DeepSeek V4 Flash: โมเดลของเครือข่าย Gonka พร้อมบริบท 380K

DeepSeek เป็นห้องปฏิบัติการ AI จากเมืองหางโจว ประเทศจีน ซึ่งมีชื่อเสียงระดับโลกหลังจากเปิดตัว V3 และ R1 โดยเฉพาะ R1 ในช่วงต้นปี 2025 ที่พิสูจน์ว่าโมเดลแบบเปิด (open model) สามารถไล่ตามโมเดลปิดระดับแนวหน้าได้ด้วยต้นทุนที่น้อยกว่า ในเดือนเมษายน 2026 DeepSeek ได้เปิดตัวตระกูล V4 สองรุ่นคือ V4 Pro (รุ่นหนัก) และ V4 Flash (รุ่นเบา) ทั้งสองรุ่นเป็นแบบเปิด (ได้รับใบอนุญาต MIT) และสร้างขึ้นบนสถาปัตยกรรม MoE

V4 Flash มีพารามิเตอร์ 284 พันล้านตัว โดยเปิดใช้งานประมาณ 13 พันล้านตัวต่อโทเค็น ความเบาบาง (sparsity) นี้ทำให้โมเดลทำงานได้รวดเร็วและประหยัดค่าใช้จ่ายในการบำรุงรักษา โดยใช้ VRAM น้อยกว่าโมเดลขนาดใหญ่แบบ “dense” และมีความเร็วในการสร้างข้อความที่สูงกว่า

ในเครือข่าย Gonka เราใช้เวอร์ชัน V4-Flash-0731 ซึ่งเป็นรุ่นที่ re-post-training เมื่อวันที่ 31 กรกฎาคม 2026 สถาปัตยกรรมและขนาดไม่เปลี่ยนแปลง แต่คุณภาพงานด้าน agent เพิ่มขึ้นอย่างเห็นได้ชัด โดยจากการวัดผลตามมาตรฐานของ DeepSeek ทั้ง 9 ด้าน (ด้าน agent และ coding) รุ่น 0731 มีประสิทธิภาพเหนือกว่าเรือธง V4 Pro ในเวอร์ชันพรีวิวเสียอีก ข้อควรระวังคือ: ข้อมูลบางส่วนเป็นการวัดโดย DeepSeek บนสภาพแวดล้อมทดสอบของตนเอง ซึ่งยังไม่มีการเผยแพร่สู่สาธารณะ จึงยังไม่มีการตรวจสอบซ้ำจากอิสระ อย่างไรก็ตาม ช่องว่างกับโมเดลแบบปิดยังคงอยู่ เช่น Claude Opus 4.8 ที่รุ่น 0731 ยังไม่สามารถเอาชนะได้ในทุก benchmark แต่ด้วยราคาที่ถูกกว่ามหาศาล นี่คือจุดเด่นของมัน: ประสิทธิภาพสูงสุดด้าน agent ในราคาที่คุ้มค่า

เช่นเดียวกับโมเดลอื่นในเครือข่าย สิ่งสำคัญคือต้องแยกคุณสมบัติของโมเดล «จากกล่อง» ออกจากพารามิเตอร์การทำงานของ deployment แต่ละแห่ง: พารามิเตอร์เหล่านี้กำหนดโดยการตั้งค่า vLLM inference บน GPU host ของเครือข่าย ค่าจริงผ่าน Gateway ของเรา:

• หน้าต่างบริบท: 380,000 โทเค็น — ยาวที่สุดตัวหนึ่งในเครือข่าย Gonka (มีเพียง GLM-5.3 Flash ที่ยาวกว่า — 390,000) เราได้ทดสอบเชิงประจักษ์แล้ว: คำขอที่มีอินพุต 381,000 โทเค็นได้รับการยอมรับและประมวลผลภายในไม่กี่สิบวินาที สถาปัตยกรรมของ V4 Flash เองรองรับบริบทได้ถึง 1 ล้านโทเค็น; เพดานในทางปฏิบัติของเครือข่ายถูกกำหนดโดยการตั้งค่า host (หน้าต่าง inference 400,000)
• เอาต์พุตสูงสุด: 32,768 โทเค็นต่อคำตอบ — เพดานสูงสุดในเครือข่าย: MiniMax M2.7 และ GLM-5.3 Flash มีเพดานน้อยกว่า 4 เท่า คือ 8,192; ในทั้งสองกรณี นี่คือการตั้งค่า gateway ไม่ใช่ขีดจำกัดของโมเดล
• Reasoning และ tool calling: โมเดลถูก deploy พร้อม parser สำหรับการคิดวิเคราะห์และการเรียกใช้เครื่องมือ — สถานการณ์แบบ agent (Cursor, Claude Code, LangChain) ใช้งานได้ทันที; เราได้ทดสอบสถานการณ์ tool แบบหลายขั้นตอนผ่านเส้นทางที่รองรับ OpenAI และ Anthropic
• ข้อกำหนด VRAM ของ host: ประมาณ 280 GB — โมเดลที่เบาที่สุดในเครือข่าย (เปรียบเทียบ: MiniMax M2.7 — 320 GB, GLM-5.3 Flash — 560 GB) ยิ่งเกณฑ์ฮาร์ดแวร์ต่ำลง host ก็ยิ่ง deploy โมเดลได้ง่ายขึ้น — นี่เป็นสัญญาณดีสำหรับความพร้อมใช้งานในเครือข่าย

ราคา inference ในเครือข่าย Gonka ไม่ขึ้นอยู่กับการเลือกโมเดล: DeepSeek V4 Flash มีอัตราเดียวกับ MiniMax M2.7 และ GLM-5.3 Flash — ผ่าน JoinGonka Gateway อยู่ที่ $0.0069 ต่อล้านโทเค็นอินพุต และ $0.021 ต่อล้านโทเค็นเอาต์พุต สำหรับใช้อ้างอิง: ผู้ให้บริการรายอื่นบน OpenRouter ให้โมเดลเดียวกันเริ่มที่ $0.06/$0.12 ต่อล้าน และ DeepSeek เองได้ถอด V4 Flash 0731 ออกจาก API ของตนภายในเดือนกันยายน 2026 — คำขอไปยังโมเดลนี้ให้บริการโดย DeepSeek-V4.1-Flash ในราคา $0.30/$1.20 ในช่วงเวลาเร่งด่วน เศรษฐศาสตร์ของเครือข่ายเป็นหัวข้อแยกต่างหาก: ราคาถูกกำหนดโดยการชำระค่าประมวลผล ไม่ใช่ราคาของผู้ขาย

ในเครือข่ายมีโมเดลที่ใช้งานได้สามโมเดลคือ DeepSeek V4 Flash, MiniMax M2.7 และ GLM-5.3 Flash (Kimi K2.6 ถูกนำออกจากเครือข่ายในเดือนกันยายน 2026 และ GLM-5.2 ซึ่งเคยอยู่ในรายการมานาน ไม่ได้ถูกนำมาใช้งานจริง) การเปรียบเทียบโดยย่อ:

ผลลัพธ์ในทางปฏิบัติของราคาที่เท่ากันคือ: คุณสามารถเลือกโมเดลตามงานได้โดยไม่ต้องกังวลเรื่องงบประมาณ หากต้องการพรอมต์ขนาดใหญ่พร้อมคำตอบที่รวดเร็วและผลลัพธ์ที่ยาวที่สุด — ให้ใช้ DeepSeek V4 Flash; หากเป็นงานที่ต้องใช้การคิดวิเคราะห์ตรรกะที่ซับซ้อน (และต้องการบริบทที่ยาวที่สุดในเครือข่าย) — ให้ใช้ GLM-5.3 Flash; หากเป็นงานประจำวันทั่วไปที่ใช้งานได้เสถียร — ให้ใช้ MiniMax M2.7

ผลลัพธ์หลักที่เผยแพร่จากรุ่น 0731 (อ้างอิงจาก DeepSeek และผู้รวบรวมข้อมูลอิสระ):

• SWE-bench Verified: 79.0% — การแก้ไขงาน GitHub ในโลกแห่งความเป็นจริง ซึ่งเป็นระดับที่เมื่อปีก่อนมีเพียงรุ่นเรือธงแบบปิดเท่านั้นที่ทำได้ สำหรับการเปรียบเทียบ: Kimi K2.6 ที่เครือข่ายเคยให้บริการก่อนหน้านี้อยู่ที่ 71.3%
• GPQA Diamond: 88.1% — คำถามระดับบัณฑิตศึกษาด้านวิทยาศาสตร์ โหมดการให้เหตุผลขั้นสูงช่วยเพิ่มความแม่นยำในงานหลายขั้นตอน
• Terminal Bench 2.1: 82.7 — การทำงานในเทอร์มินัลด้วยเอเจนต์ รุ่นพรีวิวของ Flash อยู่ที่ 61.8 ส่วน V4 Pro Preview อยู่ที่ 72.1
• DeepSWE: 54.4 — เบนช์มาร์กใหม่ที่เข้มงวดของ DeepSeek โดยมีอัตราผลบวกปลอมใกล้ศูนย์ ตัวเลขนี้มาจากผู้พัฒนาและยังไม่ได้เผยแพร่สแตนด์มาตรฐาน โปรดใช้วิจารณญาณ

กรอบการพิจารณาอย่างยุติธรรม: จาก 9 เบนช์มาร์กของเอเจนต์ รุ่น 0731 เหนือกว่า V4 Pro Preview ของตัวเอง แต่ยังไม่เท่า Claude Opus 4.8 โดยตามหลังอยู่ประมาณ 6 จุด อย่างไรก็ตาม ราคาต่อโทเค็นถูกกว่า Opus ถึงสองลำดับขั้น และผ่านเครือข่าย Gonka ราคาถูกกว่ารุ่นเดียวกันที่ให้บริการโดยผู้ให้บริการบุคคลที่สามบน OpenRouter อีกประมาณ ~9 เท่า อัตราส่วน “คุณภาพใกล้เคียงกับแนวหน้าในราคาที่ถูกกว่ามาก” นี้เองที่ทำให้มันน่าสนใจ: คุณสามารถดูการทดสอบอิสระโดยละเอียดได้ที่ Artificial Analysis และดูค่าน้ำหนักหรือการ์ดของโมเดลได้ที่ Hugging Face

โมเดลนี้ใช้งานได้ผ่าน JoinGonka Gateway ด้วย API ที่เข้ากันได้กับ OpenAI และ Anthropic รหัสโมเดล: deepseek-ai/DeepSeek-V4-Flash-0731

วิธีที่เร็วที่สุด — ตัวติดตั้งคำสั่งเดียวที่จะตั้งค่าเครื่องมือของคุณ (Claude Code, OpenClaw, Cline, opencode, Aider และอื่น ๆ) ให้ใช้โมเดลนี้ทันที:

npx @joingonka/setup --model deepseek

ในกรณีที่ตัวติดตั้งเขียนคอนฟิกเอง (Claude Code, Codex CLI, OpenClaw, opencode, Kilo Code, Hermes, Pi และอื่น ๆ) DeepSeek V4 Flash จะถูกตั้งเป็นค่าเริ่มต้นโดยไม่ต้องใส่แฟล็ก แฟล็กจำเป็นเมื่อต้องการสลับเครื่องมือที่ตั้งค่าไว้แล้ว และในกรณีที่ตัวติดตั้งแสดงค่าสำหรับคัดลอกวาง (Cursor, Cline, Aider) โมเดลอื่น ๆ ในเครือข่ายเลือกได้เช่นเดียวกัน: --model minimax และ --model glm

เรียก API โดยตรง (รูปแบบ OpenAI):

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer jg-your-key" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-ai/DeepSeek-V4-Flash-0731","messages":[{"role":"user","content":"Hello!"}]}'

เมื่อสมัครคุณจะได้รับ โทเค็นฟรี 3M — ด้วยคอนเท็กซ์ 380K นี่คือโอกาสทดสอบโมเดลกับเอกสารขนาดใหญ่และโค้ดเบสจริงได้ทันที ตัวอย่างแบบทีละขั้นใน Python และ TypeScript — ดูที่ API Quickstart; ลองใช้ได้โดยไม่ต้องสมัครที่แชทฟรี เพียงเลือก DeepSeek V4 Flash ในรายการโมเดล

สถานการณ์ที่โมเดลนี้โดดเด่น:

• เอกสารขนาดใหญ่และฐานโค้ดทั้งชุด 380,000 โทเคน คิดเป็นประมาณ 280,000 คำ: รายงานประจำปี ชุดเอกสารกฎหมาย หรือ repository ขนาดกลางใส่ลงในคำขอเดียวได้เลย ไม่ต้องตัดเป็นชิ้น ๆ และไม่สูญเสียความเชื่อมโยงระหว่างส่วนต่าง ๆ
• เซสชันเอเจนต์ที่ยาวนาน เอเจนต์อัตโนมัติที่อ่านไฟล์ เรียกใช้เครื่องมือ และสะสมประวัติ จะชนขีดจำกัดบริบทเร็วที่สุด — สำรอง 380K โทเคนหมายถึงเซสชันที่ยาวนานขึ้นอย่างเห็นได้ชัดโดยไม่ต้องรีเซ็ตหน่วยความจำ
• RAG ที่ดึงข้อมูลชุดใหญ่ ยิ่งใส่เอกสารที่เกี่ยวข้องได้มากเท่าไร ก็ยิ่งพึ่งพาความแม่นยำของการค้นหาน้อยลงเท่านั้น
• งานที่ต้องใช้การให้เหตุผล โหมด reasoning ให้ผลตอบแทนที่ดีขึ้นในด้านคณิตศาสตร์ วิทยาศาสตร์ และตรรกะหลายขั้นตอน — ในราคาของโมเดลทั่วไป

เมื่อใดควรใช้โมเดลอื่นในเครือข่าย: สำหรับงานที่ต้องครุ่นคิดกับตรรกะที่ซับซ้อน มี GLM-5.3 Flash — โมเดล reasoning ของเครือข่าย (บทวิเคราะห์โดยละเอียดเกี่ยวกับโมเดลสำหรับการพัฒนา อยู่ในบทความเกี่ยวกับโมเดลที่ดีที่สุดสำหรับการเขียนโค้ด) ส่วน MiniMax M2.7 ยังคงเป็นม้าศึกที่พิสูจน์แล้วสำหรับงานประจำวัน ด้วยราคาเดียว ทำให้ทดลองได้อย่างอิสระ — การสลับโมเดลคือแค่บรรทัดเดียวในคำขอ