មន្ទីរពិសោធន៍ AI របស់ចិន DeepSeek បានដឹកជញ្ជូនយ៉ាងស្ងៀមស្ងាត់ deepseek-v4-flash-vision-exp ដែលជាកំណែពិសោធន៍នៃម៉ូដែល V4-Flash របស់ខ្លួន ដែលអាចទទួលយករូបភាពជាមួយនឹងអត្ថបទ ដោយបិទចន្លោះដ៏គួរឱ្យចាប់អារម្មណ៍បំផុតមួយនៅក្នុងគ្រួសារម៉ូដែលស្មាតហ្វូនរបស់ខ្លួន។ ការចេញផ្សាយដែលបានចងក្រងជាឯកសារនៅលើទំព័រ API ផ្លូវការរបស់ក្រុមហ៊ុន មកដល់ប៉ុន្មានសប្តាហ៍បន្ទាប់ពី V4-Flash-0731 និង V4-Pro-0813 ធ្វើឱ្យស្រស់ និងផ្តល់ឱ្យអ្នកអភិវឌ្ឍន៍នូវវិធីដែលបានស្នើសុំជាយូរមកហើយដើម្បីផ្តល់រូបភាពអេក្រង់ គំនូសតាង និងរូបថតដោយផ្ទាល់ទៅក្នុងគំរូជួរមុខតម្លៃថោកបំផុតមួយរបស់ឧស្សាហកម្មនេះ។ សម្រាប់ក្រុមដែលតាមដាន [ការអភិវឌ្ឍ AI ចុងក្រោយបំផុត] (https://aibuzzwire.news) វាគឺជាសញ្ញាមួយផ្សេងទៀតដែល DeepSeek មានបំណងផ្គូផ្គងលក្ខណៈពិសេសសម្រាប់គូប្រជែងលោកខាងលិច ខណៈពេលដែលកាត់បន្ថយពួកគេយ៉ាងខ្លាំងលើតម្លៃ។

អ្វីដែលម៉ូដែលថ្មីធ្វើ

យោងតាមឯកសារ API របស់ DeepSeek `deepseek-v4-flash-vision-exp` អនុញ្ញាតឱ្យអ្នកប្រើ "សុំឱ្យម៉ូដែលពណ៌នារូបភាព អានអត្ថបទពីរូបថតអេក្រង់ វិភាគតារាង និងច្រើនទៀត។" គំរូទទួលយកឯកសារ JPEG, PNG, GIF និង WebP ជាមួយនឹងទ្រង់ទ្រាយដែលបានរកឃើញពីមាតិកាឯកសារពិតប្រាកដជាជាងឈ្មោះឯកសារ ឬបានប្រកាសប្រភេទ MIME — ព័ត៌មានលម្អិតតូចមួយ ប៉ុន្តែគួរពិចារណាដែលការពារកំហុសផ្នែកបន្ថែមដែលមិនផ្គូផ្គង។

អ្នកអភិវឌ្ឍន៍អាចបញ្ជូនរូបភាពតាមបីវិធី៖ URLs ទិន្នន័យក្នុងអ៊ីនធឺណេតដែលបានអ៊ិនកូដ base64 (ជាកម្មវត្ថុនៃដែនកំណត់រាងកាយសំណើ 48 MiB) URL ខាងក្រៅដែលអាចចូលប្រើជាសាធារណៈ (រហូតដល់ 8,192 តួអក្សរ 32 MiB ក្នុងមួយរូបភាព ជាមួយនឹងបង្អួចទាញយករយៈពេល 60 វិនាទី) ឬតាមរយៈ Files API ។ អ្វីគ្រប់យ៉ាងប្រើប្រាស់ទម្រង់ការបញ្ចប់ការជជែកដែលត្រូវគ្នានឹង OpenAI ស្តង់ដារ ហើយគំរូក៏អាចទៅដល់បានតាមរយៈចំណុចបញ្ចប់ដែលឆបគ្នាជាមួយ Anthropic របស់ DeepSeek មានន័យថាលេខកូដ Claude SDK ដែលមានស្រាប់អាចប្តូរកម្មវិធីខាងក្រោយជាមួយនឹងការផ្លាស់ប្តូរតិចតួចបំផុត។

តម្លៃ៖ ចក្ខុវិស័យព្រំដែនក្នុងអត្រាទំនិញ

គំរូពិសោធន៍ទទួលមរតកសន្លឹកតម្លៃឈ្លានពានរបស់ V4-Flash ។ ថូខឹនបញ្ចូលមានតម្លៃ 0.22 ដុល្លារក្នុងមួយលាន off-peak និង 0.44 ដុល្លារនៅកម្រិតកំពូលសម្រាប់ការខកខានក្នុងឃ្លាំងសម្ងាត់ ដោយធ្លាក់ចុះមកត្រឹម 0.007 ដុល្លារក្នុងមួយលានដុល្លារលើការចូលប្រើឃ្លាំងសម្ងាត់ក្នុងអំឡុងពេលម៉ោងបិទកំពូល។ និមិត្តសញ្ញាទិន្នផលមានតម្លៃ 0.66 ដុល្លារក្នុងមួយលាន off-peak និង $1.32 នៅកម្រិតកំពូល។ រូបភាព​ត្រូវ​បាន​បំប្លែង​ទៅ​ជា​សញ្ញាសម្ងាត់​ដោយ​ផ្អែក​លើ​ទំហំ​របស់​វា ហើយ​បាន​ចេញ​វិក្កយបត្រ​រួម​ជា​មួយ​និមិត្តសញ្ញា​អត្ថបទ។

ការកំណត់តម្លៃនោះមានសារៈសំខាន់ ព្រោះវាកាត់បន្ថយយ៉ាងខ្លាំងនូវការផ្តល់ជូនពហុម៉ូតដែលអាចប្រៀបធៀបបានពីអ្នកផ្តល់សេវាធំៗរបស់សហរដ្ឋអាមេរិក ដោយបន្តសង្រ្គាមតម្លៃ DeepSeek បានដំណើរការពេញមួយឆ្នាំ។ ម៉ូដែលនេះក៏អនុវត្តលើការបញ្ជាក់អំពីចំណងជើងរបស់គ្រួសារផងដែរ៖ បង្អួចបរិបទសញ្ញាសម្ងាត់ 1 លាន និមិត្តសញ្ញារហូតដល់ 384K នៃទិន្នផលអតិបរមា ការគាំទ្រសម្រាប់របៀបគិត និងមិនគិត លទ្ធផល JSON ការហៅឧបករណ៍ និងដែនកំណត់ស្របគ្នានៃ 2,500 — លក្ខណៈពិសេសដែលកំណត់ទីតាំងវាជាកម្លាំងពលកម្មពិតប្រាកដសម្រាប់បរិមាណការងារស្រាវជ្រាវជាជាងបរិមាណការងារច្រើន។

ហេតុអ្វីបានជាអ្នកអភិវឌ្ឍន៍អស់សង្ឃឹមចំពោះរឿងនេះ

ការបើកដំណើរការនេះបានទៅដល់ Hacker News ដែលជាកន្លែងដែលវាប្រមូលបានច្រើនជាង 450 ពិន្ទុយ៉ាងឆាប់រហ័ស ហើយភាពរីករាយមានរឿងដើមជាក់លាក់។ អត្ថបទតែមួយគត់របស់ DeepSeek V4-Flash-0731 បានបង្កើតកេរ្តិ៍ឈ្មោះសម្រាប់ ជឿ វាអាចមើលឃើញ។ អ្នកអភិវឌ្ឍន៍ជាច្រើនបានរាយការណ៍ថា គំរូនេះនឹងសន្មត់ថាវាមានសមត្ថភាពមើលឃើញ បន្ទាប់មកធ្វើការដោះស្រាយយ៉ាងបរិបូរណ៍ នៅពេលដែលវាបានរកឃើញថាវាមិនអាច — រួមទាំងការបង្កើតឧបករណ៍វិភាគរូបភាពដែលមានមូលដ្ឋានលើអត្ថបទ និងការដករូបថតអេក្រង់ចេញពីឧបករណ៍ដែលបានភ្ជាប់ មុនពេលដឹងថាវាគ្មានវិធីដើម្បីមើលពួកវានោះទេ។

"ខ្ញុំបានលឺថា DeepSeek v4 Flash 0731 បានសន្មត់ជាញឹកញាប់ថាវាមានសមត្ថភាពមើលឃើញ ហើយបន្ទាប់មកងាកទៅរកការបង្កើតឧបករណ៍វិភាគរូបភាពដែលមានមូលដ្ឋានលើអត្ថបទ នៅពេលដែលវារកឃើញថាវាពិតជាមិនអាចមើលឃើញ" ។ សម្រាប់នរណាម្នាក់ដែលប្រើគំរូជាភ្នាក់ងារក្នុងការសរសេរកូដ ឬបំពង់ស្វ័យប្រវត្តិកម្ម វ៉ារ្យ៉ង់នៃចក្ខុវិស័យថ្មីគួរតែលុបបំបាត់ចោលនូវប្រភេទទាំងមូលនៃការបរាជ័យដែលបណ្តាលមកពីការភ័ន្តច្រឡំ។

ការចាប់ 800x800

ការចេញផ្សាយនេះមិនមែនគ្មានដែនកំណត់នោះទេ ហើយការរិះគន់ខ្លាំងបំផុតលើព័ត៌មាន Hacker បានកំណត់គោលដៅមួយគឺ គុណភាពបង្ហាញរូបភាព។ ឯកសារចែងថា មុនការសន្និដ្ឋាន រូបភាពនីមួយៗត្រូវបានប្តូរទំហំដោយស្វ័យប្រវត្តិ ដូច្នេះចំនួនភីកសែលសរុបរបស់វាប្រហាក់ប្រហែលនឹងរូបភាព 800x800 ដោយរក្សាសមាមាត្រ។

"វាមានប្រយោជន៍ ប៉ុន្តែសម្រាប់ OCR និងកម្មវិធីជាច្រើនទៀត វាត្រូវតែខ្ពស់ជាងបន្តិច (ឧទាហរណ៍៖ ការដាក់ទំព័រទំហំ A4/Letter)" អ្នកអភិវឌ្ឍន៍ម្នាក់បានប្រកែកជាមួយនឹងការឆ្លើយតបដោយត្រង់ៗថា មួក 800x800 "សម្លាប់ករណីប្រើប្រាស់បានច្រើន"។ សម្រាប់ឯកសារក្រាស់ ការស្កេនពេញមួយទំព័រ ឬការកែកំហុស UI ដែលមានលក្ខណៈល្អិតល្អន់ កម្រិតគុណភាពបង្ហាញអាចជំរុញអ្នកអភិវឌ្ឍន៍ឆ្ពោះទៅរកដំណោះស្រាយខ្ពស់ជាង — និងមានតម្លៃថ្លៃជាង — ជម្រើសជំនួស។ ដំណោះស្រាយដ៏ពេញនិយមមួយដែលត្រូវបានណែនាំនៅក្នុងខ្សែស្រឡាយ៖ បំបែកទំព័រធំទៅជាក្រឡា ហើយចិញ្ចឹមវាដោយឡែកពីគ្នា។

សំណួរបើកចំហមួយទៀតគឺការបើកចំហ។ DeepSeek បានបង្កើតកេរ្តិ៍ឈ្មោះរបស់ខ្លួនលើការបញ្ចេញទម្ងន់បើកចំហ ប៉ុន្តែក្រុមហ៊ុនមិនបាននិយាយថាតើការផ្លាស់ប្តូរចក្ខុវិស័យនឹងធ្វើតាមនោះទេ។ អ្នកអត្ថាធិប្បាយបានប៉ាន់ស្មានថាវាអាចមកពីការស្រាវជ្រាវ "Thinking with Visual Primitives" ថ្មីៗនេះរបស់ក្រុមហ៊ុន ដែលទម្ងន់ត្រូវបានគេរាយការណ៍ថាបានសន្យា ប៉ុន្តែគ្មានអ្វីត្រូវបានបញ្ជាក់នោះទេ។ គួរកត់សម្គាល់ថាគំរូនេះត្រូវបានរាយបញ្ជីជាការពិសោធន៍ - បច្ច័យ "-exp" ដែលជាសញ្ញាថា DeepSeek រំពឹងថានឹងធ្វើម្តងទៀត។

ការចេញផ្សាយស្ងាត់ៗ ប៉ុន្តែជាយុទ្ធសាស្ត្រ

ការធ្លាក់ចុះនៃចក្ខុវិស័យបន្តភាពមមាញឹកសម្រាប់មន្ទីរពិសោធន៍ដែលមានមូលដ្ឋាននៅទីក្រុងហាំងចូវ ដែលបានចំណាយលើការដឹកជញ្ជូនការអាប់ដេតជាបន្តបន្ទាប់នៅខែសីហា៖ V4-Flash-0731, ក្របខ័ណ្ឌ DeepSeek Harness ដែលផ្តោតលើភ្នាក់ងារ, ការធ្វើឱ្យស្រស់ V4-Pro-0813 និងឥឡូវនេះការបញ្ចូលពហុមុខងារ។ ជាជាងការបើកដំណើរការប្លុកតែមួយ DeepSeek កំពុងអនុវត្តការចេញផ្សាយបន្ថែមយ៉ាងឆាប់រហ័ស ដែលរក្សាគំរូរបស់វានៅក្នុងខ្សែសង្វាក់អ្នកអភិវឌ្ឍន៍ — យុទ្ធសាស្ត្រដណ្តើមយកដីដូចគ្នា មន្ទីរពិសោធន៍លោកខាងលិចកំពុងបន្តជាមួយភ្នាក់ងារសរសេរកូដ។

សម្រាប់ឧស្សាហកម្ម AI ជាទូទៅ សារគឺស៊ាំ ប៉ុន្តែនៅតែមិនស្រួលសម្រាប់អ្នកដែលកំពុងកាន់តំណែង៖ សមត្ថភាពដែលធ្លាប់បានកំណត់តម្លៃបុព្វលាភ - ការយល់ដឹងអំពីរូបភាពនៅលើបរិបទសញ្ញាសម្ងាត់មួយលាន - ឥឡូវនេះបានមកដល់ពីរបីសេនក្នុងមួយលានសញ្ញាសម្ងាត់។ ស្លាកពិសោធន៍ផ្តល់ឱ្យ DeepSeek បន្ទប់ដើម្បីកែលម្អគំរូ ប៉ុន្តែអ្នកអភិវឌ្ឍន៍បានចាប់ផ្តើមភ្ជាប់វាទៅក្នុងលំហូរការងារដែលជំរុញដោយរូបថតអេក្រង់រួចហើយ។ សំណួរគឺលែងថាតើ DeepSeek អាចផ្គូផ្គងនឹងសំណុំមុខងារពហុមុខងារនៃគូប្រជែងរបស់ខ្លួនបានឬអត់ ប៉ុន្តែតើទីផ្សារដែលនៅសេសសល់ត្រូវសម្របទៅនឹងតម្លៃរបស់វាលឿនប៉ុណ្ណា។

នាំមុខ AI

សម្រាប់ការចេញផ្សាយគំរូ AI ចុងក្រោយគេ ការប្រយុទ្ធគ្នាជាគោល និងការវិភាគឧស្សាហកម្ម សូមចំណាំ AI Buzz Wire។

អានព័ត៌មាន AI បន្ថែម →