Deepseek อัปเดต V4.1 Flash เป็น revision 1017 ฉลาดขึ้น ราคาถูก แต่ยังหลอนเก่ง

Deepseek เพิ่งอัปเกรดโมเดลโอเพนเวท V4.1 Flash เป็น revision 1017 ครับ ฟังดูเหมือนอัปเดตเล็กๆ แต่จริงๆ แล้วเป็นการปรับประสิทธิภาพที่สำคัญเลย

ตัวโมเดลเป็นแบบ Mixture-of-Experts มีพารามิเตอร์รวม 552,000 ล้าน แต่ตอนทำงานจริงใช้แค่ 16,000 ล้าน รับได้ทั้งข้อความและภาพ และรองรับ context window ยาวถึง 1 ล้าน token

จุดที่น่าสนใจคือรุ่นนี้ประหยัดฮาร์ดแวร์กว่าเดิมมาก เทียบกับ V4 Flash ตัวก่อน V4.1 ใช้ HBM แค่ 1 ใน 4 และใช้พื้นที่ SSD แค่ 1 ใน 8 สำหรับ KV cache โดยใช้พื้นที่เพียง 890 ไบต์ต่อ token ที่เก็บไว้เท่านั้น

ด้านราคา Deepseek ตั้งไว้ว่าช่วงนอกพีคคิดที่ 0.15 ดอลลาร์ต่อล้าน token ฝั่ง input และ 0.6 ดอลลาร์ฝั่ง output ถ้าโดน cache hit ราคา input จะลดลงเหลือแค่ 0.003 ดอลลาร์ ส่วนฟีเจอร์ค้นหาคิด 0.75 ดอลลาร์ต่อ 1,000 คำค้น ซึ่งถูกกว่าคู่แข่งอย่าง Parallel ที่คิด 1 ดอลลาร์

ในเบนช์มาร์กของ Artificial Analysis โมเดลนี้อยู่อันดับ 2 ในกลุ่มโอเพนเวทขนาดใหญ่ด้วยคะแนน 45 เทียบกับ Claude Opus 5.5 ที่ได้ 58 แต่จุดที่ต้องระวังคือเรื่องหลอนข้อมูล มันตอบถูก 43% ของครั้งที่ตอบ ซึ่งถือว่าดีในกลุ่มโอเพนเวท แต่เวลาไม่มั่นใจแล้วเลือกไม่ตอบ กลับหลอนคำตอบผิดไปถึง 67% ของครั้งที่ไม่ตอบ จนคะแนนรวมในเบนช์มาร์กนี้ได้แค่ 5 คะแนน เทียบกับ Kimi K3-max ที่ได้ 20 และโมเดลระดับ frontier ที่ได้ 42 ขึ้นไป

สรุปคืองานที่ตรวจคำตอบได้ชัดเจน เช่น เขียนโค้ด แปลงไฟล์ หรือทำ OCR แล้วรีวิวซ้ำ โมเดลนี้ทำได้ดี แต่งานที่ต้องหาข้อมูลแม่นยำหรือเขียนเอกสารที่ต้องถูกต้องจริงๆ ยังเสี่ยงหลอนอยู่