ปฏิบัติการบุกตลาด AI โลก: โมเดลจีนแห่ปลดล็อก Open-Weight ฝ่าวงล้อมชิปสหรัฐฯ DeepSeek V4 Pro นำทัพ

ในเวลาเพียง 8 สัปดาห์นับจากกลางเดือนมิถุนายน 2026 วงการ AI โลกถึงกับสะเทือน เมื่อแล็บ AI ชั้นนำของจีนทยอยปล่อยโมเดลภาษาขนาดใหญ่ (LLM) แบบเปิดน้ำหนัก (Open-Weight) ออกมาราวกับน้ำแตก คลื่นลูกใหญ่ที่ซัดเข้าสู่ตลาดถึงจุดสูงสุดในวันที่ 13 สิงหาคม เมื่อ DeepSeek เปิดตัว V4 Pro อย่างเป็นทางการ แต่เรื่องราวนี้ไม่ได้มีแค่การเปิดตัวครั้งใดครั้งหนึ่ง มันคือเรื่องราวของมาตรการควบคุมการส่งออก (Export Controls) ที่ตั้งใจจะชะลอความก้าวหน้าของ AI จีน แต่กลับกลายเป็นตัวเร่งให้เกิดคู่แข่งที่แข็งแกร่ง คล่องตัว และเลือกใช้กลยุทธ์เปิดน้ำหนักที่รุก aggressively จนขณะนี้สามารถเทียบชั้นโมเดลระดับแนวหน้าของสหรัฐฯ ได้ในด้านความสามารถ พร้อมตัดราคาให้ถูกกว่าหลายสิบเท่า

อะไรผลักดันให้เกิด 'คลื่นยักษ์' นี้

สามแรงขับเคลื่อนหลักมาบรรจบกัน ทำให้การพัฒนาที่ควรใช้เวลาหลายปีถูกบีบอัดให้เสร็จภายในไม่กี่เดือน:

1. แรงกดดันจากการควบคุมการส่งออก: การจำกัดการส่งออกชิปของสหรัฐฯ ตัดขวางไม่ให้แล็บจีนเข้าถึง GPU H100/B200 ของ NVIDIA ได้อย่างอิสระ ส่งผลให้พวกเขาต้องสร้างนวัตกรรมบนฮาร์ดแวร์ภายในประเทศ (เช่น ชิป Huawei Ascend 910B/C) และหันมาเพิ่มประสิทธิภาพแทนที่จะใช้ทรัพยากรดิบจำนวนมาก ตัวอย่างที่ชัดเจนที่สุดคือ LongCat-2.0 ของ Meituan ซึ่งเป็นโมเดลพันล้านพารามิเตอร์แรกที่ถูกฝึกฝนและรันบนชิปจีนล้วนๆ

2. การแข่งขันในประเทศอันดุเดือด: แล็บ AI ที่มีเงินทุนหนามากมายอย่าง DeepSeek, Moonshot, Zhipu/Z.AI, Meituan, Alibaba, Tencent, Baidu และ ByteDance กำลังแข่งกันเพื่อศักดิ์ศรี ความสนใจจากนักพัฒนา และการนำไปใช้ในองค์กร ส่งผลให้รอบการเปิดตัวรุ่นใหม่ถูกบีบให้สั้นลงจนเหลือแค่ไม่กี่สัปดาห์

3. กลยุทธ์ Open-Weight ในฐานะอาวุธทางภูมิรัฐศาสตร์: แล็บจีนกำลังเผยแพร่โมเดลของตนภายใต้ใบอนุญาตแบบเสรี (MIT, แก้ไขจาก MIT) โดยไม่มีข้อจำกัดทางภูมิภาค ซึ่งตรงกันข้ามกับกลยุทธ์ปิดของ OpenAI และ Anthropic โดยสิ้นเชิง กลยุทธ์นี้กำลังได้รับการตอบรับจากนักพัฒนาทั่วโลกเป็นอย่างดี

โมเดลที่สร้างปรากฏการณ์

DeepSeek V4 Pro (เปิดตัว 13 สิงหาคม 2026)

โมเดลเรือธงที่ปิดท้ายคลื่นฤดูร้อนนี้ได้อย่างยิ่งใหญ่ DeepSeek V4 Pro เป็นโมเดล Mixture-of-Experts (MoE) ขนาด 1.6 ล้านล้านพารามิเตอร์ โดยมีพารามิเตอร์ที่ทำงานจริง (Active Parameters) 49 พันล้านตัวต่อหนึ่ง Token, หน้าต่างบริบท (Context Window) ขนาด 1 ล้าน Token และสามารถสร้างเอาต์พุตได้สูงสุด 384,000 Token ในสามโหมดการคิด (Standard, High-Effort, Max-Effort) ในการทดสอบ Terminal-Bench 2.1 สามาถทำคะแนนได้ 87.9 ซึ่งดีขึ้น 15.8% จากรุ่นตัวอย่างเมื่อเดือนเมษายน และมีประสิทธิภาพเทียบเท่า Claude Fable 5 แต่มีต้นทุนเพียง 1 ใน 57 สำนักข่าว Reuters รายงานว่า 'กำลังไล่ตามทัน และในบางการทดสอบก็แซงหน้า Claude Fable 5' ในเกณฑ์มาตรฐานด้าน Agent และวิศวกรรมซอฟต์แวร์

ราคา API อยู่ที่ $0.435 ต่อ Token นำเข้า 1 ล้านตัว และ $0.87 ต่อ Token ส่งออก 1 ล้านตัวในอัตรามาตรฐาน โดยมีส่วนลดจากแคชสูงถึง 97% ในโหมด Max-Effort Reasoning ราคาจะอยู่ที่ $1.32/$3.96 ต่อล้าน Token

Moonshot Kimi K3 (16/27 กรกฎาคม 2026)

Moonshot AI ปล่อยสิ่งที่พวกเขาเรียกว่า 'โมเดลเปิดระดับ 3 ล้านล้านพารามิเตอร์รุ่นแรกของโลก' โดยอ้างว่ามันคือโมเดลระบบเปิดน้ำหนักที่ใหญ่ที่สุดเท่าที่เคยมีมา Kimi K3 มีขนาด 2.8 ล้านล้านพารามิเตอร์ เป็นสถาปัตยกรรม MoE ที่เปิดใช้งาน 16 จาก 896 ผู้เชี่ยวชาญ (Experts) ต่อหนึ่ง Token, หน้าต่างบริบท 1 ล้าน Token และรองรับมัลติโมดอล (ภาพ + ข้อความ) โดยธรรมชาติ น้ำหนักโมเดลเต็มถูกปล่อยบน Hugging Face ในวันที่ 27 กรกฎาคม 2026 ภายใต้ใบอนุญาต Modified MIT ปัจจุบันให้บริการบน Kimi.com, Kimi Work, Kimi Code และ Kimi API

Zhipu AI GLM-5.2 (13/16 มิถุนายน 2026)

โมเดลที่จุดชนวนคลื่นลูกนี้ GLM-5.2 เป็นโมเดล MoE ขนาด 744 พันล้านพารามิเตอร์ โดยมีพารามิเตอร์แอคทีฟประมาณ 40 พันล้านตัวต่อ Token, มีหน้าต่างบริบท 1 ล้าน Token และใช้ใบอนุญาต MIT การประเมินของ CAISI จาก NIST (สถาบันมาตรฐานและเทคโนโลยีแห่งสหรัฐฯ) ให้คะแนนความสามารถโดยรวมว่าคล้ายกับ GPT-5.2 (ธันวาคม 2025) และความสามารถทางไซเบอร์คล้ายกับ Claude Opus ทำคะแนนได้ 81.0 ในการทดสอบ Terminal-Bench 2.1 และ 62.1 ในการทดสอบ SWE-bench Pro ซึ่งเป็นคะแนนสูงสุดในกลุ่มโมเดลเปิดน้ำหนักบนดัชนี Artificial Analysis Intelligence Index ราคา API ถูกกว่า Claude หรือ GPT-5 ประมาณ 10 เท่า

Meituan LongCat-2.0 (30 มิถุนายน 2026)

โมเดล MoE ขนาด 1.6 ล้านล้านพารามิเตอร์ (พารามิเตอร์แอคทีฟ 48 พันล้านตัวต่อ Token) พร้อมหน้าต่างบริบท 1 ล้าน Token ภายใต้ใบอนุญาต MIT จุดแตกต่างที่สำคัญของโมเดลนี้คือ: เป็นโมเดลระดับล้านล้านพารามิเตอร์รุ่นแรกของโลกที่ถูกฝึกฝนและรันบนชิปจีนล้วนๆ โดยใช้คลัสเตอร์ชิป Huawei Ascend 910B/C จำนวน 50,000 ตัว ผลการทดสอบของ Meituan เองพบว่ามันทำคะแนนแซงหน้า GPT-5.5 ในการวัดประสิทธิภาพด้านวิศวกรรมซอฟต์แวร์ ก่อนเปิดตัวอย่างเป็นทางการ มันเคยรั้งอันดับสูงสุดใน OpenLLM Leaderboard โดยใช้นามแฝงว่า 'Owl Alpha' ราคา API อยู่ที่ $0.75/$2.95 ต่อ Token นำเข้า/ส่งออก 1 ล้านตัว และมีโปรโมชั่นเปิดตัวที่ $0.30/$1.20

เปรียบเทียบกับโมเดลระดับแนวหน้าของสหรัฐฯ

มิติ	โมเดลจีน	โมเดลสหรัฐฯ
ความสามารถเทียบเคียง	GLM-5.2 ≈ GPT-5.2 ; DeepSeek V4 Pro ≈ Claude Fable 5 ในการทดสอบหลายรายการ ; LongCat-2.0 อ้างว่าแซง GPT-5.5 ใน SWE-bench	OpenAI GPT-5.5, Anthropic Claude Fable 5/Opus, Google Gemini 3
ความได้เปรียบด้านต้นทุน	โมเดลจีนถูกกว่า 10–57 เท่าต่อ Token หรือต่อ Task	โมเดลสหรัฐฯ คิดค่า API ในอัตราที่สูงกว่ามาก
การเปิดเผย	ใบอนุญาตแบบเปิดน้ำหนักของ MIT/modified MIT; ทั่วโลกเข้าถึงได้โดยไม่มีข้อจำกัด	ส่วนใหญ่เป็น API แบบปิด; ไม่มีการเผยแพร่น้ำหนักโมเดล
ข้อจำกัดด้านฮาร์ดแวร์	ตอนนี้โมเดลที่ดีที่สุดของจีนรันบนชิปภายในประเทศล้วนๆ (LongCat-2.0 )	โมเดลสหรัฐฯ ใช้ NVIDIA H100/B200 โดยไม่มีข้อจำกัด

ผลกระทบในวงกว้าง

การนำไปใช้ในองค์กรทั่วโลก

ปัจจุบันองค์กรต่างๆ ทั่วโลก โดยเฉพาะนอกสหรัฐฯ มีทางเลือกที่น่าเชื่อถือ ราคาถูก และเป็นระบบเปิดน้ำหนักแทนการใช้ API จากสหรัฐฯ ใบอนุญาต MIT ของ GLM-5.2 ที่ไม่มีข้อจำกัดทางภูมิภาคหมายความว่าบริษัทใดก็ตามสามารถนำไปติดตั้งเองเพื่อการค้าได้โดยไม่มีข้อผูกมัด สิ่งนี้กำลังเปลี่ยนแปลงการตัดสินใจจัดซื้อขององค์กรในเอเชียตะวันออกเฉียงใต้ ตะวันออกกลาง แอฟริกา และบางส่วนของยุโรป

ความขัดแย้งของการควบคุมการส่งออก

หลักฐานที่ปรากฏสนับสนุนข้อสรุปอย่างยิ่งว่ามาตรการควบคุมการส่งออกชิปของสหรัฐฯ ได้ผลลัพธ์ที่ตรงกันข้ามในอย่างน้อยสองด้าน:

• เร่งให้จีนเชี่ยวชาญด้านชิปในประเทศ: Meituan ฝึกฝน LongCat-2.0 บนคลัสเตอร์โปรเซสเซอร์ Huawei Ascend ที่ผลิตในจีนจำนวน 50,000 ตัว ซึ่งพิสูจน์ให้เห็นว่าการฝึกโมเดลระดับแนวหน้าเป็นไปได้โดยไม่ต้องใช้ฮาร์ดแวร์สหรัฐฯ สิ่งนี้ได้กระตุ้นให้ระบบนิเวศชิป AI ของจีนเติบโตเร็วกว่าที่กลไกตลาดเพียงอย่างเดียวจะทำได้
• บังคับให้เกิดประสิทธิภาพขั้นสูง: เมื่อถูกตัดขาดจากแหล่ง GPU ระดับสูงจำนวนมาก แล็บจีนจึงเพิ่มประสิทธิภาพสถาปัตยกรรมให้เน้นความสามารถในการกระจายงานของ MoE (Mixture-of-Experts), การใส่ใจแบบกระจัดกระจาย (Sparse Attention) และประสิทธิภาพของพารามิเตอร์แอคทีฟอย่างจริงจังมากกว่าแล็บสหรัฐฯ ผลลัพธ์ที่ได้คือโมเดลที่สร้างความสามารถที่ทัดเทียมกันได้โดยใช้ทรัพยากรการคำนวณเพียงเศษเสี้ยว ซึ่งสร้างความได้เปรียบด้านต้นทุนถึง 10–57 เท่า

สิ่งที่ยังไม่ได้รับการยืนยัน

ไม่พบบทสรุปจากแหล่งอื่นยืนยันตัวเลขการตั้งราคาต่อ Task ที่ $0.06 สำหรับ DeepSeek V4 Pro หรือ $2.34 สำหรับ Claude Opus 5 รวมถึงโมเดล Tencent Hy3 และ Alibaba Qwen3.8-Max ที่ไม่มีข้อมูลสเปกหรือวันวางจำหน่ายที่ยืนยันได้ในหลักฐานที่มีอยู่ ข้ออ้างเกี่ยวกับแถลงการณ์โอเพนซอร์สล่าสุดของ Mark Zuckerberg ก็ไม่สามารถยืนยันได้เช่นกัน

หมายเหตุเกี่ยวกับข้ออ้างและแหล่งที่มา

บทความนี้อ้างอิงจากหลักฐานที่มีอยู่ ณ ช่วงกลางเดือนสิงหาคม 2026 การอ้างอิงทั้งหมดเกี่ยวกับความสามารถของโมเดลมาจากการวัดประสิทธิภาพที่นักพัฒนารายงานและการประเมินจากบุคคลที่สาม (รวมถึง CAISI ของ NIST) การตรวจสอบคะแนนการวัดประสิทธิภาพทั้งหมดโดยอิสระยังคงดำเนินการอยู่ทั่วทั้งอุตสาหกรรม การเปรียบเทียบต้นทุนขึ้นอยู่กับราคา Token API ที่เผยแพร่ ต้นทุนจริงต่อ Task นั้นแตกต่างกันอย่างมากตามความซับซ้อนของงาน ความยาวของบริบท และอัตราการเข้าถึงแคช