DeepSeek ปลดระวางรุ่น Pro ส่ง V4.1-Flash ครองธงแทน
วันที่ 14 กันยายน 2026 DeepSeek พลิกวงการ AI ด้วยการเปลี่ยนเส้นทางคำขอทั้งหมดจาก V4-Pro ไปยังรุ่น V4.1-Flash ซึ่งทำคะแนนแซงหน้าในด้านความเร็ว ต้นทุน และความสามารถ
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- DeepSeek เลิกใช้งานรุ่น V4-Pro และเปลี่ยนเส้นทางคำขอทั้งหมดไปที่ V4.1-Flash
- V4.1-Flash ทำคะแนนบน Terminal-Bench 2.1 ได้ 90.6 แซงหน้าคู่แข่งระดับท็อป
- คะแนนความรู้ทั่วไป (SimpleQA) ของรุ่น Flash กลับลดลงจาก 55.2 เหลือ 42.3
- แนวทางของสามห้องทดลองใหญ่ (DeepSeek, Z.ai, Moonshot) มีกลยุทธ์การตลาดและขนาดโมเดลที่ต่างกันชัดเจน
วันที่ 14 กันยายน 2026 เวลา 04:00 UTC นับเป็นหมุดหมายที่น่าสนใจในประวัติศาสตร์ปัญญาประดิษฐ์ เมื่อ DeepSeek ตัดสินใจปลดระวางชื่อเรือธงเดิม และส่งโมเดลที่ใช้ป้ายกำกับว่า Flash ขึ้นมาทำหน้าที่แทน โดยคำขอทั้งหมดที่ส่งไปยัง deepseek-v4-pro จะถูกเปลี่ยนเส้นทางไปยัง V4.1-Flash ทันที จนกว่ารุ่น V4.1-Pro ตัวใหม่จะเปิดตัวอย่างเป็นทางการ
การตัดสินใจครั้งนี้เกิดขึ้นหลังจากการทดสอบจากหลายฝ่ายยืนยันตรงกันว่า V4.1-Flash สามารถเอาชนะรุ่น V4-Pro ได้ทั้งในแง่ความสามารถ ต้นทุน ความเร็ว และเวลาในการประมวลผลรวม โดยมีประกาศระบุไว้อย่างชัดเจนว่าบริษัทกำลังทยอยเลิกใช้งานรุ่น V4-Pro
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
เมื่อมองเฉพาะงานที่โมเดลต้องปฏิบัติจริง ช่องว่างระหว่างรุ่นถือว่ามีนัยสำคัญ คะแนน 90.6 บน Terminal-Bench 2.1 ไม่เพียงแต่เอาชนะรุ่นพี่ในค่ายเดียวกันเท่านั้น แต่ยังเหนือกว่า Claude Opus 5 ที่ทำได้ 89.1 และ GPT-5.6 Sol ที่ 88.8 อีกด้วย โดยโมเดลนี้มีราคาให้บริการต่ำกว่าหนึ่งดอลลาร์ต่อหนึ่งล้านโทเค็น
"We're phasing out V4-Pro."
DeepSeek Announcement
อย่างไรก็ตาม ความสามารถไม่ได้พัฒนาขึ้นในทุกด้าน คะแนนความรู้ทั่วไป (SimpleQA) กลับลดลงจาก 55.2 เหลือ 42.3 ซึ่งเป็นตัววัดความแม่นยำในการตอบคำถามเชิงข้อเท็จจริง ทำให้ภาพที่ปรากฏคือโมเดลมีความสามารถในการปฏิบัติงานดีขึ้น แต่มีความรู้รอบตัวลดลง
ปรากฏการณ์ที่รุ่นป้ายกำกับ Flash มีประสิทธิภาพเหนือกว่ารุ่น Pro สะท้อนให้เห็นว่าผู้พัฒนา AI เริ่มให้ความสำคัญกับความคุ้มค่าและประสิทธิภาพเชิงโครงสร้างสถาปัตยกรรม มากกว่าการยึดติดกับชื่อชั้นแบบเดิม การที่ DeepSeek กล้าโยกย้าย API ทั้งหมดไปใช้รุ่น Flash แสดงถึงความมั่นใจในสถาปัตยกรรมใหม่ที่ใช้หน่วยความจำ KV น้อยลงและประหยัดต้นทุนมากกว่า ซึ่งอาจบังคับให้คู่แข่งรายอื่นต้องปรับกลยุทธ์ตาม
แนวทางของสามค่ายใหญ่ในตลาดมีความแตกต่างกันอย่างสิ้นเชิง:
- Z.ai: เลือกสร้างทั้งรุ่นใหญ่และรุ่นเล็กคู่กัน โดยรุ่น GLM-5.3-Flash ใช้หน่วยความจำ KV น้อยกว่ารุ่นเรือธงถึง 4.4 เท่า
- DeepSeek: ทุ่มหมดหน้าตักให้กับแนวทางเดียวโดยย้าย API ทั้งหมดไปที่ Flash พร้อมสถาปัตยกรรมใหม่ขนาด 552 พันล้านพารามิเตอร์
- Moonshot: เลือกสร้างโมเดลเปิดขนาดใหญ่ที่สุดในโลกอย่าง Kimi K3 ที่ 2.8 ล้านล้านพารามิเตอร์ โดยไม่มีการทำรุ่นย่อยราคาประหยัดมาแข่ง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การเปรียบเทียบจาก Artificial Analysis บนดัชนี Intelligence Index v4.3 ชี้ให้เห็นว่าคะแนนรวมอาจต่างกันไม่มาก แต่ต้นทุนต่อภารกิจมีความแตกต่างกันมากถึงแปดเท่า นอกจากนี้ ผู้ใช้งานยังต้องระวังเรื่องโหมดการใช้เหตุผล (Reasoning mode) ที่เปิดใช้งานตลอดเวลาในบางรุ่นอย่าง Kimi K3 ซึ่งสร้างโทเค็นเพิ่มเติมที่ผู้ใช้ต้องแบกรับค่าใช้จ่าย
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น