DeepSeek เปิดตัว DeepSeek-V4-Flash-0731 อัปเกรดประสิทธิภาพ Agentic และงานโค้ดแบบก้าวกระโดด
DeepSeek ประกาศเผยแพร่ DeepSeek-V4-Flash-0731 บนแพลตฟอร์ม Hugging Face พร้อมย้าย V4-Flash API เข้าสู่ช่วง Public Beta อย่างเป็นทางการเมื่อวันที่ 31 กรกฎาคม 2026 โดยระบุว่านี่คือเวอร์ชันเสถียรที่เข้ามาแทนที่ตัว Preview เดิม ซึ่งยังคงใช้สถาปัตยกรรมและขนาดโมเดลเท่าเดิม แต่ได้ประสิทธิภาพที่เพิ่มขึ้นจากการทำ Re-post-training ใหม่ทั้งหมด
ตัว Checkpoint นี้มาพร้อมกับโมดูล DSpark Speculative Decoding ในตัว ซึ่งสอดคล้องกับโครงสร้างของ DeepSeek-V4-Flash-DSpark โดยทาง Hugging Face รายงานว่ามีพารามิเตอร์รวม 304B สำหรับ Repository นี้ ซึ่งเป็นการรวมโมดูล Draft เข้ากับฐานพารามิเตอร์หลักขนาด 284B
ในส่วนของ API นั้น deepseek-v4-flash รองรับรูปแบบ Responses API แบบ Native และได้รับการปรับแต่งมาเป็นพิเศษสำหรับ Codex ขณะที่ V4-Pro API รวมถึงแอปพลิเคชันบนเว็บยังไม่มีการอัปเดตในรอบนี้
สามารถนำไปใช้งานจริงได้หรือไม่?
คำตอบคือ ได้ แต่มีรูปแบบการใช้งานที่แตกต่างกันชัดเจน 2 ทาง:
การใช้งานผ่าน API: ถือเป็นทางเลือกที่ทุกคนเข้าถึงได้ง่าย โดย หน้าการตั้งราคาของ DeepSeek ระบุราคาของ deepseek-v4-flash ไว้ที่เพียง $0.14 ต่อ 1 ล้าน Input Tokens (กรณี Cache Miss) และ $0.28 ต่อ 1 ล้าน Output Tokens ซึ่งถูกกว่ารุ่น deepseek-v4-pro ถึงสามเท่า ช่วยให้นักพัฒนาอิสระและสตาร์ทอัพสามารถรัน Agent Loops ได้ในราคาประหยัด
การโฮสต์ใช้งานเอง (Self-hosting): มีเกณฑ์ความต้องการด้านฮาร์ดแวร์ที่สูงกว่ามาก แม้จะใช้สัญญาอนุญาตแบบ MIT ที่เปิดกว้าง แต่เนื่องจาก Experts ทุกตัวจะค้างอยู่ในหน่วยความจำตลอดเวลา ทำให้ต้องการ VRAM/RAM รวมกันสูงถึง 110 GB สำหรับการรันแบบ 3-bit การใช้งานลักษณะนี้จึงเหมาะกับองค์กรขนาดใหญ่ที่มีคลัสเตอร์ GPU หรือเวิร์กสเตชันสเปกสูงเท่านั้น
สถาปัตยกรรมทางเทคนิค
อ้างอิงตาม รายงานทางเทคนิคของ DeepSeek-V4 รุ่น V4-Flash เป็นโมเดล Mixture-of-Experts (MoE) ขนาด 284B พารามิเตอร์ โดยจะมีการเปิดใช้งานจริงเพียง 13B ต่อ Token และรองรับ Context Window สูงถึง 1 ล้าน Token
โมเดลนี้ใช้กลไก Attention แบบไฮบริดที่รวมเอา Compressed Sparse Attention (CSA) และ Heavily Compressed Attention (HCA) เข้าด้วยกัน พร้อมใช้ Manifold-Constrained Hyper-Connections (mHC) แทนการเชื่อมต่อแบบเดิม การฝึกฝนขั้น Pre-training ใช้โทเค็นมากกว่า 32T และปรับแต่งด้วย Muon Optimizer เพื่อประสิทธิภาพสูงสุด
ผลการทดสอบประสิทธิภาพ (Benchmarks)
ข้อมูลอ้างอิงจาก DeepSeek สำหรับโมเดลเวอร์ชัน 0731:
| Benchmark | V4-Flash-0731 | V4-Flash (Preview) | V4-Pro (Preview) | GLM-5.2 | Opus-4.8 |
|---|---|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 61.8 | 72.1 | 81.0 | 85.0 |
| NL2Repo | 54.2 | 39.4 | 38.5 | 48.9 | 69.7 |
| Cybergym | 76.7 | 38.7 | 52.7 | — | 83.1 |
| DeepSWE | 54.4 | 7.3 | 12.8 | 46.2 | 58.0 |
| Toolathlon-Verified | 70.3 | 49.7 | 55.9 | 59.9 | 76.2 |
| Agents’ Last Exam | 25.2 | 15.8 | 16.5 | 23.8 | 25.7 |
| AutomationBench Public | 25.1 | 10.8 | 12.8 | 12.9 | 27.2 |
ประเด็นสำคัญคือผลทดสอบด้าน Code Agent ถูกรันผ่าน DeepSeek Harness โหมด Minimal ซึ่งยังไม่เปิดให้ใช้งานทั่วไป และคะแนนเหล่านี้อาจเปลี่ยนแปลงได้ตามสภาพแวดล้อมการทดสอบที่แตกต่างกัน
การให้บริการ (Serving)
ผู้ใช้งานสามารถเปิดทำงาน DSpark ผ่าน vLLM ได้ด้วยคำสั่งเพียงบรรทัดเดียว:
--speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}'จาก งานวิจัย DSpark พบว่าวิธีนี้ช่วยเพิ่มความเร็วในการสร้างข้อความได้ถึง 60–85% เมื่อเทียบกับค่ามาตรฐาน
สำหรับการตั้งค่า DeepSeek แนะนำให้ใช้ temperature = 1.0 และ top_p = 0.95 สำหรับงานด้าน Agentic โดยโมเดลรองรับการปรับระดับ reasoning_effort ได้ 3 ระดับ (Low, High, Max) และสามารถส่ง Output ได้สูงสุดถึง 384K Tokens ในระดับสูงสุด
บทสรุปของ DeepSeek-V4-Flash
- ประสิทธิภาพที่ก้าวกระโดดมาจากกระบวนการ Post-training โดยใช้โครงสร้าง 284B/13B เดิม
- ทำคะแนนชนะ V4-Pro (Preview) ในทุกการทดสอบด้าน Agentic แต่มีต้นทุนถูกกว่าถึง 3 เท่า
- สัญญาอนุญาตแบบ MIT ช่วยให้ธุรกิจนำไปปรับใช้เชิงพาณิชย์แบบ On-premise ได้ทันที
- การโฮสต์เองต้องใช้ทรัพยากรสูง (RAM ~110 GB สำหรับ 3-bit) จึงควรพิจารณาความพร้อมของฮาร์ดแวร์ก่อนใช้งาน
ความคิดเห็น (0)
เข้าสู่ระบบเพื่อร่วมแสดงความเห็น
สมัครสมาชิกมาเป็นคนแรกที่แสดงความเห็นกันเลยโบร