ดีปซีคเปิดตัวโมเดล AI ใหม่ “DeepSeek-V4.1-Flash” เตรียมปลดระวาง V4-Pro รับแผนยื่น IPO ตลาดหุ้น STAR เซี่ยงไฮ้

ดีปซีค (DeepSeek) บริษัทสตาร์ตอัปผู้พัฒนาปัญญาประดิษฐ์ (AI) สัญชาติจีน ประกาศเปิดตัวโมเดลใหม่ “DeepSeek-V4.1-Flash” อย่างเป็นทางการในวันนี้ (10 ก.ย.) โดยระบุว่าเป็นโมเดลขนาดเล็กที่สุดในกลุ่มสถาปัตยกรรมตระกูลใหม่ ที่ออกแบบมาเพื่อเพิ่มความเร็วในการอนุมาน เพิ่มปริมาณการประมวลผล รองรับการขยายสเกลสู่โมเดลขนาดใหญ่ และลดต้นทุนการประมวลผลลงอย่างมีนัยสำคัญ

สำนักข่าวรอยเตอร์รายงานว่า การเปิดตัวโมเดลครั้งนี้มีขึ้นขณะที่ดีปซีคกำลังเตรียมยื่นเสนอขายหุ้นใหม่แก่ประชาชนทั่วไปเป็นครั้งแรก (IPO) ในตลาดหุ้น STAR Market ของนครเซี่ยงไฮ้ ซึ่งเป็นกระดานซื้อขายสำหรับหุ้นกลุ่มนวัตกรรมวิทยาศาสตร์และเทคโนโลยีของจีน

ข้อมูลจากแถลงการณ์และบัญชีทางการของดีปซีคบนแพลตฟอร์มเอ็กซ์ (X) ระบุรายละเอียดสถาปัตยกรรมและสมรรถนะของ DeepSeek-V4.1-Flash ไว้ดังนี้:

• สถาปัตยกรรมแบบอสมมาตร (Asymmetric Causal Encoder–Decoder): ตัวโมเดลพัฒนาบนโครงสร้าง Mixture of Experts (MoE) ขนาดรวม 5.52 แสนล้านพารามิเตอร์ (552B) พร้อมความสามารถทำความเข้าใจภาพในตัว โดยสถาปัตยกรรมใหม่นี้ใช้พารามิเตอร์ขณะทำงานจริง (Active Parameters) เพียง 8 พันล้านพารามิเตอร์ในขั้นตอนนำเข้าข้อมูล (Prefill) และ 16 พันล้านพารามิเตอร์ในขั้นตอนสร้างคำตอบ (Decode)
  
  
• การฝึกฝนและประสิทธิภาพ: ใช้วิธีการ Pre-training รูปแบบใหม่ ร่วมกับการขยายสเกล Post-training ด้วยการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning – RL) ทำให้ผลการทดสอบ Benchmark เหนือกว่าโมเดลเรือธงรุ่นเดิมอย่าง DeepSeek-V4-Pro ในทุกมิติ และสามารถทำคะแนนแซงหน้าโมเดลแถวหน้าของโลกในหลายหมวดหมู่งานสำคัญ เช่น:
  
  • งานพัฒนาซอฟต์แวร์และการเขียนโค้ด: ทำคะแนนบน DeepSWE v1.1 ได้ 74.2 คะแนน (แซงหน้า Claude Opus 5 ที่ 74.0 และ GPT 5.6-Sol ที่ 73.0) และทำคะแนนการแข่งขันเขียนโปรแกรมบน Codeforces ได้สูงถึง 3,471 คะแนน
    
  • งานความปลอดภัยทางไซเบอร์: ทำคะแนนบน CyberGym ได้ 88.1 คะแนน (สูงกว่า GPT 5.6-Sol และ GLM 5.3)
    
    
• การลดขนาด KV Cache: ตัวโมเดลใช้หน่วยความจำแบนด์วิดท์สูง (HBM) สำหรับ KV cache เพียง 1 ใน 4 (ลดลง 75%) และใช้พื้นที่จัดเก็บบน SSD เพียง 1 ใน 8 (ลดลง 87.5%) เมื่อเทียบกับรุ่นก่อนหน้า โดยข้อมูล Global KV Cache ลดขนาดเหลือเพียง 890 ไบต์ต่อโทเคน (Bytes/Token) ซึ่งเล็กลงกว่ารุ่น V4-Flash ถึง 3.9 เท่า (เดิม 3,514 ไบต์) ช่วยลดภาระค่าบริการอ่านข้อมูลซ้ำจากแคช (Cache-hit charges) ที่เป็นต้นทุนหลักของการรันระบบ AI Agent ได้อย่างชัดเจน

รายละเอียดการเปิดให้บริการ API และการปรับโครงสร้างโมเดล:

1. การเปิดใช้งาน: เปิดให้ใช้งานผ่าน DeepSeek API ทันทีตั้งแต่วันนี้ (10 ก.ย.) ในชื่อโมเดล deepseek-flash
   
   
2. การปลดระวางโมเดลเดิม:
   • โมเดล V4-Flash และ V4-Flash-Vision-Exp ปลดระวางอย่างเป็นทางการแล้ว โดยคำขอที่เรียกใช้ Endpoint เดิม (deepseek-v4-flash และ deepseek-v4-flash-vision-exp) ระบบจะส่งต่อไปประมวลผลที่ V4.1-Flash ชั่วคราวเพื่อความต่อเนื่องของการใช้งาน
     
   • ดีปซีคเตรียมทยอยปลดระวางโมเดล V4-Pro โดยตั้งแต่วันที่ 14 ก.ย. 2569 เวลา 11:00 น. ตามเวลาไทย เป็นต้นไป ระบบจะโอนคำขอใช้งานโมเดล deepseek-v4-pro ทั้งหมดไปประมวลผลด้วย V4.1-Flash ในอัตราค่าบริการของ V4.1-Flash ซึ่งถูกกว่าเดิม จนกว่าจะเปิดตัวโมเดล V4.1-Pro
     
     
3. โครงสร้างราคาใหม่: ปรับลดราคาค่าบริการ API ลงอย่างมาก และนำระบบคิดราคาตามช่วงเวลา (Peak/Off-peak) มาใช้ โดยมีผลตั้งแต่วันที่ 10 ก.ย. 2569 เวลา 11:00 น. ตามเวลาไทยเป็นต้นไป:
   
   • ช่วงเวลาเร่งด่วน (Peak hours): วันจันทร์-ศุกร์ เวลา 08:00-11:00 น. และ 13:00-17:00 น. ตามเวลาไทย
     • ข้อมูลนำเข้าแบบอ่านจากแคช (Cache-hit): $0.006 / 1 ล้านโทเคน
     • ข้อมูลนำเข้าแบบอ่านใหม่ (Cache-miss): $0.3 / 1 ล้านโทเคน
     • ข้อมูลคำตอบ (Output): $1.2 / 1 ล้านโทเคน
       
   • ช่วงนอกเวลาเร่งด่วน (Off-Peak): ช่วงเวลาอื่นทั้งหมด รวมถึงวันหยุดเสาร์-อาทิตย์ และวันหยุดนักขัตฤกษ์ (รับส่วนลด 50%)
     • ข้อมูลนำเข้าแบบอ่านจากแคช (Cache-hit): $0.003 / 1 ล้านโทเคน
     • ข้อมูลนำเข้าแบบอ่านใหม่ (Cache-miss): $0.15 / 1 ล้านโทเคน
     • ข้อมูลคำตอบ (Output): $0.6 / 1 ล้านโทเคน

นอกจากนี้ ดีปซีคระบุว่าพันธมิตรทางการอย่าง WorkBuddy_AI (รวมถึง Codebuddy) และ opencode ได้อัปเดตระบบรองรับโมเดล V4.1-Flash แล้ว พร้อมกันนี้บริษัทได้เผยแพร่น้ำหนักโมเดล และเอกสารรายงานทางเทคนิคฉบับเต็มบน Hugging Face เพื่อสนับสนุนชุมชนโอเพนซอร์ส และเปิดช่องทางประสานงานสำหรับองค์กรธุรกิจที่ต้องการติดตั้งระบบขนาดใหญ่ระดับ 2,000 GPU ร่วมกับคลัสเตอร์ระบบจัดเก็บข้อมูล

โดย พสิษฐ์ อุ่นเมตตาจิต/กัลยาณี ชีวะพานิช