เมื่อวันที่ 25 เมษายน 2026 ทาง LMSYS ได้เผยแพร่รายงาน Day 0 report ของ DeepSeek V4 ซึ่งถือว่ารวดเร็วเกินความคาดหมายมาก

ปกติแล้วเวลาโมเดลเปิดตัวใหม่ ชุมชนนักพัฒนามักต้องรออีก 2 ถึง 3 สัปดาห์กว่าที่ระบบ inference stack จะอัปเดตรองรับได้อย่างสมบูรณ์ บางครั้งต้องรออัปเดต image หรือแก้ patch กันเอง แต่งานนี้ฝั่ง open-source stack อย่าง SGLang และ Miles พร้อมรองรับตั้งแต่วันแรกที่โมเดลปล่อยออกมา

ผมได้ศึกษาตัวรายงานเชิงเทคนิคอย่างละเอียด พร้อมทั้งนำข้อมูลราคาและสถานะจาก หน้า OpenRouter มาวิเคราะห์ร่วมกัน เพื่อประเมินว่าโมเดลรุ่นนี้คุ้มค่าตามกระแสหรือไม่ สำหรับนักพัฒนาไทยที่ต้องเลือกใช้เครื่องมือทำงานจริง สรุปภาพรวมสั้นๆ คือ มีความน่าสนใจสูงมาก แต่ยังไม่ถึงขั้นต้องรีบทิ้ง Claude หรือ GPT ทันที

---

สรุปภาพรวมสำคัญ (TL;DR)

DeepSeek V4 เปิดตัวออกมา 2 รุ่นย่อย ได้แก่ Pro (1.6T parameters, activated 49B) และ Flash (284B, activated 13B) ทั้งคู่เป็นสถาปัตยกรรม Mixture-of-Experts (MoE) ที่รองรับ context window สูงสุดถึง 1 ล้าน token

จุดที่สร้างความตื่นตาตื่นใจคือราคาบน OpenRouter โดยรุ่น Pro อยู่ที่ $0.435 ต่อ 1 ล้าน input tokens ส่วน Flash อยู่ที่เพียง $0.14 ต่อ 1 ล้าน input tokens ซึ่งมีราคาที่ถูกกว่าระดับท็อปของค่ายหลักอยู่หลายเท่าตัว

อย่างไรก็ตาม ทาง LMSYS ได้ระบุไว้ชัดเจนว่า ผล benchmark ในรายงานยังไม่ใช่การจัดอันดับอย่างเป็นทางการ และฟีเจอร์บางส่วนในระบบ RL pipeline ยังอยู่ในขั้นทดลอง จึงควรพิจารณาข้อมูลรอบด้านก่อนตัดสินใจย้ายงานสำคัญบนระบบโปรดักชัน

---

บริบทและที่มาของบทความนี้

เนื่องจากฮาร์ดแวร์ระดับ GPU NVIDIA GB300 หรือ B200 ยังหาได้ยากในไทย การทดลอง self-host เองจึงยังมีข้อจำกัด บทความนี้จึงมุ่งเน้นการสรุปและกลั่นกรองสาระสำคัญจากรายงานทางเทคนิคของ LMSYS ควบคู่กับข้อมูลจาก OpenRouter เพื่อให้เห็นภาพชัดเจนว่าส่วนใดคือข้อเท็จจริงทางเทคนิค ส่วนใดคือตัวเลขการตลาด และส่วนใดเป็นข้อควรระวัง

---

บริบท 1M Context กับ Throughput ที่ยังคงที่

ไฮไลต์สำคัญของ DeepSeek V4 คือกลไก Hybrid Sparse Attention ที่ช่วยให้การประมวลผลข้อความยาวๆ ยังคงรักษาความเร็วได้ดี

ในแต่ละ layer จะผสาน sliding window ขนาด 128 tokens เข้ากับการบีบอัด 2 รูปแบบ ได้แก่ C4 (top-512 sparse ด้วยอัตรา 4:1) และ C128 (dense ด้วยอัตรา 128:1) เปรียบเหมือนบรรณารักษ์ที่มีหนังสือ 128 เล่มล่าสุดวางอยู่บนโต๊ะ มีสรุปย่อของหนังสืออีก 512 เล่มอยู่ข้างโต๊ะ ส่วนหนังสือที่เหลือทั้งห้องสมุดถูกทำดัชนีบีบอัดไว้ ทำให้ค้นหาคำตอบได้อย่างรวดเร็วโดยไม่ต้องไล่อ่านทีละเล่ม

ตัวเลขที่น่าประทับใจในรายงานคือ Throughput ลดลงน้อยกว่า 10% เมื่อขยาย context จาก 4K ไปจนถึง 900K tokens โดยบนการ์ด B200 ความเร็วลดลงจากประมาณ 199 เหลือ 180 tokens/s และบน H200 ลดจาก 266 เหลือ 240 tokens/s

คุณสมบัตินี้มีประโยชน์อย่างมากสำหรับผู้ที่สร้าง agent เพื่ออ่าน codebase ขนาดใหญ่หรือ chatbot ที่ต้องจดจำบทสนทนายาวหลายแสน token เพราะระบบจะไม่ช้าลงจนใช้งานไม่ได้เหมือนโมเดลรุ่นก่อนๆ

---

ฟีเจอร์ HiSparse และข้อสังเกตการใช้งาน

รายงานมีการระบุถึงฟีเจอร์ HiSparse ที่ทำหน้าที่ offload ค่า KV cache ส่วนที่ไม่ได้ใช้งานของ C4 ไปไว้บนหน่วยความจำของ CPU โดยอ้างว่าสามารถเพิ่ม token capacity และ throughput ได้สูงสุดถึง 3 เท่าในการให้บริการแบบ long-context

ทั้งนี้ ตัวเลข "สูงสุด 3 เท่า" มักเป็นผลลัพธ์ในสภาวะที่ดีที่สุด (Best Case) ประสิทธิภาพการใช้งานจริงย่อมขึ้นอยู่กับรูปแบบ workload และฮาร์ดแวร์ที่นำมาประกอบ

เช่นเดียวกับ Flash Compressor ที่ระบุว่าเข้าถึง peak memory bandwidth ได้สูงสุด 80% ซึ่งควรมีการทดสอบจากบุคคลภายนอกเพิ่มเติมเพื่อยืนยันความเสถียรในสภาพแวดล้อมการใช้งานจริง

---

ความพร้อมของ SGLang ในการรองรับ Day 0

สิ่งที่น่าประทับใจไม่แพ้ตัวโมเดลคือการที่ SGLang มีการปรับปรุงมารองรับ V4 ได้ทันที โดยมาพร้อมฟีเจอร์ใหม่อย่าง ShadowRadix Prefix Caching ซึ่งใช้โครงสร้าง radix tree ร่วมกับ virtual token slot และ per-pool index mapping เพื่อจัดการ KV pool 3 รูปแบบที่มีช่วงเวลาการใช้งานต่างกัน

นอกจากนี้ยังมีการเพิ่มชุดคำนวณเคอร์เนลใหม่อย่างครบครัน อาทิ FlashMLA สำหรับ hybrid attention บนชิป Hopper และ Blackwell, FlashInfer TRTLLM-Gen สำหรับ fused MoE ในรูปแบบ MXFP8 คูณ MXFP4, TileLang สำหรับ mHC, DeepGEMM Mega MoE บนสถาปัตยกรรม Blackwell และ Lightning TopK ที่ช่วยลด latency ของการเลือก radix ลงเหลือราว 15 ไมโครวินาที

ระบบยังรองรับเทคนิค speculative decoding แบบ EAGLE ร่วมกับทั้งรุ่น Pro และ Flash ได้ทันที โดยมีอัตราการยอมรับ (accept length) เฉลี่ยอยู่ที่ประมาณ 2.5 token ต่อแบตช์

ด้านการขนานระบบ (parallelism) รองรับครอบคลุมทั้ง DP, TP, SP, EP, PP และ CP บนฮาร์ดแวร์หลากหลายค่าย ทั้งสถาปัตยกรรม Hopper, Blackwell, Grace Blackwell, ชิปประมวลผลกราฟิก AMD ไปจนถึง NPU

---

ระบบฝึกฝน Miles RL และข้อควรระวัง

ระบบ Reinforcement Learning ภายใต้ชื่อ Miles ที่ปล่อยออกมาพร้อมกัน มีการนำเทคนิค Rollout Routing Replay (R3), การทำ rollout แบบ FP8 ร่วมกับการเทรนแบบ FP8/BF16, Attention QAT และ TIS/MIS loss มาใช้งาน

ข้อมูลที่น่าสนใจคือ ค่า log-prob drift ระหว่างขั้นตอน rollout และ training คงที่อยู่ที่ระดับประมาณ 0.023 ตั้งแต่ขั้นตอนแรก ซึ่งสะท้อนถึงความสอดคล้องที่ดี โดยมีการล็อกการทำงานเชิง deterministic ไว้แลกกับ throughput ที่ลดลงราว 10 ถึง 15% พร้อมทั้งตรึงการทำงานของ Sinkhorn, MoE router และเลเยอร์ส่วนต้นเพื่อความเสถียร

ในการทดสอบอ้างอิงกับโมเดลขนาด 285B บน GPU GB300 จำนวน 32 ตัว พบว่าค่า reward และคะแนนการประเมินมีการพัฒนาขึ้นอย่างต่อเนื่อง

---

โครงสร้างราคาบน OpenRouter

ราคาการใช้งานถือเป็นจุดที่ดึงดูดความสนใจของนักพัฒนาอย่างมาก:

• DeepSeek V4 Pro: คิดค่าบริการ $0.435 ต่อ 1 ล้าน input tokens และ $0.87 ต่อ 1 ล้าน output tokens
• DeepSeek V4 Flash: คิดค่าบริการ $0.14 ต่อ 1 ล้าน input tokens และ $0.28 ต่อ 1 ล้าน output tokens

ตัวเลขนี้เมื่อนำไปเปรียบเทียบกับโมเดลกลุ่มท็อปของค่ายใหญ่ที่มีราคาหลายดอลลาร์ต่อ 1 ล้าน tokens ถือว่าสร้างความแตกต่างด้านต้นทุนอย่างเห็นได้ชัด

สถิติการใช้งานบน OpenRouter แสดงให้เห็นว่ามีการประมวลผลข้อความผ่าน V4 Pro เป็นจำนวนหลายพันล้าน token แล้ว ซึ่งสะท้อนถึงความสนใจในการนำไปทดสอบใช้งานจริงในวงกว้าง

---

ข้อจำกัดและสิ่งที่ต้องพิจารณา

รายงานของ LMSYS ระบุชัดเจนว่า ผลการทดสอบแบบ snapshot นี้ยังไม่ใช่การจัดอันดับอย่างเป็นทางการ

การทดสอบ long-context ในรายงานถูกจำกัดไว้ที่ความยาว prefix 30K tokens เนื่องจากระบบเปรียบเทียบเกิดปัญหา timeout ทำให้เรายังไม่เห็นภาพการทำงานที่ความยาวระดับ 1M context เต็มรูปแบบเมื่อเทียบกับโมเดลอย่าง Claude หรือ Gemini แบบเดียวกันตรงๆ

ความเร็วและราคาที่ประหยัดไม่ได้การันตีว่าคุณภาพผลลัพธ์จะเทียบเท่ากับโมเดลระดับแนวหน้าในทุกมิติ การประเมินคุณภาพจึงยังคงต้องอาศัยการทดสอบกับโจทย์งานจริงของคุณเป็นหลัก

นอกจากนี้ ยังไม่มีข้อมูลเรื่องการให้บริการศูนย์ข้อมูลภายในประเทศไทยหรือภูมิภาคใกล้เคียง สำหรับองค์กรที่ให้ความสำคัญเรื่อง data residency หรือต้องการ network latency ต่ำ อาจต้องรอผู้ให้บริการในภูมิภาคเปิดตัวเพิ่มเติม หรือพิจารณาการตั้งโฮสต์ภายในระบบของตนเอง

---

แนวทางการปรับใช้สำหรับแต่ละกลุ่ม

คำแนะนำในการเลือกใช้งาน:

• กลุ่มที่ควรทดลองใช้งานทันที: ทีมพัฒนา side project, งานสร้าง prototype หรือเครื่องมือภายในที่มีงบประมาณจำกัดและต้องการ context ขนาดยาว โดยเฉพาะรุ่น V4 Flash ที่ราคา $0.14 ต่อ 1 ล้าน input tokens เหมาะอย่างยิ่งสำหรับงานประมวลผลเอกสารจำนวนมาก หรืองานระบบ RAG ภายในองค์กร
• กลุ่มที่ควรทดสอบคู่ขนาน: ทีมที่ใช้งานโมเดลหลักอย่าง Claude หรือ GPT กับงานที่ต้องการการคิดวิเคราะห์ซับซ้อน เช่น agent สำหรับเขียนโค้ดที่ต้องวางแผนหลายขั้นตอน แนะนำให้ทดสอบ V4 Pro ควบคู่ไปกับระบบเดิม พร้อมเก็บ log เปรียบเทียบผลลัพธ์สัก 2 ถึง 4 สัปดาห์ก่อนตัดสินใจสลับระบบ
• กลุ่มที่ควรรอความพร้อม: ทีมระดับ Enterprise ที่มีข้อกำหนดเรื่อง data residency ในประเทศ หรือต้องการ SLA ความเสถียรระดับสูง ควรรอการขยายตัวของระบบโครงสร้างพื้นฐานและการรับรองมาตรฐานเพิ่มเติมก่อน

---

บทสรุปและมุมมองการใช้งาน

การเปิดตัวของ DeepSeek V4 สะท้อนถึงการเติบโตอย่างรวดเร็วของ ecosystem ฝั่ง open-weight การที่เครื่องมืออย่าง SGLang และ Miles พร้อมใช้งานตั้งแต่วันแรก ช่วยให้นักพัฒนาสามารถนำโมเดลไป self-host หรือปรับแต่งต่อยอดได้อย่างคล่องตัว

สำหรับการนำไปใช้งานจริง V4 Flash สามารถเข้ามาเป็นเครื่องมือเสริมที่ดีเยี่ยมสำหรับงานปริมาณมากที่ไม่จำเป็นต้องใช้การคิดวิเคราะห์ระดับสูงสุด เช่น การจัดหมวดหมู่ข้อความ การสรุปใจความ หรือการแปลภาษา ขณะที่งานวิเคราะห์เชิงลึกและการเขียนโค้ดที่ซับซ้อน โมเดลระดับเรือธงยังคงมีบทบาทสำคัญ

การเลือกเครื่องมือที่เหมาะสมกับโจทย์งานแต่ละประเภท ย่อมช่วยสร้างสมดุลระหว่างประสิทธิภาพและต้นทุนได้อย่างคุ้มค่าที่สุด

---

แหล่งอ้างอิง

• DeepSeek-V4: Day 0 Support in SGLang and Miles (LMSYS)
• DeepSeek V4 Pro - API Pricing & Providers (OpenRouter)
• DeepSeek V4 Flash - API Pricing & Providers (OpenRouter)