DeepSeek อัปเดต V4.1 Flash เปิด API ค้นหาเว็บ และเริ่มคิดค่าบริการ 1 พ.ย.

อัปเกรดการเขียนโค้ด พร้อมเปิดบริการค้นหาสาธารณะ

DeepSeek เปิดตัว V4.1-Flash-1017 เมื่อวันที่ 17 ตุลาคม 2026 โดยอัปเดตเว็บไซต์ แอป และ API พร้อมกัน ขณะเดียวกันก็เปิดสองบริการที่ช่วยให้นักพัฒนาค้นหาเว็บและดึงเนื้อหาจากหน้าเว็บรายหน้าได้ บริษัทกำหนดราคาแต่ละบริการ Search และ Fetch ไว้ที่ 0.75 ดอลลาร์ต่อ 1,000 ครั้ง และจะเริ่มคิดค่าบริการสำหรับการเรียกใช้ที่เข้าเกณฑ์ผ่านเครื่องมือฝั่งเซิร์ฟเวอร์ตั้งแต่เวลา 16:00 UTC วันที่ 31 ตุลาคม หรือเที่ยงคืนวันที่ 1 พฤศจิกายนตามเวลาในกรุงปักกิ่ง

การเปิดตัวครั้งนี้เกิดขึ้น 37 วันหลัง V4.1 Flash รุ่นแรกเปิดตัวเมื่อวันที่ 10 กันยายน นักพัฒนายังคงใช้ชื่อโมเดล deepseek-flash ได้ โดยวิธีเรียกใช้ Model API และราคาปัจจุบันไม่เปลี่ยนแปลง DeepSeek ยังเปิดให้ใช้งานโมเดลที่อัปเดตแล้วผ่าน Hugging Face และ ModelScope ด้วย

ประกาศเปิดตัวอย่างเป็นทางการของ DeepSeek เน้นการพัฒนาโครงการให้เสร็จสมบูรณ์เป็นหัวใจของการอัปเดต ตัวอย่างที่บริษัทยกมามีทั้งโมเดลจำลองพระราชวังต้องห้ามในกรุงปักกิ่ง เกมแข่งรถบนเบราว์เซอร์ การสร้างเกม Portal 2 ขึ้นใหม่ด้วยเอนจิน Godot และฉาก 3 มิติที่เคลื่อนไหวและถ่ายทอดประวัติศาสตร์ตั้งแต่ยุคก่อนประวัติศาสตร์จนถึงยุคปัจจุบัน

DeepSeek ระบุว่าโมเดลทำงานได้ดีขึ้น ใช้เวลาน้อยลง และสร้างผลลัพธ์ที่สั้นลง สำหรับนักพัฒนา การเปลี่ยนแปลงเหล่านี้ช่วยลดค่าใช้จ่ายได้พร้อมกันสองด้าน ได้แก่ เวลาที่งานอัตโนมัติใช้คอมพิวเตอร์ และปริมาณข้อความที่โมเดลสร้างซึ่งเป็นส่วนหนึ่งของค่าบริการ

การเปิดตัวบริการค้นหาช่วยเติมอีกส่วนหนึ่งของขั้นตอนการทำงานนี้ แอปพลิเคชัน AI สามารถใช้โมเดลของ DeepSeek วางแผนงาน ใช้เครื่องมือค้นหาเพื่อหาข้อมูลล่าสุด และใช้บริการ Fetch ดึงหน้าเว็บที่เลือกมาใส่ในงานได้

การเขียนโปรแกรมจากสิ่งที่ต้องการในทางปฏิบัติ

DeepSeek อธิบายเป้าหมายหลักของโครงการว่าเป็นการเขียนโปรแกรมจากความต้องการของผู้ใช้ กล่าวคือ ผู้ใช้บอกสิ่งที่ต้องการด้วยภาษาทั่วไป แล้ว AI จัดการงานส่วนต่าง ๆ มากขึ้นเพื่อเปลี่ยนคำขอนั้นให้เป็นโครงการที่ใช้งานได้จริง

ตัวอย่างทั้งสี่ครอบคลุมงานหลายประเภท ตัวอย่างพระราชวังต้องห้ามเน้นการสร้างโมเดล 3 มิติ ส่วนเกมแข่งรถต้องอาศัยการโต้ตอบผ่านเบราว์เซอร์ การสร้าง Portal 2 ขึ้นใหม่ใช้เอนจินเกมที่มีอยู่แล้วอย่าง Godot ส่วน Valley of Ages นำเสนอสภาพแวดล้อมที่เปลี่ยนแปลงไปตลอดช่วงเวลาอันยาวนานของประวัติศาสตร์มนุษย์

DeepSeek ระบุว่าโครงการเหล่านี้สร้างขึ้นภายใน DeepSeek Harness โดยใช้พรอมป์ต์ค่อนข้างน้อย มีข้อมูลอ้างอิงจำกัด และโต้ตอบกันไม่กี่รอบ บริษัทระบุว่าการพัฒนานี้มาจากการเรียนรู้แบบเสริมกำลังด้วยการประเมินตนเอง ซึ่งเป็นวิธีฝึกที่ใช้ผลป้อนกลับจากงานที่พยายามทำมาช่วยปรับพฤติกรรมในครั้งต่อไป

Harness คือซอฟต์แวร์ที่ทำงานรอบโมเดลภาษาเพื่อจัดการเครื่องมือ ไฟล์ เซสชัน และการดำเนินงาน โมเดลอาจเสนอชุดคำสั่งหรือเลือกขั้นตอนถัดไป ส่วน Harness จัดเตรียมสภาพแวดล้อมให้การกระทำเหล่านั้นเกิดขึ้นได้ ซอฟต์แวร์ที่ประกอบอยู่โดยรอบจึงเป็นส่วนหนึ่งของกระบวนการพัฒนาโครงการควบคู่ไปกับตัวโมเดล

ผลการทดสอบที่พัฒนาขึ้นเด่นชัดที่สุด

ผลประเมินที่ DeepSeek เผยแพร่ระบุว่าโมเดลรุ่นอัปเดตทำคะแนนได้ 77.0 ใน DeepSWE v1.1 เพิ่มจาก 74.2 ของรุ่นเดือนกันยายน หรือเพิ่มขึ้น 2.8 คะแนนในการประเมินงานวิศวกรรมซอฟต์แวร์ ส่วน Claude Opus 5 ได้ 74.0 และ GPT 5.6-Sol ได้ 73.0 ในการเปรียบเทียบของบริษัท

Terminal-Bench 4.0 แสดงพัฒนาการที่มากกว่าเมื่อเทียบกับ Flash รุ่นก่อน โดยเพิ่มจาก 31.2 เป็น 42.3 หรือ 11.1 คะแนน ส่วน ProgramBench เพิ่มจาก 20.3 เป็น 29.1 และ NL2Repo-Bench เพิ่มจาก 65.4 เป็น 68.2

DeepSeek ยังรายงานผลที่ดีขึ้นในงานเกี่ยวกับเอเจนต์ ซึ่งเป็นระบบที่ใช้เครื่องมือทำงานต่อเนื่องหลายขั้นตอน Automation-Bench v1.0.6 เพิ่มจาก 54.8 เป็น 60.5, Agents' Last Exam เพิ่มจาก 31.8 เป็น 35.4 และ Apex Bench v1.1 เพิ่มจาก 64.6 เป็น 72.1

ในตารางเปรียบเทียบของ DeepSeek โมเดลที่อัปเดตทำคะแนนนำใน DeepSWE, Automation-Bench, Agents' Last Exam และ Apex Bench เหนือโมเดลที่นำมาจาก Anthropic, OpenAI, Kimi และ Zhipu ส่วน Claude Opus 5 ทำคะแนนสูงกว่าในหลายการทดสอบอื่น รวมถึง Terminal-Bench, ProgramBench และ NL2Repo

เงื่อนไขการทดสอบมีผลต่อคะแนนเหล่านี้ DeepSeek รายงานคะแนน Terminal-Bench 4.0 ที่ 42.3 ขณะที่การประเมินของ Artificial Analysis ระบุไว้ที่ 26.8 โดยไม่มีการเปิดเผยรายละเอียดการตั้งค่าที่จำเป็นต่อการอธิบายความแตกต่างนี้ DeepSeek ระบุว่าใช้ Claude Code เป็นสภาพแวดล้อมสำหรับ Terminal-Bench และใช้ Mini-SWE-V2 สำหรับ DeepSWE ซึ่งแสดงให้เห็นว่าการประเมินพิจารณาทั้งโมเดลและเครื่องมือที่ทำงานร่วมกัน

เหตุใดคำตอบที่สั้นลงจึงช่วยลดต้นทุนงาน

DeepSeek เรียกการอัปเดตนี้ว่าการพัฒนาที่ดีขึ้นทั้งด้านประสิทธิภาพและต้นทุน โดยกล่าวง่าย ๆ คือ ผู้ใช้ได้ผลลัพธ์ที่ดีขึ้นพร้อมกับจ่ายน้อยลง แทนที่จะต้องแลกคุณภาพที่สูงขึ้นกับบิลที่แพงกว่า

บริการโมเดลมักคิดค่าบริการตามโทเคน ซึ่งเป็นหน่วยย่อยที่ข้อความถูกแบ่งออกเพื่อใช้ประมวลผล คำตอบที่สร้างสั้นลงย่อมใช้โทเคนขาออกน้อยลง เอเจนต์เขียนโค้ดอาจสร้างคำตอบหลายครั้งระหว่างงานหนึ่งงาน การลดข้อความส่วนเกินในแต่ละขั้นตอนจึงช่วยลดค่าใช้จ่ายรวมได้

DeepSeek ระบุว่าเวลาในการดำเนินงานก็ลดลงด้วย เรื่องนี้สำคัญกับโครงการที่ต้องแก้ไข ทดสอบ และใช้เครื่องมือซ้ำหลายรอบ ซึ่งผู้ใช้กำลังรอผลงานที่เสร็จสมบูรณ์ ไม่ใช่คำตอบเพียงครั้งเดียว บริษัทอธิบายว่าการเปิดตัวทางเทคนิคครั้งนี้เป็นการอัปเดตเล็กน้อย แม้จะอ้างว่ามีการพัฒนาครอบคลุมทั้งการให้เหตุผล การเขียนโค้ด งานเอเจนต์ และการประเมินด้านภาพ

Search ใช้ค้นหาหน้าเว็บ ส่วน Fetch ใช้ดึงเนื้อหา

บริการ Search และ Fetch ของ DeepSeek ทำหน้าที่ต่างกัน Search รับคำค้นและส่งผลลัพธ์ที่จัดอันดับแล้วกลับมา ส่วน Fetch รับหน้าเว็บที่ระบุและดึงชื่อเรื่องกับเนื้อหาในรูปแบบ Markdown ซึ่งเป็นข้อความเรียบง่ายที่ยังคงโครงสร้างที่เป็นประโยชน์ เช่น หัวข้อและรายการ

ตัวอย่างเช่น นักพัฒนาอาจใช้ Search ค้นหาเอกสารซอฟต์แวร์ล่าสุด แล้วใช้ Fetch ดึงหน้าที่เกี่ยวข้องมาก่อนขอให้โมเดลเขียนโค้ด แอปพลิเคชันที่นำเอกสารที่ดึงมาใช้ประกอบคำตอบที่สร้างขึ้นมักเรียกว่าระบบสร้างคำตอบแบบเสริมด้วยการดึงข้อมูล หรือ RAG

บริการทั้งสองใช้ที่อยู่หลัก api.deepseek.com และระบบข้อมูลรับรอง API เดียวกับบริการโมเดลของ DeepSeek โดยมีเอนด์พอยต์ POST /v1/tools/search และ POST /v1/tools/fetch ทั้งสองส่งคืนข้อมูล JSON แบบมีโครงสร้าง ซึ่งซอฟต์แวร์สามารถอ่านและส่งต่อระหว่างเครื่องมือต่าง ๆ ได้

Search รองรับคำค้นยาวไม่เกิน 128 อักขระ นักพัฒนาขอผลลัพธ์ได้ตั้งแต่ 1 ถึง 50 รายการ โดยค่าเริ่มต้นจะส่งกลับ 10 รายการ ผลลัพธ์อาจมีชื่อเรื่อง ที่อยู่เว็บ สรุปสั้น สรุปยาวที่จัดทำขึ้นสำหรับโมเดล วันที่เผยแพร่ และเนื้อหาทั้งหน้าในกรณีที่มี

DeepSeek ระบุว่าเครื่องมือค้นหาของบริษัทให้บริการค้นหาบนเว็บไซต์และ API อยู่แล้ว และจัดการคำขอหลายร้อยล้านครั้งทั่วโลกในแต่ละวัน บริษัทระบุว่าดัชนีของตนครอบคลุมหน้าเว็บหลายแสนล้านหน้าและรองรับการค้นหาหลายภาษา

DeepSeek ยังระบุว่ามีการกรองการบิดเบือนอันดับผลการค้นหา ความพยายามชี้นำข้อมูลที่ AI เชิงสร้างสรรค์เลือกใช้ และเนื้อหาคุณภาพต่ำที่สร้างโดย AI มาตรการเหล่านี้จัดการกับข้อมูลที่เอเจนต์พบก่อนจะเขียนคำตอบหรือดำเนินการตามคำขอของผู้ใช้

นักพัฒนาต้องจ่ายเท่าไร และเมื่อใด

ประกาศภาษาอังกฤษของ DeepSeek กำหนดราคา Search และ Fetch แยกกันที่บริการละ 0.75 ดอลลาร์ต่อ 1,000 ครั้ง ส่วนราคาภาษาจีนอยู่ที่บริการละ 5 หยวนต่อ 1,000 ครั้ง ดังนั้นขั้นตอนการทำงานที่ค้นหาหนึ่งครั้งและดึงหน้าเว็บหนึ่งหน้าจะใช้บริการสองรายการที่คิดค่าบริการแยกกัน

ตามกฎการคิดค่าบริการที่เผยแพร่ Search จะมีค่าบริการเมื่อส่งคืนรายการผลการค้นหาที่ไม่ว่างได้สำเร็จ ส่วน Fetch จะมีค่าบริการเมื่อส่งคืนเนื้อหาหน้าเว็บพร้อมสถานะความสำเร็จ HTTP 200 คำขอที่ล้มเหลว ผลลัพธ์ว่าง และการหมดเวลาจะไม่มีค่าใช้จ่าย และการขอผลการค้นหามากขึ้นไม่เปลี่ยนราคาต่อการเรียกใช้ Search หนึ่งครั้ง

หากคิดตามอัตราหยวนที่ระบุ การค้นหาสำเร็จ 1,000 ครั้งตามด้วยการดึงหน้าเว็บสำเร็จ 1,000 ครั้งจะมีค่าใช้จ่ายด้านการค้นหาและดึงข้อมูลรวม 10 หยวน ค่าประมวลผลโมเดลคิดแยกต่างหาก การแยกค่าใช้จ่ายเช่นนี้ช่วยให้นักพัฒนาประเมินต้นทุนของเอเจนต์ที่ค้นหาข้อมูลซ้ำระหว่างทำงานได้

DeepSeek ระบุว่าการเรียกใช้ Search และ Fetch ผ่านเครื่องมือฝั่งเซิร์ฟเวอร์ใน DeepSeek Harness, Claude Code และ Codex จะใช้ฟรีชั่วคราวสำหรับผู้ใช้ DeepSeek API การคิดค่าบริการสำหรับช่องทางดังกล่าวเริ่มเวลา 16:00 UTC วันที่ 31 ตุลาคม 2026 ซึ่งตรงกับเวลาเที่ยงคืนวันที่ 1 พฤศจิกายนในกรุงปักกิ่ง การยกเว้นชั่วคราวนี้ใช้กับการเรียกใช้เครื่องมือดังกล่าว ส่วนค่าบริการปกติของโมเดลยังคงมีผล

แต่ละบัญชีส่งคำขอ Search ได้สูงสุด 5 ครั้งต่อวินาที และ Fetch ได้สูงสุด 5 ครั้งต่อวินาที โดยนับแยกกัน Fetch ยังมีข้อจำกัดเพิ่มเติมสำหรับแต่ละโดเมนเว็บไซต์ หากส่งคำขอเกินอัตราที่อนุญาต ระบบจะตอบกลับด้วย HTTP 429 เพื่อแจ้งให้แอปพลิเคชันลดความเร็วลง

การอัปเดต Harness เชื่อมโมเดลเข้ากับงานประจำวัน

DeepSeek แนะนำให้ใช้ Harness v0.2.1-rc.1 หรือใหม่กว่าสำหรับโมเดลที่อัปเดต อักษร rc หมายถึง release candidate หรือรุ่นเตรียมทดสอบก่อนเปิดตัวฉบับสมบูรณ์ โมเดลได้รับการปรับแต่งโดยเฉพาะสำหรับ DeepSeek Harness, Tencent CodeBuddy, WorkBuddy และเฟรมเวิร์กอื่น ๆ

Harness รุ่นนี้เพิ่มวิธีค้นหาปลั๊กอินจากดัชนีที่กำหนดเอง และให้เอเจนต์สร้างปลั๊กอินได้ นอกจากนี้ยังปรับปรุงการจัดการส่วนประกอบที่ต้องพึ่งพากันเมื่อเปิด ปิด อัปเดต หรือนำปลั๊กอินออก การเปลี่ยนแปลงปลั๊กอินบางอย่างมีผลได้ทันที ส่วนการเปลี่ยนแปลงอื่นต้องเริ่มระบบใหม่

นักพัฒนาสามารถอ่านและเปลี่ยนไดเรกทอรีทำงานของเซสชันผ่านชุดพัฒนาซอฟต์แวร์ TypeScript และ Python ได้ ส่วนฟีเจอร์อื่นที่เพิ่มเข้ามา ได้แก่ เครื่องมือทดลองสำหรับตรวจสอบเซสชัน การรองรับไดเรกทอรีทำงาน Git แยกกัน และการปกปิดคีย์กับโทเคนที่พบในข้อความขาออกโดยอัตโนมัติ

รุ่นนี้ยังสานต่อการพัฒนา สะพานเชื่อม Claude Code Mods ซึ่งผ่านการทดสอบใน Harness รุ่นอัลฟาก่อนหน้า งานก่อนหน้านั้นมีตัวอย่างที่เรียกใช้ได้สามรายการ และอีกสี่รายการถูกจำกัดด้วยอินเทอร์เฟซหรือความสามารถด้านการแสดงผลที่ยังขาดอยู่ ชั้นความเข้ากันได้นี้ยังอยู่ในขั้นทดลอง โดยมีเป้าหมายที่ระบุไว้เพื่อทดสอบว่าความสามารถส่วนขยายของ Claude Code เข้ากับปลั๊กอินใน Harness ได้อย่างไร

ผู้ใช้ Harness ครั้งแรกยังได้รับเครดิตโปรโมชัน 6 หยวนโดยไม่ต้องชำระเงินล่วงหน้า เครดิตหมดอายุเจ็ดวันหลังได้รับ และมีให้จนกว่าสิทธิ์จะหมด ระยะเวลาใช้งานที่สั้นทำให้เครดิตนี้เป็นวงเงินทดลองใช้ระยะสั้นสำหรับผู้ใช้ใหม่

น้ำหนักโมเดลแบบเปิดและทางเลือกในการติดตั้งใช้งาน

ประกาศอย่างเป็นทางการของ DeepSeek ยืนยันว่า V4.1-Flash-1017 เปิดให้ใช้งานผ่าน Hugging Face และ ModelScope การเปิดตัวนี้ยังคงใช้สัญญาอนุญาต MIT เช่นเดียวกับ V4.1 Flash รุ่นก่อน ซึ่งอนุญาตให้นำไปใช้ต่อได้อย่างกว้างขวางภายใต้เงื่อนไขของสัญญาอนุญาต นักพัฒนาจึงเลือกได้ว่าจะใช้บริการโฮสต์หรือเดินระบบโมเดลเอง

V4.1 Flash รับข้อมูลทั้งข้อความและภาพ และสร้างผลลัพธ์เป็นข้อความ สถาปัตยกรรมใช้โครงข่ายผู้เชี่ยวชาญแบบผสม ซึ่งหมายถึงการเปิดใช้ส่วนที่เลือกของโมเดลในแต่ละขั้นตอนประมวลผล แทนการให้โมเดลทั้งระบบทำงานกับทุกโทเคน ข้อมูลสถาปัตยกรรมระบุว่าโมเดลหลักมีพารามิเตอร์ 552,000 ล้านตัว โดยมี 8,000 ล้านตัวทำงานระหว่างประมวลผลข้อมูลขาเข้า และ 16,000 ล้านตัวทำงานระหว่างสร้างผลลัพธ์ขาออก

หน้าต่างบริบทประมาณหนึ่งล้านโทเคนช่วยให้โมเดลทำงานกับข้อมูลจำนวนมากได้ในหนึ่งเซสชัน สำหรับเอเจนต์เขียนโค้ด ข้อมูลดังกล่าวอาจประกอบด้วยคำสั่ง ไฟล์ซอร์ส บทสนทนาก่อนหน้า และผลลัพธ์จากเครื่องมือ หน้าต่างบริบทกำหนดปริมาณข้อมูลที่โมเดลพิจารณาได้ ส่วนขีดจำกัดผลลัพธ์กำหนดปริมาณที่โมเดลสร้างได้ในคำตอบหนึ่งครั้ง

ข้อมูลจำเพาะของการติดตั้งใช้งานผ่านบริการโฮสต์อาจแตกต่างกัน แหล่งข้อมูล API ของบุคคลที่สามระบุหน้าต่างบริบท 1,048,576 โทเคน และความยาวผลลัพธ์สูงสุด 131,072 โทเคน พร้อมรองรับการเรียกใช้ฟังก์ชันและผลลัพธ์แบบมีโครงสร้างที่กำหนดด้วย JSON schema การเรียกใช้ฟังก์ชันช่วยให้โมเดลร้องขอเครื่องมือภายนอก ส่วนผลลัพธ์แบบมีโครงสร้างช่วยให้แอปพลิเคชันประมวลผลข้อมูลได้ในรูปแบบที่คาดการณ์ได้

แหล่งข้อมูลเดียวกันยังรองรับการกำหนดเส้นทางผ่าน inference.net, DeepInfra และ DeepSeek โดยส่งคำขอไปยังผู้ให้บริการรายอื่นเมื่อรายหนึ่งเกิดข้อผิดพลาด สำหรับนักพัฒนา ทางเลือกในขณะนี้ครอบคลุมการเข้าถึงโมเดล การกำหนดเส้นทางผู้ให้บริการ และบริการค้นหาแยกต่างหาก ซึ่งแต่ละส่วนมีการตั้งค่าในการดำเนินงานและค่าใช้จ่ายของตนเอง

วันที่สำคัญของการเปิดให้ใช้งาน

การเปิดตัวในเดือนตุลาคมของ DeepSeek รวมการอัปเดตโมเดล รุ่นเตรียมทดสอบของ Harness และการเปิดโครงสร้างพื้นฐานค้นหาให้สาธารณะเข้าถึงได้ ก่อนหน้านี้ในวันที่ 17 ตุลาคม ระบบติดตาม API อัตโนมัติพบรายการโมเดลที่มีรหัสต่อท้าย 1017 ซึ่งหายไปในเวลาต่อมา ประกาศภายหลังของ DeepSeek ยืนยันการเปิดตัวและการเปลี่ยนแปลงบนเว็บไซต์ แอป และ API

ลำดับเหตุการณ์นี้เปิดโอกาสให้นักพัฒนามีเวลาสั้น ๆ ในการอัปเดตเครื่องมือและตรวจสอบการใช้บริการค้นหาก่อนสิ้นสุดช่วงใช้ฟรีชั่วคราว:

• 10 กันยายน 2026: DeepSeek เปิดตัวโมเดล V4.1 Flash รุ่นแรก
• 3 ตุลาคม 2026: Harness v0.2.1-alpha.1 เพิ่มสะพานเชื่อม Claude Code Mods รุ่นทดลอง
• 17 ตุลาคม 2026: V4.1-Flash-1017 เปิดให้ใช้งานบนเว็บไซต์ แอป และ API; Search และ Fetch เปิดให้นักพัฒนาใช้ และมี Harness รุ่นเตรียมทดสอบที่อัปเดตแล้ว
• 31 ตุลาคม 2026 เวลา 16:00 UTC: เริ่มคิดค่าบริการสำหรับการเรียกใช้ Search และ Fetch ที่เข้าเกณฑ์ผ่านเครื่องมือฝั่งเซิร์ฟเวอร์ ซึ่งตรงกับเที่ยงคืนวันที่ 1 พฤศจิกายนตามเวลาในกรุงปักกิ่ง

นักพัฒนาที่ใช้ deepseek-flash อยู่แล้วจะได้รับโมเดลที่อัปเดตผ่านชื่อเดิม ส่วนผู้ใช้ Harness ได้รับคำแนะนำให้อัปเดตแอปพลิเคชันที่ทำงานร่วมกันด้วย การเปลี่ยนแปลงในทางปฏิบัติคือขั้นตอนการทำงานที่เชื่อมโยงกันมากขึ้น ได้แก่ โมเดลที่ฝึกมาสำหรับโครงการระยะยาว เครื่องมือที่ช่วยดำเนินงาน และบริการค้นหาที่จะเริ่มมีค่าบริการแยกต่างหากในเร็ว ๆ นี้

ประเด็นสำคัญ

• DeepSeek เปิดตัว V4.1-Flash-1017 เมื่อวันที่ 17 ตุลาคม 2026 บนเว็บไซต์ แอป และ API
• ยังคงเข้าถึงโมเดลได้ผ่านชื่อ deepseek-flash โดยวิธีเรียกใช้ Model API และราคาเดิมไม่เปลี่ยนแปลง
• DeepSeek รายงานคะแนน DeepSWE v1.1 ที่ 77.0 เพิ่มจาก 74.2 พร้อมระบุว่างานเสร็จเร็วขึ้นและผลลัพธ์สั้นลง
• ตัวอย่างโครงการมีทั้งการสร้างโมเดลพระราชวังต้องห้าม เกมแข่งรถบนเบราว์เซอร์ การสร้าง Portal 2 ขึ้นใหม่ และ Valley of Ages
• Search และ Fetch คิดค่าบริการรายการละ 0.75 ดอลลาร์ หรือ 5 หยวนตามราคาจีน ต่อการเรียกใช้สำเร็จ 1,000 ครั้ง
• การคิดค่าบริการสำหรับการเรียกใช้ที่เข้าเกณฑ์ผ่านเครื่องมือฝั่งเซิร์ฟเวอร์เริ่มวันที่ 1 พฤศจิกายนเวลาเที่ยงคืนตามเวลาในกรุงปักกิ่ง
• DeepSeek แนะนำ Harness v0.2.1-rc.1 หรือใหม่กว่า และเผยแพร่น้ำหนักโมเดลผ่าน Hugging Face และ ModelScope