DeepSeek เปิดตัว V4 รุ่นพรีวิว ท้าชนแนวหน้าวงการ AI ด้วยบริบทระดับล้านโทเค็นและราคาสุดดุดัน

ผู้ท้าชิงรายใหม่กำลังมุ่งสู่แนวหน้า

ห้องปฏิบัติการปัญญาประดิษฐ์ DeepSeek ของจีน เปิดตัวโมเดลซีรีส์ V4 รุ่นพรีวิวที่หลายคนจับตา โดยมีสองรุ่นย่อยซึ่งผสานขนาดมหาศาลเข้ากับประสิทธิภาพที่ไม่เคยมีมาก่อน โมเดล DeepSeek-V4-Pro และ DeepSeek-V4-Flash เปิดตัวเมื่อวันที่ 24 เมษายน 2026 นับเป็นความพยายามครั้งทะเยอทะยานที่สุดของบริษัทในการท้าทายความเป็นผู้นำของยักษ์ใหญ่ AI สหรัฐฯ อย่าง OpenAI, Anthropic และ Google

การเปิดตัวครั้งนี้เกิดขึ้นในวาระครบรอบหนึ่งปีพอดี หลังโมเดลให้เหตุผล R1 ของ DeepSeek จุดชนวนให้ตลาดเสียหายมูลค่าระดับล้านล้านดอลลาร์ ด้วยการแสดงให้เห็นว่าสามารถพัฒนาความสามารถ AI ระดับแนวหน้าของโลกได้ด้วยต้นทุนเพียงเศษเสี้ยวของระบบแนวหน้าทั่วไป ขณะนี้ DeepSeek กำลังวางตำแหน่ง V4 ไม่ใช่เพียงทางเลือกที่ประหยัดต้นทุน แต่เป็นคู่แข่งที่ทัดเทียมด้านความสามารถดิบ พร้อมคงกลยุทธ์ราคาสุดพลิกวงการซึ่งทำให้สตาร์ตอัปจากหางโจวแห่งนี้เป็นที่สนใจทั่วโลกตั้งแต่แรก

โมเดลทั้งสองมีหน้าต่างบริบทขนาด 1 ล้านโทเค็น ซึ่งประมวลผลนิยายฉบับเต็มได้ราว 15 ถึง 20 เล่มในพรอมป์ต์เดียว และใช้สถาปัตยกรรม Mixture-of-Experts ที่เปิดใช้งานพารามิเตอร์เพียงบางส่วนขณะประมวลผล สิ่งที่โดดเด่นที่สุดคือบริษัทเผยแพร่โมเดลภายใต้สัญญาอนุญาต MIT แบบผ่อนปรน อนุญาตให้นำไปใช้เชิงพาณิชย์และดัดแปลงได้โดยไม่เสียค่าลิขสิทธิ์ สานต่อความมุ่งมั่นในการพัฒนา AI แบบเปิดน้ำหนักโมเดล

สถาปัตยกรรมทางเทคนิคและขนาด

ซีรีส์ DeepSeek V4 มีการกำหนดค่าที่แตกต่างกันสองแบบ เพื่อตอบโจทย์การใช้งานคนละประเภท V4-Pro รุ่นเรือธงเป็นหนึ่งในโมเดลแบบเปิดน้ำหนักที่มีขนาดใหญ่ที่สุดเท่าที่เคยเปิดตัว ด้วยพารามิเตอร์รวม 1.6 ล้านล้านรายการ และเปิดใช้งาน 49,000 ล้านรายการในการประมวลผลแต่ละครั้ง ส่วน V4-Flash รุ่นกะทัดรัดกว่ามีพารามิเตอร์รวม 284,000 ล้านรายการ เปิดใช้งาน 13,000 ล้านรายการ ออกแบบมาสำหรับแอปพลิเคชันที่ต้องตอบสนองรวดเร็วและการใช้งานบนอุปกรณ์ผู้บริโภค

ประสิทธิภาพด้านพารามิเตอร์นี้เกิดจากสถาปัตยกรรม Mixture-of-Experts ซึ่งส่งโทเค็นอินพุตแต่ละตัวไปยังเครือข่ายย่อยเฉพาะทาง แทนที่จะเปิดใช้งานทั้งโมเดล โมเดลหนาแน่นที่มีพารามิเตอร์ 1.6 ล้านล้านรายการจะมีต้นทุนการประมวลผลสูงเกินไป แต่ด้วยการคงจำนวนพารามิเตอร์ที่เปิดใช้งานไว้ใกล้เคียงกับ V3.2 รุ่นก่อนหน้า พร้อมขยายกลุ่มผู้เชี่ยวชาญ DeepSeek จึงเพิ่มขีดความสามารถในการเชี่ยวชาญเฉพาะด้านการเขียนโค้ด คณิตศาสตร์ และงานหลายภาษาได้ลึกขึ้น โดยไม่เพิ่มความต้องการประมวลผลในสัดส่วนเดียวกัน

ก้าวข้ามข้อจำกัดของบริบทยาว

หัวใจสำคัญของสถาปัตยกรรม V4 คือสิ่งที่ DeepSeek เรียกว่า Hybrid Attention Architecture ซึ่งผสานกลไก Compressed Sparse Attention และ Heavily Compressed Attention นวัตกรรมนี้แก้โจทย์ท้าทายที่พบมาอย่างต่อเนื่องในโมเดลภาษาขนาดใหญ่ นั่นคือคุณภาพการค้นคืนข้อมูลที่ลดลงเมื่อความยาวบริบทเพิ่มขึ้น

กลไก attention แบบ transformer มาตรฐานมีปัญหากับการค้นหา “เข็มในกองฟาง” ซึ่งหมายถึงข้อมูลเฉพาะที่ฝังอยู่ลึกในเอกสารยาวและค้นหาได้ยากขึ้นเรื่อย ๆ DeepSeek ระบุว่าแนวทางของบริษัททำความแม่นยำได้ 97% ในการทดสอบค้นคืนข้อมูลจากบริบทระดับล้านโทเค็น เทียบกับ 84.2% ของกลไก attention มาตรฐาน ซึ่งช่วยแก้ปัญหาคุณภาพการค้นคืนที่ลดลงและเป็นอุปสรรคของโมเดลบริบทยาวได้อย่างมีประสิทธิภาพ

ในทางปฏิบัติ โมเดลจึงประมวลผลฐานโค้ดทั้งหมด ชุดเอกสารทางกฎหมายที่ครอบคลุม หรือประวัติการสนทนาหลายปีได้อย่างน่าเชื่อถือ โดยไม่ละรายละเอียดเฉพาะ สำหรับนักพัฒนาที่สร้างระบบการสร้างข้อมูลเสริมด้วยการค้นคืน ความสามารถนี้อาจลดหรือขจัดความจำเป็นในการแบ่งข้อมูลเป็นส่วน ๆ ที่ซับซ้อนและใช้ฐานข้อมูลเวกเตอร์ภายนอก

ผลการทดสอบ: ความสามารถใกล้เคียงโมเดลแนวหน้า

จากการประเมินโดยอิสระและรายงานของ DeepSeek เอง โมเดล V4-Pro ทำผลงานได้ใกล้เคียงกับระบบปิดที่ล้ำหน้าที่สุด ในการทดสอบ SWE-bench Verified ซึ่งวัดความสามารถของโมเดลในการแก้ปัญหาจริงจาก GitHub ในโครงการโอเพนซอร์ส มีรายงานว่า V4-Pro ได้คะแนนประมาณ 80.6% ใกล้เคียงกับ Claude Opus 4.6 ซึ่งได้ 80.8% และสูงกว่าสถิติเดิมหลายรายการของโมเดลโอเพนซอร์ส

V4-Pro โดดเด่นเป็นพิเศษในการทดสอบการให้เหตุผลทางคณิตศาสตร์ โดยมีรายงานว่าทำคะแนนได้ 95.2% ใน HMMT 2026 และ 89.8% ใน IMOAnswerBench ซึ่งสูงกว่า Claude Opus 4.6 ในการทดสอบรายการหลัง แต่ยังตามหลัง GPT-5.4 อยู่เล็กน้อย ส่วนการประเมินการเขียนโปรแกรมแข่งขันโดยใช้คะแนน Codeforces นั้น V4-Pro ได้ 3206 คะแนน สูงกว่า GPT-5.4 (3168) และ Gemini 3.1 Pro (3052)

อย่างไรก็ตาม DeepSeek ยังคงประเมินสถานะโดยรวมเมื่อเทียบกับโมเดลแนวหน้าด้วยความระมัดระวัง บริษัทระบุว่า V4-Pro ยังตามหลัง Gemini 3.1 Pro ของ Google อยู่ราว 3 ถึง 6 เดือนในการพัฒนา สำหรับงานความรู้ทั่วไปและการให้เหตุผล สะท้อนว่าแม้ช่องว่างจะแคบลง แต่ก็ยังไม่สามารถทัดเทียมระบบปิดที่ล้ำหน้าที่สุดได้อย่างสมบูรณ์

เมื่อขยายจำนวนโทเค็นสำหรับการให้เหตุผล DeepSeek-V4-Pro-Max ทำผลงานเหนือกว่า GPT-5.2 และ Gemini-3.0-Pro ในการทดสอบการให้เหตุผลมาตรฐาน อย่างไรก็ตาม ผลงานยังต่ำกว่า GPT-5.4 และ Gemini-3.1-Pro เล็กน้อย สะท้อนเส้นทางการพัฒนาที่ตามหลังโมเดลแนวหน้าระดับล้ำสมัยอยู่ราว 3 ถึง 6 เดือน

V4-Flash ยังคงทำผลงานได้แข่งขันอย่างน่าประหลาดใจแม้มีขนาดเล็กกว่า โดยได้ 86.2% ใน MMLU-Pro เทียบกับ 87.5% ของ V4-Pro และได้ 91.6% ใน LiveCodeBench เทียบกับ 93.5% ของรุ่น Pro ประสิทธิภาพนี้ชี้ว่าในแอปพลิเคชันจำนวนมาก โมเดล Flash อาจมีความสามารถเพียงพอ โดยมีต้นทุนการใช้งานต่ำกว่ามาก

กลยุทธ์ราคาสุดพลิกวงการและแรงสั่นสะเทือนทางเศรษฐกิจ

สิ่งที่อาจสร้างแรงสั่นสะเทือนมากที่สุดในการเปิดตัว V4 คือกลยุทธ์ราคา ซึ่งสานต่อรูปแบบการตั้งราคาต่ำกว่าคู่แข่งตะวันตกหลายเท่าตัวของ DeepSeek โดย V4-Flash มีราคา 0.14 ดอลลาร์ต่อหนึ่งล้านโทเค็นอินพุต และ 0.28 ดอลลาร์ต่อหนึ่งล้านโทเค็นเอาต์พุต ถูกกว่าแม้กระทั่ง GPT-5.4 Nano ของ OpenAI (0.20/1.25 ดอลลาร์) และ Gemini 3.1 Flash-Lite (0.25/1.50 ดอลลาร์)

V4-Pro รุ่นเรือธงมีราคา 1.74 ดอลลาร์ต่อหนึ่งล้านโทเค็นอินพุต และ 3.48 ดอลลาร์ต่อหนึ่งล้านโทเค็นเอาต์พุต แม้ราคาสูงกว่ารุ่น Flash แต่ก็ยังต่ำกว่าโมเดลแนวหน้าที่เทียบเคียงกันอย่างมาก Claude Opus 4.6 มีราคา 5 ดอลลาร์ต่อหนึ่งล้านโทเค็นอินพุต และ 25 ดอลลาร์ต่อหนึ่งล้านโทเค็นเอาต์พุต ส่วน GPT-5.4 คิดราคา 2.50 ดอลลาร์สำหรับอินพุตและ 15 ดอลลาร์สำหรับเอาต์พุตต่อหนึ่งล้านโทเค็น ดังนั้นโมเดลเรือธงของ DeepSeek จึงให้ผลการทดสอบใกล้เคียงกันในราคาต่ำกว่าราว 50% ถึง 80%

การตั้งราคาเชิงรุกนี้เป็นไปได้จากการเพิ่มประสิทธิภาพสถาปัตยกรรมโมเดลอย่างมีนัยสำคัญ DeepSeek รายงานว่าในสถานการณ์ที่ใช้บริบทระดับล้านโทเค็น V4-Pro ใช้การคำนวณเลขทศนิยมเพียง 27% ของที่ V3.2 รุ่นก่อนหน้าต้องใช้ และใช้หน่วยความจำแคชคีย์-ค่าเพียง 10% ส่วน V4-Flash เพิ่มประสิทธิภาพได้มากกว่านั้น โดยใช้ FLOPs เพียง 10% และหน่วยความจำแคช KV เพียง 7% เมื่อเทียบกับ V3.2

นักวิเคราะห์ในอุตสาหกรรมมองว่าแรงกดดันด้านราคาเช่นนี้อาจบังคับให้ตลาดในวงกว้างปรับตัว เมื่อโมเดล R1 ของ DeepSeek เปิดตัวโดยมีค่าใช้ API ต่ำกว่าผลิตภัณฑ์ใกล้เคียงของ OpenAI ราว 90% คู่แข่งตอบโต้ด้วยการเปิดให้ผู้ใช้ฟรีเข้าถึงโมเดลขั้นสูงและปรับโครงสร้างราคาใหม่ พลวัตคล้ายกันนี้อาจเกิดขึ้นอีกเมื่อ V4 สร้างมาตรฐานต้นทุนใหม่สำหรับการประมวลผล AI ทั้งระดับประสิทธิภาพสูงและระดับประหยัด

การพึ่งพาฮาร์ดแวร์อย่างเป็นอิสระและโครงสร้างพื้นฐานการฝึกโมเดล

มิติสำคัญด้านภูมิรัฐศาสตร์และเทคนิคของการเปิดตัว V4 คือโครงสร้างพื้นฐานที่ใช้ฝึกโมเดล ต่างจากโมเดล AI แนวหน้าส่วนใหญ่ที่สร้างขึ้นโดยใช้ GPU ขั้นสูงที่สุดของ Nvidia เป็นหลัก มีรายงานว่า DeepSeek ฝึก V4 ด้วยตัวเร่งการประมวลผล AI Ascend 910B ของ Huawei ร่วมกับชิป MLU ของ Cambricon และตรวจสอบการทำงานบนแพลตฟอร์ม NPU Ascend ของ Huawei

พัฒนาการนี้มีนัยสำคัญอย่างมากต่อตลาดฮาร์ดแวร์ AI ทั่วโลก เนื่องจากข้อจำกัดการส่งออกของสหรัฐฯ จำกัดการเข้าถึงชิปประสิทธิภาพสูงสุดของ Nvidia ในจีน DeepSeek จึงแสดงให้เห็นว่าสามารถพัฒนา AI ระดับแนวหน้าขนาดใหญ่ได้ด้วยชิปที่ผลิตในจีน หากผลการทดสอบของโมเดลผ่านการตรวจสอบจากหน่วยงานอิสระ ก็จะเป็นการยืนยันว่า Huawei และ Cambricon สามารถเป็นทางเลือกแทน Nvidia สำหรับการฝึก AI ขนาดใหญ่ได้ ซึ่งอาจเร่งการกระจายแหล่งที่มาของห่วงโซ่อุปทานฮาร์ดแวร์ AI

เว่ย ซุน หัวหน้านักวิเคราะห์ด้าน AI ของ Counterpoint Research ระบุว่า ความสามารถของ V4 ในการทำงานโดยตรงบนชิปจีนอาจส่งผลอย่างใหญ่หลวงต่อเป้าหมายการสร้างอธิปไตยด้าน AI ของรัฐบาลปักกิ่ง

ท้ายที่สุดแล้ว สิ่งนี้จะช่วยเร่งการพัฒนา AI ทั่วโลกเช่นกัน

การใช้งานบนอุปกรณ์ผู้บริโภค

แม้โมเดลจะมีพารามิเตอร์จำนวนมหาศาล แต่ DeepSeek ย้ำว่า V4 เวอร์ชันควอนไทซ์สามารถทำงานบนฮาร์ดแวร์ผู้บริโภคได้ บริษัทระบุว่า V4-Flash ใช้งานบน Nvidia RTX 5090 เครื่องเดียวที่มี VRAM 32GB ได้เมื่อใช้การควอนไทซ์ INT4 หรือใช้ RTX 4090 สองเครื่องที่มี VRAM รวม 48GB ได้เมื่อใช้ความละเอียด INT8 ส่วนโมเดล Pro ซึ่งมีน้ำหนักโมเดลเต็มขนาด 865GB มุ่งเป้าไปที่คลัสเตอร์ GPU หลายโหนดสำหรับการประมวลผลแบบความแม่นยำเต็มรูปแบบ แต่อาจรองรับกลยุทธ์การนำไปใช้งานแบบสตรีมมิงด้วย

ความสามารถในการเข้าถึงนี้แตกต่างอย่างชัดเจนจากโมเดลแนวหน้าแบบปิด ซึ่งต้องใช้ API และโครงสร้างพื้นฐานดาต้าเซ็นเตอร์ สำหรับนักพัฒนาที่กังวลเรื่องความเป็นส่วนตัวของข้อมูล เวลาแฝง หรือต้นทุนการดำเนินงานที่คาดการณ์ได้ การโฮสต์โมเดลระดับล้านล้านพารามิเตอร์ด้วยตนเองบนฮาร์ดแวร์ที่หาซื้อได้ทั่วไปถือเป็นการเปลี่ยนแปลงครั้งสำคัญต่อเศรษฐศาสตร์การนำ AI ไปใช้งานจริง

ผลกระทบต่อตลาดและการวางตำแหน่งเชิงกลยุทธ์

การเปิดตัว V4 ทำให้การแข่งขันเข้มข้นขึ้น ไม่เพียงระหว่างผู้พัฒนา AI ในจีนและสหรัฐฯ แต่ยังรวมถึงการแข่งขันภายในตลาดจีนด้วย นับตั้งแต่ความก้าวหน้าครั้งสำคัญของ R1 คู่แข่งในประเทศอย่าง Qwen ของ Alibaba, ByteDance และ Moonshot AI ต่างเร่งเปิดตัวโมเดลของตน การประกาศล่าสุดของ DeepSeek ส่งผลต่อราคาหุ้นคู่แข่งทันที โดยหุ้น MiniMax และ Zhipu ต่างร่วงลงประมาณ 8% ในการซื้อขายที่ฮ่องกงหลังการประกาศ V4

มีรายงานว่า DeepSeek กำลังหาเงินทุนจากภายนอกเป็นครั้งแรกพร้อมกับการเปิดตัวโมเดล โดยตั้งเป้าระดมทุนอย่างน้อย 300 ล้านดอลลาร์ ที่มูลค่าบริษัทมากกว่า 10,000 ล้านดอลลาร์ ขณะที่รายงานบางฉบับระบุว่าการหารือกับ Tencent และ Alibaba อาจดันมูลค่าบริษัทเข้าใกล้ 20,000 ล้านดอลลาร์ นับเป็นการเปลี่ยนทิศทางเชิงกลยุทธ์จากเดิมที่บริษัทพึ่งพาเพียงบริษัทแม่ซึ่งเป็นกองทุนเฮดจ์ฟันด์อย่าง High-Flyer Capital Management

อย่างไรก็ตาม บริษัทกำลังเผชิญข้อจำกัดด้านโครงสร้างพื้นฐานโดยทันที DeepSeek เตือนว่าขณะนี้ความจุการให้บริการระดับ Pro มีจำกัดเนื่องจากขาดแคลนกำลังประมวลผลระดับสูง และคาดว่าราคาจะลดลงอย่างมีนัยสำคัญหลังติดตั้ง “ซูเปอร์โหนด” Huawei Ascend 950 ในวงกว้างได้ในช่วงครึ่งหลังของปี 2026 เท่านั้น

การเปิดตัวครั้งนี้ยังเกิดขึ้นท่ามกลางความตึงเครียดทางภูมิรัฐศาสตร์ที่เพิ่มขึ้นเกี่ยวกับการพัฒนา AI เมื่อไม่นานมานี้ทำเนียบขาวกล่าวหาจีนว่าขโมยทรัพย์สินทางปัญญาด้าน AI ในระดับอุตสาหกรรม ขณะที่กระทรวงการต่างประเทศจีนปฏิเสธข้อกล่าวหาดังกล่าวอย่างเด็ดขาด โดยระบุว่าเป็นการโจมตีความก้าวหน้าทางเทคโนโลยีของจีนอย่างไร้มูล DeepSeek ยังคงมุ่งมั่นเผยแพร่โมเดลโอเพนซอร์สภายใต้สัญญาอนุญาต Apache 2.0 และ MIT ซึ่งสวนทางกับแนวทางที่ปิดมากขึ้นของห้องปฏิบัติการพัฒนาโมเดลแนวหน้าตะวันตกหลายแห่ง ทำให้บริษัทวางตำแหน่งตนเองเป็นหัวหอกของการพัฒนา AI แบบเปิดน้ำหนักโมเดล

สรุปประเด็นสำคัญ

• DeepSeek เปิดตัว V4-Pro รุ่นพรีวิว (พารามิเตอร์ 1.6 ล้านล้านรายการ เปิดใช้งาน 49,000 ล้านรายการ) และ V4-Flash (พารามิเตอร์ 284,000 ล้านรายการ เปิดใช้งาน 13,000 ล้านรายการ) พร้อมหน้าต่างบริบทขนาด 1 ล้านโทเค็น
• โมเดลทั้งสองเผยแพร่ภายใต้สัญญาอนุญาตโอเพนซอร์ส (MIT/Apache 2.0) อนุญาตให้นำไปใช้เชิงพาณิชย์และดัดแปลงได้โดยไม่มีค่าธรรมเนียม
• V4-Pro ทำผลการทดสอบด้านการเขียนโค้ดได้แข่งขันกับ Claude Opus 4.6 และ GPT-5.4 ขณะที่มีราคาต่ำกว่า 50-80%
• V4-Flash มีราคา 0.28 ดอลลาร์ต่อหนึ่งล้านโทเค็นเอาต์พุต ทำให้เป็นตัวเลือกที่ถูกที่สุดในกลุ่มโมเดลขนาดเล็กที่มีความสามารถ โดยยังถูกกว่า GPT-5.4 Nano ของ OpenAI
• โมเดลฝึกด้วยฮาร์ดแวร์ที่ไม่ใช่ของ Nvidia (ชิป Huawei Ascend และ Cambricon) แสดงให้เห็นว่าชิป AI ของจีนเป็นทางเลือกที่ใช้ได้จริงแทนชิปสหรัฐฯ
• นวัตกรรมด้านสถาปัตยกรรม รวมถึง Hybrid Attention Architecture ช่วยลดความต้องการการประมวลผลได้สูงสุด 90% เมื่อเทียบกับโมเดลรุ่นก่อน
• เวอร์ชันควอนไทซ์สามารถทำงานบนฮาร์ดแวร์ผู้บริโภค เช่น RTX 5090 เครื่องเดียว หรือ RTX 4090 สองเครื่อง
• DeepSeek ยอมรับว่าในงานความรู้ทั่วไป โมเดลยังตามหลังระบบแนวหน้าที่ล้ำสมัยที่สุดอยู่ราว 3 ถึง 6 เดือน
• การเปิดตัวเพิ่มแรงกดดันด้านราคาในอุตสาหกรรม AI และเร่งการแข่งขันภายในภาค AI ของจีน