DeepSeek V4: โมเดลโอเพนเวตที่อาจเปลี่ยนเกม AI จีนมากกว่าการสร้างกระแสชั่วข้ามคืน

DeepSeek V4 คือครอบครัวโมเดล AI แบบโอเพนเวตของ DeepSeek ที่เปิดตัวในรูปแบบพรีวิวเมื่อวันที่ 24 เมษายน 2026 ประกอบด้วยโมเดลขนาดใหญ่สำหรับงานซับซ้อนอย่าง V4-Pro และโมเดลที่เน้นความเร็วกับต้นทุนต่ำอย่าง V4-Flash

V4 อาจไม่สร้างแรงกระแทกต่อตลาดได้เท่ากับ DeepSeek R1 เพราะตลาดคุ้นเคยกับโมเดลจีนที่มีความสามารถสูงและราคาต่ำมากขึ้นแล้ว แต่ความสำคัญของ V4 อาจอยู่ลึกกว่านั้น นั่นคือการผสานความสามารถของโมเดลที่แข่งขันได้เข้ากับเส้นทางสู่ระบบ AI ทั้งซอฟต์แวร์และฮาร์ดแวร์ที่จีนควบคุมได้เอง 1415

เปิดตัวสองรุ่นสำหรับคนละงาน

DeepSeek เปิดตัว V4-Pro ซึ่งมีพารามิเตอร์ทั้งหมด 1.6 ล้านล้านพารามิเตอร์ และเปิดใช้งาน 49,000 ล้านพารามิเตอร์ต่อโทเค็น ส่วน V4-Flash มีพารามิเตอร์ทั้งหมด 284,000 ล้านพารามิเตอร์ และเปิดใช้งาน 13,000 ล้านพารามิเตอร์ต่อโทเค็น ทั้งคู่เป็นโมเดลแบบ Mixture of Experts หรือ MoE และรองรับบริบทสูงสุด 1 ล้านโทเค็น 1410

ในทางปฏิบัติ V4-Pro ถูกวางให้รับมือกับการให้เหตุผลที่ซับซ้อน การเขียนโค้ด และงานเอเจนต์ที่ต้องเรียกใช้เครื่องมือหลายขั้นตอน ขณะที่ V4-Flash เปิดใช้งานพารามิเตอร์น้อยกว่ามาก จึงมุ่งเป้าไปที่การตอบสนองเร็วและต้นทุนต่ำสำหรับงานปริมาณมาก

จุดสำคัญอีกประการคือ DeepSeek เปิดให้ดาวน์โหลดน้ำหนักโมเดล และให้บริการผ่าน API ไม่ได้จำกัดการเข้าถึงไว้เฉพาะบริการออนไลน์แบบปิดของบริษัท 1415

ความสามารถระดับแนวหน้า แต่ยังต้องฟังหูไว้หู

DeepSeek ระบุว่า V4-Pro มีประสิทธิภาพใกล้เคียงโมเดลปิดชั้นนำ และเน้นผลการทดสอบด้านการให้เหตุผล ความรู้ การเขียนโค้ด และความสามารถของเอเจนต์ โดยบริษัทอ้างว่าโมเดลทำผลงานได้โดดเด่นในกลุ่มโมเดลโอเพน 1415

อย่างไรก็ตาม นี่เป็นคำกล่าวอ้างจากผู้พัฒนาและเป็นการเปิดตัวรุ่นพรีวิว ยังไม่ควรถือเป็นข้อสรุปว่า V4 ทำงานเทียบเท่า Claude หรือโมเดลปิดชั้นนำในทุกสถานการณ์ การประเมินที่น่าเชื่อถือยังต้องอาศัยการทดสอบจากหลายฝ่ายกับงานจริงที่หลากหลาย

บริบท 1 ล้านโทเค็นไม่ได้มีดีแค่ตัวเลขใหญ่

ความสามารถในการรับบริบท 1 ล้านโทเค็นทำให้ V4 สามารถทำงานกับโค้ดเบสขนาดใหญ่ เอกสารจำนวนมาก หรือประวัติการทำงานยาวต่อเนื่องได้ในคำขอเดียว แต่ประเด็นสำคัญกว่าขนาดบริบทคือวิธีที่โมเดลจัดการข้อมูลเหล่านั้น

V4 ใช้การออกแบบ attention แบบไฮบริดหรือแบบเลือกให้ความสนใจ โดยประมวลผลข้อมูลช่วงล่าสุดอย่างละเอียด ขณะที่บีบอัดข้อมูลเก่าให้เป็นตัวแทนหน่วยความจำขนาดเล็กลง แนวทางนี้ช่วยลดภาระการคำนวณและหน่วยความจำเมื่อบริบทยาวมาก

ข้อมูลจาก DeepSeek และ Hugging Face ระบุว่า เมื่อใช้บริบท 1 ล้านโทเค็น V4-Pro ต้องใช้การคำนวณเพื่ออนุมานต่อโทเค็นเพียง 27% ของ V3.2 และใช้หน่วยความจำ KV cache ราว 10% ของรุ่นดังกล่าว ส่วน V4-Flash อยู่ที่ 10% ของการคำนวณ และ 7% ของหน่วยความจำแคช 16

หากตัวเลขเหล่านี้ทำได้จริงในงานใช้งานจริง ผลที่ตามมาอาจเป็นต้นทุนที่ถูกลงอย่างมีนัยสำคัญสำหรับคลังโค้ดขนาดใหญ่ ชุดเอกสารวิจัย และเอเจนต์ที่ต้องทำงานต่อเนื่องเป็นเวลานาน

จับกลุ่มนักพัฒนาและเอเจนต์ AI

DeepSeek วาง V4 ให้เหมาะกับการเขียนโค้ดและเอเจนต์ที่เรียกใช้เครื่องมือภายนอก โดยระบุถึงการทำงานร่วมกับสภาพแวดล้อมสำหรับนักพัฒนาและเอเจนต์ เช่น Claude Code, OpenClaw และ CodeBuddy 14

แต่การรองรับการเชื่อมต่อหรือการทำงานร่วมกันไม่ได้แปลว่า V4 มีความสามารถเทียบเท่า Claude หรือบริการปิดอื่น ๆ โดยอัตโนมัติ ความหมายในทางปฏิบัติคือ นักพัฒนามีทางเลือกที่ราคาถูกกว่า และสามารถนำไปโฮสต์เองหรือเรียกใช้ผ่าน API ในเวิร์กโฟลว์เหล่านี้ได้

ทำไมเรื่องนี้จึงเกี่ยวข้องกับการแข่งขันเทคโนโลยีจีน–สหรัฐฯ

V4 เป็นโมเดลขนาดใหญ่รุ่นสำคัญรุ่นแรกของ DeepSeek ที่ปรับให้เหมาะกับฮาร์ดแวร์ Huawei Ascend แทนการผูกกับ GPU ของ Nvidia เป็นหลัก การเปลี่ยนแปลงนี้มีนัยสำคัญภายใต้ข้อจำกัดการส่งออกชิปของสหรัฐฯ เพราะช่วยทดสอบเส้นทางที่เชื่อมโยงโมเดล ชิป และซอฟต์แวร์ที่พัฒนาภายในจีนเข้าด้วยกัน 23

นี่สอดคล้องกับความพยายามของจีนในการสร้างระบบนิเวศ AI ที่พึ่งพาตนเองมากขึ้น แต่การที่โมเดลหนึ่งสามารถทำงานบน Ascend ไม่ได้หมายความว่า Nvidia ถูกแทนที่แล้ว

ข้อได้เปรียบของ Nvidia ไม่ได้มีแค่ตัวชิป แต่ยังรวมถึงฮาร์ดแวร์ที่พัฒนาเต็มที่ ระบบเชื่อมต่อระหว่างชิป ระบบนิเวศการเขียนโปรแกรม CUDA ไลบรารีที่ผ่านการปรับแต่ง ความคุ้นเคยของนักพัฒนา และการรองรับจากผู้ให้บริการคลาวด์ทั่วโลก

นอกจากนี้ รายงานสาธารณะที่มีอยู่ยังไม่ได้ยืนยันว่า V4 ใช้ชิปจีนในสัดส่วนเท่าใดตลอดการฝึกโมเดลครั้งใหญ่ แยกจากการปรับแต่งเพื่อการทำงานหรือการรองรับการอนุมาน ดังนั้นคำกล่าวอ้างว่าโมเดลผ่านการฝึกทั้งหมดด้วยชิปจีนควรถือว่ายังไม่ได้รับการยืนยัน 23

Ascend 950 อาจเป็นตัวเร่ง แต่ยังไม่ใช่คำตอบสุดท้าย

Reuters รายงานว่าความต้องการชิป AI Ascend 950 ของ Huawei เพิ่มขึ้นอย่างมากหลังการเปิดตัว V4 โดยบริษัทอินเทอร์เน็ตรายใหญ่ของจีนเร่งจัดหาชิปดังกล่าว 1

หากระบบระดับซูเปอร์โหนดของ Huawei ให้ประสิทธิภาพที่ใช้งานได้จริง มีเครื่องมือซอฟต์แวร์รองรับเพียงพอ มีซัพพลายสม่ำเสมอ และมีต้นทุนรวมต่ำกว่า ก็อาจช่วยขยายประโยชน์จากการออกแบบที่ประหยัดของ V4 และวางรากฐานให้เกิดโครงสร้างพื้นฐาน AI คู่ขนานของจีน

อย่างไรก็ดี นี่เป็นทิศทางเชิงยุทธศาสตร์ที่มีความเป็นไปได้ ไม่ใช่หลักฐานว่าโครงสร้างพื้นฐานที่อิง Nvidia ถูกแทนที่แล้ว 1

สรุป: ผลกระทบของ V4 อาจเป็นเรื่องการใช้งานจริง

R1 เปลี่ยนมุมมองของโลกด้วยการแสดงให้เห็นว่าห้องปฏิบัติการ AI จีนสามารถสร้างโมเดลให้เหตุผลที่มีความสามารถสูงได้ในต้นทุนต่ำ ส่วน V4 อาจมีผลกระทบที่ค่อย ๆ ลึกขึ้นในเชิงปฏิบัติการ ได้แก่ โมเดลที่เปิดให้ใช้งาน บริบทที่ยาวมากในต้นทุนการอนุมานต่ำ การนำไปใช้กับงานเขียนโค้ดและเอเจนต์ และความพยายามทำให้ความสามารถเหล่านี้ทำงานบนโครงสร้างพื้นฐานภายในประเทศจีน

ดังนั้น V4 อาจไม่ใช่ “ช็อกครั้งใหม่” แบบ R1 แต่เป็นก้าวสำคัญในการสร้างทางเลือกด้าน AI ที่เปิดกว้าง ราคาจับต้องได้ และเชื่อมโยงกับระบบชิปและซอฟต์แวร์ของจีนมากขึ้น