DeepSeek ปล่อย V4.1-Flash-1017 น้ำหนัก MIT ชุดใหม่ สถาปัตยกรรมเดิมทุกบิต แต่ Terminal-Bench 4.0 ขึ้นจาก 31.2 เป็น 42.3 — ชื่อ deepseek-flash บน API ถูกสลับไปรุ่นใหม่ทันที พร้อมเปิด Search & Fetch API $0.75 ต่อพันครั้ง

วันที่ 17 ตุลาคม 2026 DeepSeek อัปโหลด DeepSeek-V4.1-Flash-1017 ขึ้น Hugging Face (คอมมิต “Release” เวลา 05:46 UTC หรือ 12:46 น. เวลาไทย) ไลเซนส์ในไฟล์ LICENSE เป็น MIT แท้ เหมือนรุ่นแรก การ์ดโมเดลเรียกรุ่นนี้ว่า “a minor update” ของ V4.1-Flash ที่ออกเมื่อ 10 ก.ย. และบอกว่าปรับปรุง reasoning, coding, งานเอเจนต์ และงานภาพ “อย่างมีนัยสำคัญ” โดยใช้เวลาทำงานและความยาวเอาต์พุตน้อยลงด้วย

ในวันเดียวกัน changelog ของ API ประกาศสองเรื่อง ชื่อโมเดล deepseek-flash บน API, เว็บ และแอป ถูกสลับไปเป็นรุ่น 1017 แล้ว โดย “API calling method and pricing remain unchanged” และ DeepSeek เปิด Search & Fetch API ที่ใช้เสิร์ชเอนจินของบริษัทเองให้นักพัฒนาเรียกตรงได้เป็นครั้งแรก

ตรวจจากไฟล์: น้ำหนักใหม่ แต่โครงเดิมทั้งหมด

เราเทียบ config.json ของสองรีโปแบบคีย์ต่อคีย์แล้ว ไม่มีค่าใดต่างกันเลย ยังเป็น DeepseekV41ForCausalLM 40 เลเยอร์, 384 routed expert เลือกใช้ 6 ตัว, Engram สองตาราง, DSpark drafter 3 ชั้น, vision encoder 32 ชั้น และคอนเท็กซ์ 1,048,576 โทเคน ขนาดดาวน์โหลดรวมก็เท่าเดิมที่ 510.3 GB (expert เป็น FP4 ส่วน dense เป็น FP8)

ผลในทางปฏิบัติคือใครที่รัน V4.1-Flash อยู่แล้วบน SGLang หรือโค้ดอ้างอิงใน inference/ สลับน้ำหนักได้เลยโดยไม่ต้องเปลี่ยนอะไร ฮาร์ดแวร์ขั้นต่ำก็ยังเป็นระดับ H200 แปดใบหรือ GB300 สี่ใบเหมือนเดิม ไม่ใช่โมเดลสำหรับเครื่องผู้บริโภค และรีโปยังไม่มี chat template แบบ Jinja ต้องใช้ encoding/encoding.py หรือไลบรารี deepseek-recipe เหมือนเดิม การเปลี่ยนแปลงทั้งหมดจึงอยู่ที่ post-training ไม่ใช่สถาปัตยกรรม

เบนช์มาร์ก: ขึ้นจริงหลายช่อง แต่ต้องอ่านตารางให้ครบ

ตัวเลขทั้งหมดเป็นผลที่ DeepSeek รายงานเอง ยังไม่มีผลวัดอิสระ

เบนช์มาร์ก	V4.1-Flash-1017	V4.1-Flash (ก.ย.)	Opus 5	GPT-5.6 Sol
Terminal-Bench 4.0	42.3	31.2	51.8	39.9
DeepSWE v1.1	77.0	74.2	74.0	73.0
ProgramBench	29.1	20.3	37.0	23.0
NL2Repo-Bench	68.2	65.4	75.3	56.8
HLE (ไม่มีเครื่องมือ)	42.6	36.8	56.3	44.5
Automation-Bench v1.0.6	60.5	54.8	50.3	45.8
Apex Bench v1.1	72.1	64.6	65.8	54.3
BabyVision (มีเครื่องมือ)	92.5	89.6	94.1	88.9

ภาพรวมคือขึ้นทุกช่อง และบน DeepSWE, Automation-Bench, Agents’ Last Exam (35.4) และ Apex Bench ตอนนี้อยู่เหนือ Opus 5 ในตารางของ DeepSeek เอง แต่มีสามข้อที่ควรรู้ก่อนเอาตัวเลขไปอ้าง

• ฮาร์เนสของ Terminal-Bench 4.0 เปลี่ยน การ์ดรุ่น 1017 เขียนว่า “We use the Claude Code harness for Terminal-Bench 4.0” ขณะที่การ์ดรุ่นแรกระบุว่ากระดาน code agent ทั้งหมดรันด้วย DeepSeek Harness โหมด Minimal และตัวเลข 31.2 ของรุ่นเก่าในตารางใหม่ก็เป็นค่าเดียวกับในการ์ดเดิม การ์ดไม่ได้บอกว่ารันรุ่นเก่าซ้ำด้วย Claude Code หรือไม่ ส่วนต่าง +11.1 จุดจึงอาจปนผลจากฮาร์เนสอยู่ด้วย
• ตัวเลขรุ่นเก่าถูกแก้เงียบ ๆ NL2Repo-Bench ของ V4.1-Flash ในการ์ดเดือนกันยายนคือ 64.0 แต่ตารางใหม่ใส่ 65.4
• กระดานที่รุ่นแรกเคยชนะหายไป ตารางใหม่ไม่มี Terminal-Bench 2.1 (ที่เคยได้ 90.6 สูงสุดในตาราง), Terminal-Bench 3.0, GPQA Diamond, CyberGym, MathArena Apex และ HLE แบบมีเครื่องมือ จึงบอกไม่ได้ว่ารุ่นใหม่ยังรักษาคะแนนบนกระดานเหล่านั้นไว้ได้หรือไม่

ส่วนคำอ้างว่า “ลดเวลาทำงานและความยาวเอาต์พุต” ทั้งการ์ดและ changelog ไม่มีตัวเลขประกอบ เลยสักตัว ข้อนี้นักพัฒนาต้องวัดเองจากบิลจริง

ฝั่ง API: ชื่อเดิม โมเดลใหม่ ไม่มีชื่อปักหมุด

ใครเรียก deepseek-flash อยู่ วันนี้ได้รุ่น 1017 ไปแล้วโดยไม่ต้องแก้โค้ด ราคายังเท่าเดิม (off-peak $0.15 / peak $0.30 ต่อ 1M โทเคนอินพุต cache miss, เอาต์พุต $0.60 / $1.20) changelog เขียนแค่ว่า “simply use deepseek-flash to access the latest model” และ ไม่ได้ประกาศชื่อแบบมีวันที่ไว้ปักหมุดรุ่นเดิม บน API ทางที่จะกลับไปใช้รุ่นก่อนได้คือรันน้ำหนักรุ่น 10 ก.ย. ซึ่งยังอยู่บน Hugging Face เอง ส่วนบน OpenRouter มีสลัก deepseek/deepseek-v4.1-flash-1017 แยกออกมาที่ $0.15/$0.60 ต่อ 1M โทเคน

DeepSeek ยังบอกว่าปรับจูนรุ่นนี้มาสำหรับ DeepSeek Harness, Tencent CodeBuddy และ WorkBuddy โดยเฉพาะ และแนะนำให้อัปเป็น DeepSeek Harness 0.2.1-rc.1 ขึ้นไป ซึ่งเป็น pre-release ที่ออกบน GitHub เมื่อ 05:22 UTC วันเดียวกัน (rc.2 ตามมาเวลา 08:16 UTC) รุ่นนี้เพิ่มการติดตั้งปลั๊กอินจากแหล่งดัชนีที่กำหนดเอง ชั้นความเข้ากันได้กับ Claude Code Mods แบบทดลอง และปลั๊กอิน Git Worktrees

Search & Fetch API: เสิร์ชของ DeepSeek เปิดให้เรียกตรง

เอกสาร Search & Fetch ระบุสอง endpoint ที่ใช้ API key เดียวกับโมเดล

• POST /v1/tools/search รับ query ยาว 1–128 ตัวอักษร คืนผลได้ 1–50 รายการ รองรับตัวดำเนินการ site:, -site:, lang:zh,en, after: และ before: แต่ละผลมี snippet 100–200 ตัวอักษรสำหรับแสดงใน UI, summary 600–800 ตัวอักษร “intended to be read by a model”, rerank_score 0–3 (≥1.5 ถือว่าคุณภาพสูง) และ authority 0–4 ที่ใส่ need_content: true เพื่อขอเนื้อหาทั้งหน้าได้
• POST /v1/tools/fetch รับ URL หนึ่งรายการแล้วคืนเนื้อหาเป็น Markdown ถ้าดึงไม่ได้จะได้ 404 และถ้าขัดนโยบายความปลอดภัยจะได้ 403

ราคา $0.75 ต่อ 1,000 ครั้งที่สำเร็จ ทั้งสองตัว คิดต่อคำขอไม่ใช่ต่อโทเคน และ count ไม่มีผลกับราคา คำขอที่ล้มเหลว หมดเวลา หรือได้ผลว่างเปล่า ไม่คิดเงิน เพดานคือ 5 QPS ต่อบัญชีแยกกันระหว่าง Search กับ Fetch

มีหนึ่งบรรทัดที่สำคัญสำหรับคนที่ใช้โมเดล DeepSeek ผ่านเอเจนต์อยู่แล้ว เอกสารบอกว่าเมื่อใช้ DeepSeek API ผ่าน DeepSeek Harness, Claude Code หรือ Codex การเรียกเครื่องมือฝั่งเซิร์ฟเวอร์ “already hit the Search and Fetch APIs” ซึ่งตอนนี้ยังฟรี แต่ จะเริ่มคิดเงินต่อครั้งตั้งแต่ 00:00 น. เวลาปักกิ่งวันที่ 1 พ.ย. 2026 (23:00 น. วันที่ 31 ต.ค. เวลาไทย) ใครปล่อยเอเจนต์ให้ค้นเว็บเองบ่อย ๆ ควรประเมินจำนวนครั้งต่อวันไว้ตั้งแต่ตอนนี้

มุมมอง AI Curator

รุ่น 1017 เป็นสัญญาณที่ดีสำหรับคนที่เลือก DeepSeek เป็นโมเดลเปิดหลัก เพราะได้น้ำหนักที่ดีขึ้นโดยไม่ต้องเปลี่ยนโครงสร้างระบบเลย และยังเป็น MIT แท้ที่ใช้เชิงพาณิชย์ได้โดยไม่มีเงื่อนไขพ่วง ซึ่งหายากขึ้นทุกเดือน แต่วิธีนำเสนอตัวเลขรอบนี้ควรอ่านอย่างระวัง การเปลี่ยนฮาร์เนสบนกระดานพาดหัว แก้ตัวเลขรุ่นเก่า และตัดกระดานที่เคยชนะออก ไม่ได้แปลว่าโมเดลไม่ดีขึ้น แต่แปลว่าตารางนี้ถูกจัดมาเพื่อเล่าเรื่อง ไม่ใช่เพื่อเทียบตรง ๆ ควรรอผลจาก Artificial Analysis หรือรัน eval ของตัวเองก่อนตัดสินใจย้ายงานสำคัญ

เรื่องที่สำคัญกว่าสำหรับทีมที่ใช้ API คือ การสลับโมเดลใต้ชื่อเดิมโดยไม่มีชื่อปักหมุด ถ้าคุณมีพรอมต์หรือ output parser ที่จูนกับพฤติกรรมของรุ่นเดือนกันยายน วันนี้มันเปลี่ยนไปแล้วโดยที่คุณไม่ได้กดอะไร ทีมไทยที่ใช้ DeepSeek ในงาน production ควรมีชุดทดสอบ regression ที่รันอัตโนมัติทุกวัน และถ้าต้องการความคงที่จริง ๆ ทางเดียวคือโฮสต์น้ำหนักเองหรือใช้ผู้ให้บริการที่แยกสลักตามเวอร์ชันอย่าง OpenRouter

Search & Fetch API น่าสนใจกว่าที่เห็น การคิดเงินเฉพาะคำขอที่ได้ผลจริงและ summary ที่ออกแบบให้โมเดลอ่านโดยตรงช่วยให้คุมต้นทุนของเอเจนต์ได้ง่าย แต่ต้องจำไว้ว่าดัชนีและการให้คะแนน “authority” เป็นของ DeepSeek เอง ซึ่งบอกว่ากรอง SEO spam, การปั่น GEO และเนื้อหา AI คุณภาพต่ำออกด้วยเกณฑ์ที่ไม่ได้เปิดเผย งาน RAG ที่ต้องการแหล่งข่าวภาษาไทยหรือหัวข้อที่อ่อนไหวทางการเมืองควรทดสอบความครอบคลุมก่อน และควรวางแผนงบสำหรับวันที่ 1 พ.ย. ที่การค้นผ่าน Claude Code หรือ Codex จะเริ่มมีค่าใช้จ่าย

แหล่งข่าว

• DeepSeek-V4.1-Flash-1017 — Hugging Face
• Change Log (2026-10-17) — DeepSeek API Docs
• Search & Fetch — DeepSeek API Docs
• DeepSeek Harness dsh-v0.2.1-rc.1 — GitHub