスク要因：
AIコア技術の発展とアプリケーション拡張が見込みに届かない、計算資源のコスト削減が見込みに届かない、AIが不適切に使用されて深刻な社会的影響を生む可能性、データ安全リスク、情報安全リスク、業界競争の激化。
▍ 投資戦略：私たちは以下の3つの投資主題に注目することを推奨する。
1）モデルの原厂：DeepSeekの次世代モデルは、他の国産モデルと連携し、中国のAIが加速して世界へ向かうことを促すと期待される。同時にモデル訓練の推進によりコストをさらに削減し、より廉価なtokensが、世界の大規模モデルAPIの呼び出し総量を全体として増やす。
2）AIアプリケーション：モデルの平等化は、モデルとアプリケーションの矛盾という物語が市場にもたらす不安を緩和するのに役立ち、あらゆる業界でのAI Agentの実装を後押しし、壁のあるAIアプリケーション企業にとって追い風となる。
3）AI基盤インフラ：コスト削減は利用量の増加につながり、AI Infraが恩恵を受ける。国産AI Infraと国産モデルが相向かって進む。
（出所：第一財経）