DeepSeek V4 ทำไมไม่ว้าว แต่ยังน่าจับตา

ความต่างนี้สำคัญมาก เพราะ V4 preview น่าสนใจในเชิงสถาปัตยกรรม ประสิทธิภาพ และศักยภาพของบริบทยาว ขณะที่ V4 Pro ถูกจับตาในเชิงคะแนน อันดับ และการตัดสินใจว่าจะนำไปใช้หรือไม่

ทำไมหลายคนรู้สึกว่า “ไม่ว้าว”

Reuters รายงานว่าปฏิกิริยาตลาดต่อโมเดล preview รุ่นใหม่ของ DeepSeek ค่อนข้างนิ่งกว่าที่หลายคนคาด Lian Jye Su หัวหน้านักวิเคราะห์ของ Omdia อธิบายว่าการเปิดตัวครั้งนี้เดินไปตามเส้นทางที่ “ค่อนข้างคาดเดาได้” เพราะความก้าวหน้าเรื่องสถาปัตยกรรมโมเดลและประสิทธิภาพเป็นสิ่งที่ทั้งภาคอุตสาหกรรมและวงวิชาการสำรวจอย่างกว้างขวางอยู่แล้ว

พูดง่าย ๆ คือ V4 ไม่ได้เดินบนเส้นทางที่ไม่มีใครเคยเห็นมาก่อน แต่เป็นการผลักดันต่อในสนามที่ทุกคนกำลังวิ่งเร็วอยู่แล้ว Reuters ยังระบุว่าคู่แข่งอย่าง Kimi และ Qwen กำลังลดช่องว่างลง ทำให้ DeepSeek สร้างภาพความเป็นผู้นำแบบขาดลอยจากการเปิดตัวครั้งเดียวได้ยากขึ้น

นี่จึงไม่ใช่เรื่องของ “ไม่มีพัฒนา” แต่เป็นเรื่องของตลาดที่โตขึ้น แออัดขึ้น และตื่นเต้นยากขึ้น

คะแนน V4 Pro: ดีขึ้นจริง แต่ยังไม่ขึ้นหัวตาราง

ด้าน benchmark มีข้อมูลที่ช่วยให้ภาพชัดขึ้น Reuters อ้าง Artificial Analysis ว่า DeepSeek-V4 Pro ดีขึ้นจากรุ่นก่อนอย่างมีนัยสำคัญ แต่โดยรวมยังอยู่ในกลุ่มโมเดลแบบเปิดน้ำหนักชั้นนำ มากกว่าจะเป็นรุ่นที่แซงคู่แข่งอย่างชัดเจน

SCMP อ้างคะแนนจาก Artificial Analysis Intelligence Index โดยระบุว่า V4 Pro ได้ 52 คะแนน สูงกว่า V3.2 รุ่นก่อนหน้า แต่ต่ำกว่า Kimi K2.6 ที่ได้ 54 คะแนน ขณะที่โมเดลปิดจากสหรัฐฯ ที่รายงานเดียวกันยกมา ได้แก่ OpenAI GPT-5.5 ได้ 60 คะแนน ส่วน Anthropic Claude Opus และ Google Gemini 3.1 Pro ได้ 57 คะแนนเท่ากัน

นี่คือเหตุผลที่เสียงประเมินแตกเป็นสองทาง หากคาดหวังว่า DeepSeek V4 Pro จะเปิดตัวแล้วขึ้นอันดับหนึ่งทันที คำตอบคือยังไม่ถึงจุดนั้น แต่ถ้าดูว่า DeepSeek ยังรักษาตำแหน่งในกลุ่มนำของโมเดลแบบเปิดน้ำหนักได้หรือไม่ คำตอบคือยังควรถูกนำไปประเมินอย่างจริงจัง

จุดที่น่าดูกว่าเสียงฮือฮา: ประสิทธิภาพและบริบทยาว

จุดเน้นของ MIT Technology Review ต่อ V4 preview ไม่ใช่การขึ้นอันดับในตารางคะแนน แต่คือประสิทธิภาพและความสามารถในการรองรับบริบทที่ยาวขึ้น รายงานระบุว่า V4 preview มีประสิทธิภาพกว่ารุ่นก่อน และรับพรอมป์ได้ยาวกว่า เพราะการออกแบบใหม่ช่วยให้จัดการข้อความจำนวนมากได้ดีขึ้น

สำหรับคนทำผลิตภัณฑ์ AI ประเด็นนี้อาจสำคัญกว่าการชนะ benchmark บางรายการด้วยซ้ำ เพราะงานจริงจำนวนมากไม่ได้มีแค่คำถามสั้น ๆ แต่เกี่ยวข้องกับเอกสารยาว ฐานความรู้ขององค์กร โค้ดทั้ง repository งานวิจัยหลายไฟล์ หรือสัญญาที่ต้องอ่านแบบไม่หลุดบริบท

อย่างไรก็ตาม คำว่า “ประสิทธิภาพดีขึ้น” จะมีความหมายต่อธุรกิจจริงก็ต่อเมื่อแปลงออกมาเป็นตัวชี้วัดที่จับต้องได้ เช่น latency ที่ลดลง throughput ที่สูงขึ้น ต้นทุนต่อคำตอบที่ต่ำลง จำนวนผู้ใช้พร้อมกันที่รองรับได้มากขึ้น หรือข้อจำกัดในการ deploy ที่ผ่อนคลายลง

บริบทใหญ่: AI จีน ชิป และข้อจำกัดด้านกำลังประมวลผล

ความหมายของ V4 ไม่ได้หยุดอยู่ที่ตัวโมเดล MIT Technology Review มองว่าการเปิดตัว V4 เป็นผลบวกต่อผู้ผลิตชิปจีน ซึ่งสะท้อนว่าภายนอกไม่ได้มองโมเดลนี้แค่ในฐานะซอฟต์แวร์ AI แต่เชื่อมโยงกับโครงสร้างพื้นฐานและห่วงโซ่อุปทานด้านฮาร์ดแวร์ด้วย

ในอีกด้าน SCMP ระบุว่าคะแนนของ V4 Pro สะท้อนความท้าทายที่ DeepSeek และอุตสาหกรรม AI จีนเผชิญในการไล่ตามสหรัฐฯ ทั้งการแข่งขันที่รุนแรงขึ้นในประเทศและต่างประเทศ รวมถึงข้อจำกัดด้านกำลังประมวลผลที่ยังมีอยู่

ดังนั้น V4 ไม่ได้พิสูจน์ว่า DeepSeek แซงโมเดลปิดระดับบนของสหรัฐฯ ไปแล้ว แต่แสดงให้เห็นว่า DeepSeek ยังเดินหน้าปรับปรุงประสิทธิภาพ ความสามารถ และความพร้อมใช้งานของโมเดล ภายใต้สนามแข่งขันที่ยากขึ้นและทรัพยากรประมวลผลที่ไม่ไร้ขีดจำกัด

ถ้าจะลองใช้ DeepSeek V4 ควรทดสอบอะไร

การดูคะแนนรวมอย่างเดียวหรือดูว่าตลาดตื่นเต้นแค่ไหน ยังไม่พอสำหรับการตัดสินใจนำโมเดลไปใช้จริง สิ่งที่ควรประเมินมีอย่างน้อย 5 ข้อ

• ทดสอบกับงานของตัวเองก่อน คะแนนสาธารณะบอกว่า V4 Pro ดีขึ้น แต่ยังไม่ได้ชนะ Kimi หรือโมเดลปิดชั้นนำแบบครอบคลุมทุกมิติ ทีมผลิตภัณฑ์จึงควรใช้ข้อมูลจริง prompt จริง และเกณฑ์ให้คะแนนของตัวเองในการเปรียบเทียบ
• วัดบริบทยาวแบบใช้งานจริง V4 preview ถูกรายงานว่ารับพรอมป์ได้ยาวขึ้น แต่การใช้งานกับเอกสารยาว โค้ดจำนวนมาก หรือฐานความรู้องค์กร ยังต้องทดสอบเรื่องความแม่น ความครบ และความเสถียรด้วยข้อมูลจริง
• เทียบกับ Kimi, Qwen และโมเดลปิดในชุดทดสอบเดียวกัน Reuters ระบุว่า Kimi และ Qwen กำลังลดช่องว่างลง ขณะที่คะแนนที่ SCMP รายงานยังชี้ว่าโมเดลปิดบางรุ่นนำหน้า V4 Pro ในดัชนีดังกล่าว
• แปลงประสิทธิภาพเป็นตัวเลขผลิตภัณฑ์ ถ้าความมีประสิทธิภาพของ V4 preview ไม่สะท้อนออกมาเป็น latency, throughput, ต้นทุน, concurrency หรือข้อจำกัดในการ deploy ที่ดีขึ้น ก็อาจยังไม่กลายเป็นข้อได้เปรียบทางผลิตภัณฑ์
• ประเมินคุณค่าของโมเดลแบบเปิดน้ำหนักให้ชัด Reuters จัด V4 Pro อยู่ในกลุ่มโมเดลแบบเปิดน้ำหนักชั้นนำ หากองค์กรให้ความสำคัญกับการควบคุมโมเดล การผสานเข้าระบบ และความยืดหยุ่นในการใช้งาน ก็ควรชั่งน้ำหนักสิ่งเหล่านี้ควบคู่กับช่องว่างด้านประสิทธิภาพ

สรุป: ไม่ใช่จุดเปลี่ยนยุค แต่เป็นสัญญาณว่างานวิศวกรรมยังเดินหน้า

DeepSeek V4 ไม่ว้าว เพราะความคาดหวังของตลาดสูงขึ้นมาก แนวทางการเพิ่มประสิทธิภาพและปรับสถาปัตยกรรมกลายเป็นเรื่องที่คาดเดาได้มากขึ้น และคู่แข่งอย่าง Kimi, Qwen รวมถึงโมเดลปิดชั้นนำทำให้สนามแข่งขันแน่นกว่าเดิม

แต่ V4 ยังน่าจับตา เพราะ V4 preview มีประเด็นเรื่องประสิทธิภาพและบริบทยาว ส่วน V4 Pro แสดงการปรับปรุงจากรุ่นก่อน และภาพรวมยังสะท้อนว่า DeepSeek เดินหน้าต่อในสภาพแวดล้อมที่มีทั้งการแข่งขันสูงและข้อจำกัดด้านกำลังประมวลผล

พูดให้สั้นที่สุด DeepSeek V4 อาจไม่ใช่การพลิกกระดาน AI ในชั่วข้ามคืน แต่เป็นสัญญาณของความสุกงอมทางวิศวกรรม และสำหรับคนที่ต้องนำ AI ไปใส่ในผลิตภัณฑ์จริง ความเสถียร ความคุ้มค่า และความ deploy ได้จริง มักมีค่ามากกว่าเสียงฮือฮาช่วงเปิดตัว