[{"data":1,"prerenderedAt":376},["ShallowReactive",2],{"\u002Fblog\u002Fqwen-vision-for-deepseek\u002F:ja":3,"\u002Fblog\u002Fqwen-vision-for-deepseek\u002F-surround:ja":275,"blog-all-posts:ja":276},{"id":4,"title":5,"author":6,"body":10,"date":258,"description":259,"extension":260,"image":261,"locale":262,"meta":263,"minRead":152,"navigation":264,"original":265,"path":266,"pinned":265,"seo":267,"source":268,"sourceUrl":23,"stem":269,"tags":270,"updated":261,"__hash__":274},"blog\u002Fblog\u002Fqwen-vision-for-deepseek.ja.md","DeepSeek にマルチモーダルを補う：Qwen-3.7-Flash 識図スキーム",{"name":7,"avatar":8},"Chen Dahuang",{"src":9,"alt":7},"\u002Favatar.jpg",{"type":11,"value":12,"toc":250},"minimark",[13,28,31,35,38,41,45,53,56,59,62,181,184,197,200,203,221,224,227,230,233,236,239,246],[14,15,16],"blockquote",{},[17,18,19,20,27],"p",{},"原文は ",[21,22,26],"a",{"href":23,"rel":24},"https:\u002F\u002Fx.com\u002Frealchendahuang\u002Fstatus\u002F2085265465564336327",[25],"nofollow","X"," に公開、8.9 万ビュー、600+ いいね。",[17,29,30],{},"DeepSeek V4 Flash がマルチモーダル非対応だと、多くの人が文句を言っている。確かにそれは弱点だ——でも一つのモデルに固執する必要はない。",[32,33,34],"h2",{"id":34},"問題",[17,36,37],{},"V4 Flash はテキスト能力が全開なのに、画像を読むシーンになると全く使い物にならない：スクリーンショット、画像の表、UI デザイン稿、スキャン文書、全部処理できない。",[17,39,40],{},"マルチモーダルは「安さ」の代償だ。モデルが視覚エンコーディングをやるには、パラメータが膨れ上がり、コストが上がる。",[32,42,44],{"id":43},"解法組み合わせて使う","解法：組み合わせて使う",[17,46,47,48,52],{},"現時点で最もコスパのいい識図モデルを一周リサーチした結果、結論は ",[49,50,51],"strong",{},"Qwen-3.7-Flash","。",[17,54,55],{},"画像一枚の認識コストは、無視できるほど低い。これを視覚専用モデルにして、テキスト推論は V4 Flash のまま。両方のいいとこ取りだ。",[32,57,58],{"id":58},"どう組み合わせるか",[17,60,61],{},"一番シンプルな発想は「ルーティング」：入力に画像が入ってたら → 視覚モデルへ。純テキスト → V4 Flash へ。",[63,64,69],"pre",{"className":65,"code":66,"language":67,"meta":68,"style":68},"language-js shiki shiki-themes material-theme-lighter material-theme material-theme-palenight","\u002F\u002F 擬似コード：必要に応じてルーティング\nfunction route(input) {\n  if (hasImage(input)) {\n    return qwenVision(input)   \u002F\u002F 識図 + 重要情報の抽出\n  }\n  return deepseekV4Flash(input) \u002F\u002F テキスト推論\n}\n","js","",[70,71,72,81,106,131,150,156,175],"code",{"__ignoreMap":68},[73,74,77],"span",{"class":75,"line":76},"line",1,[73,78,80],{"class":79},"sHwdD","\u002F\u002F 擬似コード：必要に応じてルーティング\n",[73,82,84,88,92,96,100,103],{"class":75,"line":83},2,[73,85,87],{"class":86},"spNyl","function",[73,89,91],{"class":90},"s2Zo4"," route",[73,93,95],{"class":94},"sMK4o","(",[73,97,99],{"class":98},"sHdIc","input",[73,101,102],{"class":94},")",[73,104,105],{"class":94}," {\n",[73,107,109,113,117,120,122,125,128],{"class":75,"line":108},3,[73,110,112],{"class":111},"s7zQu","  if",[73,114,116],{"class":115},"swJcz"," (",[73,118,119],{"class":90},"hasImage",[73,121,95],{"class":115},[73,123,99],{"class":124},"sTEyZ",[73,126,127],{"class":115},")) ",[73,129,130],{"class":94},"{\n",[73,132,134,137,140,142,144,147],{"class":75,"line":133},4,[73,135,136],{"class":111},"    return",[73,138,139],{"class":90}," qwenVision",[73,141,95],{"class":115},[73,143,99],{"class":124},[73,145,146],{"class":115},")   ",[73,148,149],{"class":79},"\u002F\u002F 識図 + 重要情報の抽出\n",[73,151,153],{"class":75,"line":152},5,[73,154,155],{"class":94},"  }\n",[73,157,159,162,165,167,169,172],{"class":75,"line":158},6,[73,160,161],{"class":111},"  return",[73,163,164],{"class":90}," deepseekV4Flash",[73,166,95],{"class":115},[73,168,99],{"class":124},[73,170,171],{"class":115},") ",[73,173,174],{"class":79},"\u002F\u002F テキスト推論\n",[73,176,178],{"class":75,"line":177},7,[73,179,180],{"class":94},"}\n",[17,182,183],{},"もっと上のレベルは、識図結果をそのまま V4 Flash に渡して推理を続けさせる：",[185,186,187,191,194],"ol",{},[188,189,190],"li",{},"Qwen-3.7-Flash で画像を認識し、構造化された説明を出力",[188,192,193],{},"その説明 + 元の質問を一緒に DeepSeek V4 Flash に渡す",[188,195,196],{},"V4 Flash が説明を元に深い推論、コード書き、要約をする",[17,198,199],{},"こうすれば画像も見られるし、V4 Flash の安さと速さも享受できる。",[32,201,202],{"id":202},"使えるシーン",[204,205,206,209,212,215,218],"ul",{},[188,207,208],{},"スクリーンショット質問：エラー画面やチャットのスクショを放り込む",[188,210,211],{},"表・書類画像の構造化データ化",[188,213,214],{},"UI デザイン稿のコード化",[188,216,217],{},"請求書、契約書などのスキャン文書からの情報抽出",[188,219,220],{},"Agent が画面を「見る」必要があるシーン",[32,222,223],{"id":223},"なぜ他のスキームじゃないのか",[17,225,226],{},"純粋なビジョン大モデル（GPT 系のマルチモーダルなど）は強いが、値段が高い。日常のバッチ処理には割に合わない。",[17,228,229],{},"Qwen-3.7-Flash が勝っているのはコスパ：認識の品質は十分、コストはほぼ無視できる、大量のバッチタスクでも痛くない。",[32,231,232],{"id":232},"まとめ",[17,234,235],{},"モデル組み合わせが当たり前。一つのモデルが全部やるなんて期待するな。",[17,237,238],{},"テキストの主役は V4 Flash（安い・速い・コンテキスト大）、視覚の脇役は Qwen-3.7-Flash（安い・十分使える）。この組み合わせが現時点で最コスパだ。足りないものを足すほうが、「万能だけど高い」モデルを待つよりずっと現実的。",[17,240,241,242],{},"関連記事：",[21,243,245],{"href":244},"\u002Fblog\u002Fdeepseek-v4-flash-review","DeepSeek V4 Flash 正式版を徹底レビュー",[247,248,249],"style",{},"html pre.shiki code .sHwdD, html code.shiki .sHwdD{--shiki-light:#90A4AE;--shiki-light-font-style:italic;--shiki-default:#546E7A;--shiki-default-font-style:italic;--shiki-dark:#676E95;--shiki-dark-font-style:italic}html pre.shiki code .spNyl, html code.shiki .spNyl{--shiki-light:#9C3EDA;--shiki-default:#C792EA;--shiki-dark:#C792EA}html pre.shiki code .s2Zo4, html code.shiki .s2Zo4{--shiki-light:#6182B8;--shiki-default:#82AAFF;--shiki-dark:#82AAFF}html pre.shiki code .sMK4o, html code.shiki .sMK4o{--shiki-light:#39ADB5;--shiki-default:#89DDFF;--shiki-dark:#89DDFF}html pre.shiki code .sHdIc, html code.shiki .sHdIc{--shiki-light:#90A4AE;--shiki-light-font-style:italic;--shiki-default:#EEFFFF;--shiki-default-font-style:italic;--shiki-dark:#BABED8;--shiki-dark-font-style:italic}html pre.shiki code .s7zQu, html code.shiki .s7zQu{--shiki-light:#39ADB5;--shiki-light-font-style:italic;--shiki-default:#89DDFF;--shiki-default-font-style:italic;--shiki-dark:#89DDFF;--shiki-dark-font-style:italic}html pre.shiki code .swJcz, html code.shiki .swJcz{--shiki-light:#E53935;--shiki-default:#F07178;--shiki-dark:#F07178}html pre.shiki code .sTEyZ, html code.shiki .sTEyZ{--shiki-light:#90A4AE;--shiki-default:#EEFFFF;--shiki-dark:#BABED8}html .light .shiki span {color: var(--shiki-light);background: var(--shiki-light-bg);font-style: var(--shiki-light-font-style);font-weight: var(--shiki-light-font-weight);text-decoration: var(--shiki-light-text-decoration);}html.light .shiki span {color: var(--shiki-light);background: var(--shiki-light-bg);font-style: var(--shiki-light-font-style);font-weight: var(--shiki-light-font-weight);text-decoration: var(--shiki-light-text-decoration);}html .default .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}html.dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}",{"title":68,"searchDepth":83,"depth":83,"links":251},[252,253,254,255,256,257],{"id":34,"depth":83,"text":34},{"id":43,"depth":83,"text":44},{"id":58,"depth":83,"text":58},{"id":202,"depth":83,"text":202},{"id":223,"depth":83,"text":223},{"id":232,"depth":83,"text":232},"2026-08-06","DeepSeek V4 Flash はマルチモーダル非対応。画像認識はどうする？調べたところ、現時点で最コスパのスキームは Qwen-3.7-Flash：画像一枚の認識コストが極端に安く、V4 Flash と組み合わせれば弱点を補える。","md",null,"ja",{},true,false,"\u002Fblog\u002Fqwen-vision-for-deepseek",{"title":5,"description":259},"x","blog\u002Fqwen-vision-for-deepseek.ja",[271,272,273],"DeepSeek","マルチモーダル","モデルレビュー","xgujCQ-7afrJMtZ9ynTPfPTWojKwYfbnhX-vL0HfSA8",[261,261],[277,284,293,301,305,313,320,328,336,342,344,352,359,367],{"path":278,"title":279,"description":280,"date":258,"minRead":158,"tags":281},"\u002Fblog\u002Fagent-harness-selection","Pi Agent・OMP・Codex・ZCode を試して、結局 OpenCode + OpenChamber を選んだ理由","Agent Harness 選定の振り返り：GUI 体験、ベンダーロックイン、二次開発の自由度の三基準で Pi Agent・OMP・Codex・ZCode を切り、最終的に OpenCode カーネル + OpenChamber インターフェースを選んだ。",[282,283],"AI Agent","ツール選定",{"path":285,"title":286,"description":287,"date":288,"minRead":158,"tags":289},"\u002Fblog\u002Fcloudflare-broke-stack","2026 独立開発ベストプラクティス：Cloudflare 貧乏人フルセット","独立開発者のゼロコスト技術スタック：コードは Codex、バージョン管理は GitHub、決済は Stripe、フロントは TanStack Start、バックエンドは Hono + Workers、DB は D1、ストレージは R2、キャッシュは KV。全部 Cloudflare の上で回す。","2026-06-15",[290,291,292],"Cloudflare","独立開発","技術スタック",{"path":294,"title":295,"description":296,"date":297,"minRead":158,"tags":298},"\u002Fblog\u002Fdeepseek-api-web-search","DeepSeek API に組み込みの Web 検索、Responses API で公式の検索能力をタダで使う","DeepSeek が公式 API に Web 検索を内蔵。Responses エンドポイントで deepseek-v4-flash を呼び、web_search ツールを宣言するだけでいい。サードパーティの検索エンジンに繋がなくても、検索キーの申請も不要。","2026-08-05",[271,299,300],"API","AI ツール",{"path":244,"title":302,"description":303,"date":297,"minRead":177,"tags":304},"DeepSeek V4 Flash 正式版を徹底レビュー：安い、速い、1M コンテキスト、検索内蔵","DeepSeek V4 Flash 正式版を数日間がっつり使ってみた：異常な安さ、電光石火の速さ、1M コンテキスト、公式組み込みの Web 検索、完全オープンソース。唯一の弱点はマルチモーダルだが、別モデルと組み合わせれば補える。",[271,273,300],{"path":306,"title":307,"description":308,"date":288,"minRead":309,"tags":310},"\u002Fblog\u002Ffree-cloudflare","無料ユーザーはどうやって Cloudflare を搾り尽くすか。無料版でどこまでタダ乗りできる？","Cloudflare 無料版は個人用インターネット基盤一式を支えられる：DNS、CDN、Pages、Workers、KV、D1、R2、メール、Tunnel、AI Gateway など。",8,[290,311,312],"無料枠","デプロイ",{"path":314,"title":315,"description":316,"date":317,"minRead":309,"tags":318},"\u002Fblog\u002Fmodel-harness-decoupling","純正 Harness が必ずしも今の正解とは限らない：オープンモデル時代、モデルと Harness は分けて選ぶ","Claude を使うなら Claude Code？オープンモデル時代、この直感はアップデートが必要だ。純正の強みは本物だが、良いモデルを鍛えることと良い Harness を作ることは別の工学である——この記事では、モデルと Harness を分けて選べるようになった理由と、5 つの Harness の位置づけマップを解説する。","2026-09-09",[282,319,283],"Harness",{"path":321,"title":322,"description":323,"date":317,"minRead":309,"tags":324},"\u002Fblog\u002Fopencode-productive-stack","安定・高速・高生産性・安価：私の AI Coding スタック実録","OpenCode + OpenChamber + DeepSeek V4 Flash のサブスク 2 本で、15 プロジェクトを同時に回してもクォータはほとんど減らない。この記事では Context 剪定、階層メモリ、デスクトップ自動化、そして「やはり元の組み合わせ」という選定の教訓まで、設定の全記録をさらけ出す。",[325,326,327],"OpenCode","AI コーディング","設定",{"path":329,"title":330,"description":331,"date":332,"minRead":333,"tags":334},"\u002Fblog\u002Fproduct-faxin-principle","発心原理：独立開発者はなぜ「捨てる」ことを学ぶべきか","なぜ出発するのか。誰のために出発するのか。結局どの問題を解決したいのか。製品の鋭さは、手放す覚悟から生まれる。","2026-06-20",10,[335,291],"プロダクト思考",{"path":337,"title":338,"description":339,"date":332,"minRead":309,"tags":340},"\u002Fblog\u002Fproduct-pain-vs-itch","ユーザーに「すごい」と言われても浮かれるな：痛点と痒点","口先だけの称賛は一文の価値もない。需要を判断する唯一の厳しい基準は、ユーザーが何を払う気があるかを見ること。",[335,341],"需要判断",{"path":266,"title":5,"description":259,"date":258,"minRead":152,"tags":343},[271,272,273],{"path":345,"title":346,"description":347,"date":348,"minRead":133,"tags":349},"\u002Fblog\u002Fsub-store-cloudflare","機場（プロキシサービス）のサブスク集約を Cloudflare に移した","複数の機場と自前ノードを一本のサブスクにまとめ、分流ルールはサーバー側で設定。クライアントはサブスクを使うだけ。","2026-06-28",[290,350,351],"科学上网（プロキシ）","オープンソースプロジェクト",{"path":353,"title":354,"description":355,"date":317,"minRead":177,"tags":356},"\u002Fblog\u002Ftui-cognitive-bandwidth","TUI はあなたの認知帯域を食いつぶしている：AI Coding の『ギークフィルター』はそろそろ砕くとき","AI Coding Agent がこぞって TUI を載せ、インタラクションを 80 年代のターミナル・パラダイムに押し戻しておきながら、「没入型」「プログラマーへの敬意」などと美称する。この記事では、TUI が認知帯域をシステマティックに下げる 3 つのメカニズムと、Web UI こそが正解である理由を解き明かす。",[326,357,358],"インタラクション設計","エッセイ",{"path":360,"title":361,"description":362,"date":363,"minRead":158,"tags":364},"\u002Fblog\u002Fvalue-not-external","「価値があるか」を議論すること自体に、価値はない","私たちの価値は誰にも定義されない。人は AI 時代に、一体どうやって自分を理解すべきなのか。","2026-06-18",[365,366],"AI 思考","人文エッセイ",{"path":368,"title":369,"description":370,"date":371,"minRead":372,"tags":373},"\u002Fblog\u002Fx-growth-1000-followers","1 日でフォロワー 1000+ 増えた、俺がやったこと","6 月に X を本気で運用したら、1 日でフォロワー 1000+ 増えた。この記事では当時やったことと、もらった反応を記録する。","2026-06-16",12,[374,375],"X 運用","コンテンツ成長",1789752313662]