รู้จัก DeepSeek-V4.1-Flash: โมเดลสำหรับเอเจนต์ที่ต้องอ่านบริบทยาว

สำหรับเอเจนต์ AI ที่ต้องอ่านประวัติการสนทนา เอกสาร หรือผลลัพธ์จากเครื่องมือจำนวนมากก่อนตอบ คำถามไม่ได้มีเพียงว่าโมเดล รับข้อความได้ยาวแค่ไหน แต่ยังรวมถึงต้องใช้ทรัพยากรเท่าไรเพื่ออ่านและเก็บบริบทนั้น DeepSeek-V4.1-Flash เป็นโมเดลแบบ mixture-of-experts (MoE) ที่เปิดเผยน้ำหนักโมเดล รองรับทั้งข้อความและภาพ และรับบริบทได้สูงสุด 1 ล้านโทเคน อย่างไรก็ดี ขีดจำกัดบริบทนี้ไม่ใช่คำรับประกันว่าโมเดลจะดึงทุกรายละเอียดจากเซสชันยาว ๆ ได้ถูกต้องเสมอ 28

ทำไมงานที่อ่านมากกว่าตอบจึงเป็นจุดเด่น

โมเดลมีสถาปัตยกรรมหลักขนาด 552 พันล้านพารามิเตอร์ แบ่งเป็น causal encoder 20 ชั้น และ decoder 20 ชั้น แทนที่จะให้ decoder แต่ละชั้นสร้างข้อมูลสำหรับ KV cache ของตนเองแยกกัน ระบบจะสร้าง global KV cache โดยแปลงมาจากสถานะสุดท้ายของ encoder ทั้งนี้ KV cache คือข้อมูลที่ระบบเก็บไว้เพื่อให้การประมวลผลโทเคนถัดไปอ้างอิงบริบทก่อนหน้าได้ 28

DeepSeek ระบุว่าโมเดลใช้พารามิเตอร์ที่ทำงานราว 8 พันล้านตัวต่อโทเคนในช่วง prefill หรือช่วงอ่านอินพุต และ 16 พันล้านตัวต่อโทเคนในช่วง decode หรือช่วงสร้างคำตอบ ความต่างนี้เหมาะกับลักษณะงานของเอเจนต์ที่อ่านข้อมูลจำนวนมาก แต่ตอบกลับสั้นกว่าอินพุตมาก อย่างไรก็ตาม ตัวเลขพารามิเตอร์ที่ทำงานไม่ใช่ตัวเลขค่าใช้จ่ายจริงของทุกระบบที่นำโมเดลไปให้บริการ 28

ลดแคชสองแบบ อย่าสับสนตัวเลข 1 ใน 4 กับ 1 ใน 8

CSA2 ร่วมกับ FP4 ลด global KV cache: Compressed Sparse Attention 2 หรือ CSA2 กำหนดให้ชั้น attention ทำงานในหนึ่งในสามโหมด ได้แก่ Full, Reindex และ Reuse เพื่อแบ่งปันข้อมูลที่แคชไว้และนำการเลือกตำแหน่งสำหรับ sparse attention กลับมาใช้ ร่วมกับการเก็บ KV cache หลักในรูปแบบ FP4 แล้ว DeepSeek รายงานว่า global KV cache ใช้พื้นที่ 890 ไบต์ต่อโทเคน หรือราว หนึ่งในสี่ ของ DeepSeek-V4-Flash รุ่นก่อน ตัวเลขนี้เปรียบเทียบขนาดแคช ไม่ได้หมายความว่าค่าใช้จ่ายรวมของทุกการใช้งานจะลดลงเหลือหนึ่งในสี่ 68

SWA Bounded Replay ลดข้อมูลที่ต้องเก็บถาวร: เทคนิคนี้สร้างสถานะ KV ที่ขาดไปของ sliding-window attention ขึ้นใหม่ โดยประมวลผลซ้ำเฉพาะโทเคนในหน้าต่างล่าสุด แทนการเก็บสถานะเหล่านั้นไว้บน SSD เอกสารโมเดลระบุว่าพื้นที่ KV cache ที่ต้องเก็บถาวร เหลือราว หนึ่งในแปด ของ V4-Flash ซึ่งเป็นการวัดคนละส่วนกับตัวเลข global KV cache หนึ่งในสี่ข้างต้น 59

ฝึกอย่างไร และผลทดสอบบอกอะไรได้บ้าง

ข้อมูลโมเดลระบุว่าฝึกตั้งแต่ต้นด้วยชุดข้อมูลหลายสื่อรวม 45 ล้านล้านโทเคน ฝึก sparse attention ที่ความยาวลำดับ 64,000 โทเคน และขยายบริบทเป็น 1 ล้านโทเคน เมื่อการฝึกดำเนินไปถึงจุด 34 ล้านล้านโทเคน DeepSeek ยังกล่าวถึงวิธีก่อนฝึกแบบใหม่และการปรับแต่งหลังฝึกด้วย reinforcement learning ในระดับที่ใหญ่ขึ้น แต่ข้อมูลอ้างอิงที่มีไม่เพียงพอจะอธิบายขั้นตอนหลังฝึกได้ละเอียดกว่านั้น 916

โมเดลรองรับภาพและข้อความโดยตรง และ DeepSeek ระบุว่า API รองรับการใช้งานหลายสื่อด้วย แต่ข้อมูลอ้างอิงชุดนี้ยังไม่เพียงพอสำหรับสรุปคะแนนทดสอบด้านการมองเห็นเป็นรายรายการ 216

สำหรับประสิทธิภาพ DeepSeek รายงานว่า รุ่น base มีความสามารถด้านความรู้ การให้เหตุผล และการเขียนโค้ดใกล้เคียง V4-Pro-Base พร้อมผลดีขึ้น 5%–10% ในชุดประเมินที่กันไว้ทดสอบ ทั้งที่ใช้พารามิเตอร์ทั้งหมดราวหนึ่งในสาม และพารามิเตอร์ที่ทำงานราวหนึ่งในสี่ DeepSeek ยังระบุว่าโมเดลที่เผยแพร่ทำได้ดีกว่า V4-Pro ในงานแบบเอเจนต์ แต่ข้อมูลอ้างอิงที่มีไม่รองรับการเทียบคะแนนแบบเจาะรายเบนช์มาร์กอย่างน่าเชื่อถือ ทั้งหมดนี้เป็นผลที่ผู้พัฒนารายงาน ไม่ใช่การทดสอบเทียบโดยอิสระ 116

เรียกใช้ API และย้ายจากชื่อโมเดลเดิม

ชื่อโมเดลบน API คือ deepseek-flash ส่วนน้ำหนักโมเดลที่เผยแพร่ระบุสัญญาอนุญาต MIT เอกสารโมเดลอธิบายแนวทางให้บริการผ่าน SGLang และรายการโมเดลยังระบุการรองรับการอนุมานด้วย Transformers และ vLLM ก่อนใช้งานจริงควรตรวจสอบข้อกำหนดของรันไทม์ที่เลือก โดยไม่สมมติว่าทุกระบบรองรับฟีเจอร์ภาพหรือบริบทขนาดยาวเหมือนกัน 8916

DeepSeek ระบุว่า V4-Flash และ V4-Flash-Vision-Exp ยุติการให้บริการแล้ว โดยชื่อ API เดิม deepseek-v4-flash และ deepseek-v4-flash-vision-exp จะถูกส่งต่อไปยัง V4.1-Flash ชั่วคราว บริษัทยังประกาศว่า ตั้งแต่ 14 กันยายน 2026 คำขอที่ใช้ชื่อ deepseek-v4-pro จะถูกส่งไปยัง V4.1-Flash ในอัตราของ Flash ระหว่างรอ V4.1-Pro หากแอปพลิเคชันพึ่งพาพฤติกรรมเฉพาะของรุ่น Pro ควรตรวจสอบโมเดลที่ให้บริการคำขอจริง ไม่ดูจากชื่อ alias เพียงอย่างเดียว 16