DeepSeek เปิดตัวเวอร์ชันอัปเดตอย่างเงียบๆ ของโมเดล workhorse แบบ open-weights เมื่อวันที่ 17 ตุลาคม โดยจัดส่ง V4.1-Flash-1017 พร้อมการให้เหตุผล การเขียนโค้ด เอเจนต์ และความสามารถด้านภาพที่แข็งแกร่งยิ่งขึ้น และในการกำหนดค่าระดับบนสุด ยังติดอันดับสองอันดับแรกในหนึ่งในกระดานผู้นำอิสระที่มีการจับตามองอย่างใกล้ชิดที่สุดในอุตสาหกรรม

การเปิดตัวจะอัปเดตโมเดล Flash V4.1 ที่ห้องปฏิบัติการของจีนเปิดตัวในเดือนกันยายน แทนที่จะเริ่มตระกูลโมเดลใหม่ TechNode รายงาน ตุ้มน้ำหนักมีอยู่ใน Hugging Face ภายใต้ใบอนุญาต MIT ที่อนุญาต พร้อมด้วยโค้ดการอนุมานและคำแนะนำในการปรับใช้สำหรับนักพัฒนาที่ต้องการรันโมเดลบนโครงสร้างพื้นฐานของตนเอง

สิ่งที่เปลี่ยนแปลงไปใน V4.1-Flash-1017

จากข้อมูลของ DeepSeek การปรับปรุงพาดหัวข่าวคือความเร็วในการดำเนินการ: บริษัทกล่าวว่าขณะนี้โมเดลทำงานเสร็จเร็วขึ้นและมีผลลัพธ์ที่สั้นลง ทำให้ผู้ใช้สามารถทำงานเดิมให้เสร็จได้ด้วยต้นทุนที่ต่ำลง เอาต์พุตที่สั้นกว่ามีความสำคัญพอๆ กับความเร็วดิบสำหรับทีมที่ใช้โมเดลในวงกว้าง เนื่องจากผู้ให้บริการ API ส่วนใหญ่เรียกเก็บเงินตามโทเค็น

การปรับปรุงที่มุ่งเน้นการพัฒนากำหนดเป้าหมายเวิร์กโฟลว์เอเจนต์ ซึ่งเป็นรูปแบบที่ระบบ AI วางแผนโครงการ เขียนโค้ด เรียกใช้เครื่องมือภายนอก และวนซ้ำไปสู่ผลลัพธ์การทำงาน รายงานของ TechNode อธิบายว่าการอัปเดตเป็นการเสริมความแข็งแกร่งให้กับลูปนั้น ควบคู่ไปกับความเข้าใจด้านการมองเห็นสำหรับอินพุตรูปภาพ

การแสดงเกณฑ์มาตรฐานอิสระของ Max Variant

Artificial Analysis บริษัทอิสระที่ทำการวัดประสิทธิภาพโมเดลชายแดน ได้แสดงรายการ DeepSeek V4.1 Flash 1017 (สูงสุด) โดยมีคะแนนดัชนี Artificial Analysis Intelligence อยู่ที่ 45 ซึ่งเป็นอันดับสองในบรรดาโมเดล 121 ที่ติดตาม และสูงกว่าค่ามัธยฐานที่ 19 รายการเดียวกัน บันทึกความเร็วเอาต์พุตประมาณ 230 โทเค็นต่อวินาที หน้าต่างบริบท 1 ล้านโทเค็น และรองรับทั้งอินพุตข้อความและรูปภาพ

ราคายังคงก้าวร้าว การวิเคราะห์ประดิษฐ์รายงานโทเค็นอินพุต 0.30 ดอลลาร์ต่อล้านโทเค็น และ 1.20 ดอลลาร์ต่อล้านโทเค็นเอาท์พุตสำหรับตัวแปร Max ซึ่งต่ำกว่าค่ามัธยฐานที่ติดตามที่ 0.43 ดอลลาร์และ 1.68 ดอลลาร์ตามลำดับ ส่วนลดแคช 98 เปอร์เซ็นต์ใช้กับบริบทที่ซ้ำกัน และบริษัทกำหนดต้นทุนของงานประเมินดัชนีสติปัญญางานเดียวไว้ที่ประมาณ 0.26 ดอลลาร์

บริษัทเปรียบเทียบจะทำเครื่องหมายข้อที่ต้องเสียประการหนึ่ง: การใช้คำฟุ่มเฟือย ตัวแปร Max สร้างโทเค็นประมาณ 210 ล้านโทเค็นจากการประเมินดัชนีสติปัญญา ซึ่งมากกว่าค่ามัธยฐานของโทเค็น 140 ล้านโทเค็นประมาณ 50 เปอร์เซ็นต์ ซึ่งสามารถชดเชยการประหยัดต่อโทเค็นบางส่วนในทางปฏิบัติได้

ชุมชนนักพัฒนารับทราบ

การเปิดตัวดังกล่าวดึงดูดความสนใจใน Hacker News ทันที โดยรายการ Hugging Face มียอดโหวตมากกว่า 900 ครั้ง และรายการ OpenRouter มียอดทะลุ 500 ครั้งภายในไม่กี่ชั่วโมง ซึ่งเป็นระดับการดึงดูดที่โมเดลแบบเปิดที่เผยแพร่จากห้องปฏิบัติการของตะวันตกไม่ค่อยเข้าถึง ความกระตือรือร้นนี้สะท้อนถึงจุดยืนในเกณฑ์มาตรฐานของโมเดลและการอนุญาตให้ใช้สิทธิ์: ใบอนุญาตของ MIT อนุญาตให้นำไปใช้ในเชิงพาณิชย์ ดัดแปลง และแจกจ่ายซ้ำโดยมีข้อจำกัดน้อยที่สุด ทำให้โมเดลนี้เป็นฐานที่เป็นประโยชน์สำหรับสตาร์ทอัพที่สร้างบน Open Weight

เนื่องจาก DeepSeek เผยแพร่โค้ดการอนุมานและคำแนะนำในการปรับใช้ควบคู่ไปกับน้ำหนัก องค์กรที่มีความจุ GPU ของตนเองจึงสามารถให้บริการโมเดลดังกล่าวได้โดยไม่ต้องขึ้นอยู่กับผู้ให้บริการ API ภายนอก ซึ่งเป็นตัวเลือกที่มีความเกี่ยวข้องมากขึ้นเรื่อยๆ เมื่อองค์กรต่างๆ ชั่งน้ำหนักข้อกังวลด้านถิ่นที่อยู่ของข้อมูลและการควบคุมต้นทุน เทียบกับความสะดวกของการอนุมานแบบโฮสต์

เหตุใดประสิทธิภาพตัวแทนจึงมีความสำคัญในตอนนี้

การเน้นที่การเขียนโค้ดแบบเอเจนต์สะท้อนให้เห็นว่าการแข่งขันระหว่างห้องปฏิบัติการชายแดนได้เคลื่อนตัวไปในทิศทางใด เกณฑ์มาตรฐานที่ได้รับจากชุดคำถามแบบคงที่นั้นเพิ่มขึ้นอย่างค่อยเป็นค่อยไป สิ่งที่สร้างความแตกต่างในปี 2026 คือความน่าเชื่อถือที่แบบจำลองสามารถสนับสนุนงานหลายขั้นตอนได้ ไม่ว่าจะเป็นการวางแผน การเขียนโค้ด การดำเนินการ การอ่านข้อผิดพลาด และการแก้ไขหลักสูตรโดยไม่ต้องมีการแทรกแซงของมนุษย์

การอัปเดตของ DeepSeek จะขยายไปยังแกนนั้นทุกประการ โมเดลที่ทำให้งานเขียนโค้ดเสร็จสมบูรณ์ด้วยการวนซ้ำน้อยลงและมีเอาท์พุตที่สิ้นเปลืองน้อยลง จะช่วยลดต้นทุนในการเรียกใช้ฟลีตตัวแทนได้โดยตรง ซึ่งใช้โทเค็นในระดับที่ผู้ใช้แชทแต่ละคนไม่เคยเห็นมาก่อน สำหรับทีมวิศวกรที่ประเมินตัวเลือก open-weights เทียบกับ API แบบปิด การผสมผสานระหว่างการจัดอันดับข่าวกรองอันดับ 2 และการออกใบอนุญาต MIT ถือเป็นแพ็คเกจที่แข็งแกร่งอย่างเห็นได้ชัด

สงครามราคาไม่มีทีท่าว่าจะเย็นลง

DeepSeek ได้สร้างชื่อเสียงในด้านการกำหนดราคาที่ก้าวร้าว และ V4.1-Flash-1017 ยังคงรูปแบบดังกล่าวต่อไป ส่วนลดแคช 98 เปอร์เซ็นต์ ซึ่งเป็นราคาที่ลดลงเมื่อมีการร้องขอนำบริบทที่ผู้ให้บริการได้ดำเนินการไปแล้วกลับมาใช้ใหม่ ถือเป็นหนึ่งในส่วนลดที่เอื้อเฟื้อที่สุดในอุตสาหกรรม โดยให้รางวัลแก่แอปพลิเคชันที่รักษาการสนทนาที่ใช้เวลานาน หรือใช้โค้ดเบสขนาดใหญ่ซ้ำในการสืบค้น

ด้วยการกำหนดราคาอินพุตที่ 0.30 ดอลลาร์ต่อล้านโทเค็น และเอาท์พุตที่ 1.20 ดอลลาร์ ตัวแปร Max จะตัดราคาเฉลี่ยของ Artificial Analysis ที่ติดตามทั่วทั้งตลาดก่อนที่จะใช้ส่วนลดแคชด้วยซ้ำ สำหรับปริมาณงานที่คำนึงถึงต้นทุน — การประมวลผลเป็นชุด, การสรุปปริมาณมาก, การสร้างแบบดึงข้อมูลและเสริม — ผู้ให้บริการที่เป็นกรรมสิทธิ์จะเทียบเคียงได้ทางเศรษฐศาสตร์ได้ยาก

การเปิดตัวดังกล่าวยังเกิดขึ้นท่ามกลางการตรวจสอบห่วงโซ่อุปทานฮาร์ดแวร์ของห้องปฏิบัติการ AI ของจีนอย่างเข้มงวด ซึ่งเป็นส่วนที่ DeepSeek ดึงดูดความสนใจในการบีบประสิทธิภาพระดับแนวหน้าจากการประมวลผลที่มีข้อจำกัด บริษัทไม่ได้เปิดเผยรายละเอียดการฝึกอบรมหรือข้อมูลเฉพาะด้านฮาร์ดแวร์สำหรับการอัปเดตนี้

สิ่งที่ต้องดูต่อไป

จังหวะของ DeepSeek - การรีเฟรช Flash ในเดือนกันยายน, การอัปเดตเป้าหมาย 1,017 ในเดือนตุลาคม - แสดงให้เห็นว่าห้องปฏิบัติการกำลังทำซ้ำได้เร็วกว่ารอบการเปิดตัวหกถึงสิบสองเดือนแบบเดิมของคู่แข่งชาวตะวันตก การจัดอันดับที่เป็นอิสระจากการวิเคราะห์เชิงประดิษฐ์และเกณฑ์มาตรฐานของชุมชนจะแสดงให้เห็นว่าผลกำไรนั้นอยู่นอกเหนือการประเมินของบริษัทหรือไม่

สำหรับตอนนี้ ตัวเลขที่สามารถตรวจสอบได้โดยอิสระนั้นแข็งแกร่ง: อันดับอัจฉริยะอันดับสองในบรรดาโมเดลที่ติดตาม 121 รุ่น, โทเค็นเกือบ 230 โทเค็นต่อวินาทีของปริมาณงานเอาต์พุต, หน้าต่างบริบท 1 ล้านโทเค็น และราคาที่ต่ำที่สุดบางส่วนในตลาด — ทั้งหมดนี้อยู่ภายใต้ใบอนุญาตที่ให้ทุกคนรับน้ำหนักและสร้าง

ก้าวนำหน้า AI

ภูมิทัศน์ของ AI ดำเนินไปอย่างรวดเร็ว — ติดตาม AI Buzz Wire เพื่อดูข่าวด่วนเกี่ยวกับ AI การเผยแพร่โมเดล และการวิเคราะห์อุตสาหกรรม

อ่านข่าว AI เพิ่มเติม →