DeepSeek V4-Flash-Vision-Exp จุดชนวนสงคราม “ความคุ้มค่าต่อประสิทธิภาพ” ครั้งใหม่

DeepSeek V4-Flash-Vision-Exp อาจมีความสำคัญในฐานะ “สัญญาณด้านราคา” มากกว่าหลักฐานว่า DeepSeek ก้าวขึ้นเป็นผู้นำด้านความสามารถอย่างถาวร

โมเดลทดลองรุ่นนี้นำความเข้าใจภาพมาเพิ่มให้กับสถาปัตยกรรม V4-Flash โดย DeepSeek ระบุว่ายังคงความสามารถด้านการให้เหตุผล งานแบบเอเจนต์ และความรู้ทั่วไปของโมเดลข้อความไว้ พร้อมยกระดับประสิทธิภาพของมัลติโมดัลเอเจนต์ให้เข้าใกล้ Claude Opus 4.8 ของ Anthropic ภาพแต่ละภาพใช้โทเคนอินพุตไม่เกิน 384 โทเคน และคิดค่าบริการตามเรตราคา V4-Flash 64

หากประสิทธิภาพดังกล่าวยืนยันได้จากการทดสอบอิสระ และโมเดลทำงานได้เสถียรในระบบจริง การเพิ่มความสามารถด้านภาพโดยไม่คิดค่าพรีเมียมอาจทำให้ต้นทุนการใช้งาน AI แบบมองเห็นและลงมือทำลดลงอย่างมีนัยสำคัญ แต่ในวันเปิดตัว คะแนนเบนช์มาร์กเพียงอย่างเดียวยังตอบไม่ได้ว่าโมเดลนี้พร้อมสำหรับการใช้งานระดับองค์กรหรือไม่

ประเด็นสำคัญอาจไม่ใช่ชื่อรุ่น แต่คือราคา

ความสามารถด้านภาพมักถูกวางไว้ในกลุ่มบริการพรีเมียม เพราะแอปพลิเคชันที่ประมวลผลภาพจำนวนมากต้องใช้ทรัพยากรและการคำนวณเพิ่มเติม DeepSeek เลือกแนวทางต่างออกไป ด้วยการนำอินพุตภาพมาอยู่ในระดับ Flash แทนการสร้างราคาเฉพาะสำหรับโมเดลวิชัน

เรตราคาที่มีการรายงานสำหรับ V4-Flash-Vision-Exp อยู่ที่ 0.22 ดอลลาร์ต่อโทเคนอินพุต 1 ล้านโทเคนที่ไม่อยู่ในแคช และ 0.66 ดอลลาร์ต่อโทเคนเอาต์พุต 1 ล้านโทเคนในช่วงนอกพีก ส่วนช่วงพีกเพิ่มเป็น 0.44 และ 1.32 ดอลลาร์ตามลำดับ ขณะที่อินพุตที่เรียกใช้จากแคชมีราคาต่ำกว่า 51

ต้นทุนลักษณะนี้มีความหมายอย่างมากกับงานที่ต้องอ่านภาพหน้าจอ แบบฟอร์ม แดชบอร์ด ใบเสร็จ แผนผังทางเทคนิค หรืออินเทอร์เฟซของเบราว์เซอร์ซ้ำ ๆ หากโมเดลทำงานเหล่านี้ได้ดีพอ นักพัฒนาอาจเพิ่มจำนวนการตรวจสอบ การลองใหม่ และขั้นตอนการทำงานของเอเจนต์ได้ภายในงบประมาณเท่าเดิม

อย่างไรก็ตาม เพดาน 384 โทเคนต่อภาพคือข้อจำกัดที่ไม่ควรมองข้าม แม้จะช่วยให้ต้นทุนต่ำ แต่โควตาคงที่อาจจำกัดผลลัพธ์ในงานที่ต้องอ่านรายละเอียดเล็กมาก ตัวอักษรหนาแน่น หรือความสัมพันธ์เชิงตำแหน่งที่แม่นยำ ภาพที่มีราคาถูกจึงไม่ได้แปลว่าจะให้ความเข้าใจภาพคุณภาพสูงกับทุกประเภทงาน 53

DeepSeek อ้างอะไร และเบนช์มาร์กพิสูจน์ได้แค่ไหน

DeepSeek ระบุว่าโมเดลใหม่นี้พัฒนาขึ้นอย่างมากจาก V4-Flash รุ่นข้อความในการประเมินมัลติโมดัลเอเจนต์ และมีผลลัพธ์ใกล้เคียง Opus 4.8 แต่ตัวเลขที่เผยแพร่สะท้อนภาพแบบผสม ไม่ใช่ชัยชนะเหนือคู่แข่งในทุกด้าน

ใน ApexBench Pass@1 โมเดลของ DeepSeek ได้ 36.5 คะแนน เทียบกับ 39.4 ของ Opus 4.8 ขณะที่ Agents’ Last Exam อยู่ที่ 27.3 ต่อ 25.7 และ ZeroBench อยู่ที่ 35.0 ต่อ 34.0 58

ผลลัพธ์เหล่านี้น่าสนใจ แต่การทำคะแนนใกล้เคียงกันไม่ได้หมายความว่าใช้งานจริงได้เทียบเท่ากัน ผู้ซื้อและนักพัฒนาควรทดสอบเพิ่มเติมในประเด็นต่อไปนี้

• อัตราการทำงานสำเร็จเมื่อรันภารกิจเดิมซ้ำหลายครั้ง
• ความแม่นยำกับเอกสารที่มีรายละเอียดหนาแน่นและตัวอักษรขนาดเล็ก
• การเลือกใช้เครื่องมือและการกู้คืนจากข้อผิดพลาด
• เวลาแฝง ความพร้อมใช้งาน และข้อจำกัดด้านอัตราการเรียกใช้
• ประสิทธิภาพกับภาพที่กำกวม หรือออกแบบมาเพื่อทดสอบจุดอ่อนของโมเดล
• การจัดการข้อมูล ความพร้อมใช้งานในแต่ละภูมิภาค และเครื่องมือควบคุมสำหรับองค์กร

การทดสอบที่ทำซ้ำได้และดำเนินการโดยหน่วยงานอิสระจึงเป็นหลักฐานชิ้นต่อไปที่สำคัญที่สุด จนกว่าจะมีข้อมูลดังกล่าว ข้อสรุปที่รอบคอบที่สุดคือ DeepSeek เปิดตัวคู่แข่งต้นทุนต่ำที่น่าเชื่อถือ แต่ยังไม่ใช่หลักฐานว่าเอาชนะแนวหน้าของอุตสาหกรรมได้อย่างเด็ดขาด

แรงกดดันต่อ Anthropic, OpenAI และ Google

หาก V4-Flash-Vision-Exp ทำงานได้เสถียรนอกเหนือจากการประเมินของ DeepSeek โมเดลนี้อาจลดความสามารถของ Anthropic, OpenAI และ Google ในการเรียกเก็บค่าพรีเมียมจากความสามารถด้านการให้เหตุผลทั่วไปหรือความเข้าใจภาพเพียงอย่างเดียว

แรงกดดันจะชัดเจนที่สุดในงานปริมาณมากและอ่อนไหวต่อต้นทุน ซึ่งต้องการเพียงโมเดลที่ “ดีพอ” สำหรับงานประจำ เช่น การอ่านเอกสารจำนวนมาก การตีความภาพหน้าจอ หรือขั้นตอนอัตโนมัติทั่วไป

ผู้ให้บริการโมเดลระดับพรีเมียมยังมีแนวทางปกป้องธุรกิจหลายด้าน ได้แก่

• ความน่าเชื่อถือในเวิร์กโฟลว์ระยะยาวและงานที่มีความสำคัญสูง
• ระบบนิเวศเครื่องมือ ความปลอดภัย การกำกับดูแล การสนับสนุน และการเชื่อมต่อกับคลาวด์
• การกระจายผลิตภัณฑ์ผ่านบริการอย่าง Claude, ChatGPT, Gemini และแพลตฟอร์มนักพัฒนา

โมเดลที่ถูกกว่าหรือทำคะแนนดีกว่าในเบนช์มาร์กเฉพาะทางอาจยังแพ้ในการติดตั้งระดับองค์กร หากสร้างข้อผิดพลาดมากกว่า ต้องมีคนคอยตรวจสอบเพิ่ม หรือไม่มีระบบควบคุมที่จำเป็น

ตลาดจึงมีแนวโน้มแบ่งเป็นสองชั้นมากขึ้น

• โมเดลมัลติโมดัลต้นทุนต่ำ สำหรับการประมวลผลเอกสารจำนวนมาก การอ่านภาพหน้าจอ งานลูกค้า และงานเอเจนต์ทั่วไป
• โมเดลแนวหน้าระดับพรีเมียม สำหรับการให้เหตุผลที่ซับซ้อน การเขียนโค้ด งานที่ต้องการความแม่นยำสูง การปฏิบัติตามข้อกำกับ และกรณีที่ความผิดพลาดเพียงครั้งเดียวมีต้นทุนสูงกว่าค่า API ที่ประหยัดได้

ความเสี่ยงต่อผู้ให้บริการระดับพรีเมียมจึงอาจไม่ใช่ความต้องการที่ลดลงทันที แต่เป็นความเต็มใจของลูกค้าที่จะจ่ายแพงสำหรับความสามารถที่แยกไม่ออกจากคู่แข่ง ลูกค้าองค์กรอาจใช้หลายโมเดลพร้อมกัน ส่งงานภาพทั่วไปไปยังระบบราคาถูก และเก็บโมเดลพรีเมียมไว้สำหรับงานที่ต้องการคุณภาพสูงสุด

การขึ้นราคาของ DeepSeek เองทำให้เรื่อง “แข่งกันไปศูนย์” ซับซ้อนขึ้น

DeepSeek ไม่ได้ลดราคาผลิตภัณฑ์ทุกกลุ่มลงอย่างต่อเนื่อง ในเดือนสิงหาคม บริษัทเปิดตัวการคิดราคาแบบช่วงพีกและนอกพีกสำหรับ V4-Pro และ V4-Flash โดยเรตราคาที่รายงานเพิ่มขึ้นตั้งแต่ 50% ถึง 1,100% ขึ้นอยู่กับโมเดล ประเภทโทเคน และช่วงเวลาที่ใช้งาน 17

การเคลื่อนไหวนี้บ่งชี้ว่า DeepSeek กำลังบริหารทั้งกำลังการประมวลผลและความต้องการของตลาด ไม่ได้มุ่งตัดราคาคู่แข่งอย่างเดียว บริษัทอาจใช้ Flash Vision เป็นช่องทางดึงผู้ใช้ด้วยต้นทุนต่ำ ก่อนสร้างรายได้จากการให้เหตุผลระดับสูง ปริมาณการประมวลผลที่มากขึ้น หรือการใช้งานในช่วงที่ทรัพยากรตึงตัว

สำหรับนักพัฒนา ตัวเลขที่ควรดูจึงไม่ใช่ราคาโฆษณาที่ต่ำที่สุด แต่เป็นต้นทุนรวมที่เกิดขึ้นจริง งบประมาณควรรวมการใช้งานช่วงพีก โทเคนเอาต์พุต อัตราการเรียกใช้แคช จำนวนครั้งที่ต้องลองใหม่ เวลาแฝง และความล้มเหลวในการทำงาน โมเดลราคาถูกที่ต้องเรียกซ้ำหลายรอบอาจไม่ได้ประหยัดกว่าเมื่อใช้งานจริง

ความหมายต่อนักลงทุนที่มีความเสี่ยงต่อ Anthropic

การเปิดตัวของ DeepSeek เกิดขึ้นในช่วงที่ Anthropic ยังมีสัญญาณความต้องการแข็งแกร่ง Reuters รายงานว่ารายได้ต่อปีแบบคาดการณ์ของ Anthropic ทะลุ 65,000 ล้านดอลลาร์ ณ สิ้นเดือนกรกฎาคม เพิ่มจาก 47,000 ล้านดอลลาร์ในเดือนพฤษภาคม

คำว่า “รายได้ต่อปีแบบคาดการณ์” หรือ run rate คือการนำผลการดำเนินงานระยะสั้นล่าสุดมาคำนวณต่อเป็นตัวเลขรายปี ไม่ใช่รายได้ที่บันทึกไว้แล้วตลอดทั้งปี และไม่ใช่การรับประกันอัตรากำไรในอนาคต 33

ดังนั้น DeepSeek ไม่ได้ลบล้างสัญญาณการเติบโตของ Anthropic ในปัจจุบัน แต่สามารถท้าทายสมมติฐานเกี่ยวกับอำนาจในการตั้งราคาและผลตอบแทนจากโครงสร้างพื้นฐานในอนาคตได้ หากลูกค้าย้ายงานประจำไปยังโมเดลมัลติโมดัลที่ถูกกว่า Anthropic อาจต้องให้ส่วนลดเพิ่ม หรือใช้จ่ายมากขึ้นเพื่อรักษาส่วนแบ่งตลาด

Amazon: ได้ประโยชน์สองทาง แต่ก็มีความเสี่ยงกระจุกตัว

Amazon ตกลงลงทุนใน Anthropic เพิ่ม 5,000 ล้านดอลลาร์ทันที และอาจลงทุนเพิ่มอีกสูงสุด 20,000 ล้านดอลลาร์ตามเงื่อนไขความสำเร็จทางการค้า ขณะเดียวกัน Anthropic ให้คำมั่นว่าจะใช้เทคโนโลยีคลาวด์ของ Amazon มากกว่า 100,000 ล้านดอลลาร์ในช่วง 10 ปี 1

หากความต้องการ Claude ยังคงแข็งแกร่ง AWS จะได้ประโยชน์จากการใช้คลาวด์ของ Anthropic และ Amazon ยังมีโอกาสได้รับประโยชน์จากมูลค่าการลงทุนในบริษัทดังกล่าวด้วย แต่หากคู่แข่งต้นทุนต่ำลดอำนาจการตั้งราคาหรือการเติบโตด้านการใช้งานของ Anthropic ลงอย่างมีนัยสำคัญ การทำข้อตกลงขนาดใหญ่ก็อาจทำให้ตลาดตั้งคำถามถึงอัตราการใช้โครงสร้างพื้นฐาน ผลตอบแทนจากการลงทุนด้าน AI และความคุ้มค่าของเงินลงทุนงวดถัดไป

Alphabet: ได้ทั้งโอกาสทางอ้อมและแรงกดดันโดยตรง

Alphabet เป็นหนึ่งในนักลงทุนของ Anthropic แต่ก็แข่งขันโดยตรงผ่าน Gemini และ Google Cloud เช่นกัน 6 โมเดลมัลติโมดัลราคาถูกที่มีความน่าเชื่อถืออาจกดดันราคาในตลาดโดยรวม รวมถึง API และบริการ AI บนคลาวด์ของ Google

สำหรับผู้ถือหุ้น Alphabet ประเด็นด้านการดำเนินงานจึงสำคัญกว่ามูลค่าการถือหุ้นใน Anthropic เพียงอย่างเดียว นั่นคือราคาที่ถูกลงของคู่แข่งจะกระทบการตั้งราคาและอัตรากำไรของผลิตภัณฑ์ AI ของ Google มากน้อยเพียงใด

ตัวชี้วัดที่จะตัดสินว่า DeepSeek เปลี่ยนเกมจริงหรือไม่

นักลงทุนและนักพัฒนาควรติดตามหลักฐานหลังการเปิดตัวมากกว่าข่าวประกาศในวันแรก โดยเฉพาะ 5 เรื่องต่อไปนี้

1. การประเมินมัลติโมดัลโดยอิสระ ครอบคลุมการให้เหตุผลจากภาพ การทำงานของเอเจนต์ การใช้เครื่องมือ และการกู้คืนจากข้อผิดพลาด
2. การใช้งาน API ต่อเนื่อง ทั้งปริมาณทราฟฟิก การย้ายระบบของนักพัฒนา การใช้งานซ้ำ ความพร้อมใช้งาน และการติดตั้งในองค์กร
3. ต้นทุนรวมต่อเวิร์กโหลด ซึ่งรวมโทเคนเอาต์พุต แคช ราคาในช่วงพีก การลองใหม่ และความล้มเหลวในการปฏิบัติงาน
4. ปฏิกิริยาของคู่แข่ง ทั้งการเปลี่ยนราคาหน้าเว็บไซต์ ส่วนลดสำหรับองค์กร ผลิตภัณฑ์ที่ช่วยเลือกเส้นทางโมเดล และสัญญาการใช้งานจาก Anthropic, OpenAI และ Google
5. คุณภาพการเติบโตของ Anthropic โดยเฉพาะการรักษารายได้ ราคาที่ขายได้จริง อัตรากำไร และการใช้ AWS เมื่อเทียบกับภาระผูกพันด้านโครงสร้างพื้นฐาน

บทสรุป

DeepSeek V4-Flash-Vision-Exp อาจเร่งให้การแข่งขัน AI เปลี่ยนจากการแข่งด้านความสามารถเพียงอย่างเดียว ไปสู่การแข่งด้าน “ประสิทธิภาพต่อราคา” อย่างจริงจัง จุดสำคัญอาจไม่ใช่การที่โมเดลทำคะแนนใกล้เคียงหรือสูงกว่า Opus 4.8 ในการประเมินบางรายการ แต่คือการนำความสามารถแบบมัลติโมดัลเอเจนต์มาไว้ในระดับราคา Flash

อย่างไรก็ดี การเปิดตัวจะสร้างแรงสั่นสะเทือนทางการเงินจริงก็ต่อเมื่อโมเดลมีความน่าเชื่อถือเพียงพอสำหรับการใช้งานต่อเนื่องในระบบผลิตจริง ณ ตอนนี้ DeepSeek จึงควรถูกมองเป็นคำเตือนที่น่าเชื่อถือต่อผู้ให้บริการ AI ระดับพรีเมียมและนักลงทุนว่า สมมติฐานเรื่องราคา การยึดลูกค้าไว้กับระบบ และผลตอบแทนจากโครงสร้างพื้นฐาน จะต้องได้รับการปกป้องด้วยข้อได้เปรียบของผลิตภัณฑ์ที่วัดผลได้ ไม่ใช่ชื่อเสียงจากเบนช์มาร์กเพียงอย่างเดียว