DeepSeek เปิดตัว R1-0528 อัปเดตใหญ่ ความแม่นยำในการให้เหตุผลพุ่งกระโดด เปิดซอร์สใช้เชิงพาณิชย์ได้ฟรี

เมื่อวันที่ 28 พฤษภาคม 2568 บริษัทสตาร์ทอัพ AI สัญชาติจีน DeepSeek ได้ประกาศผ่านโพสต์ใน WeChat อย่างเงียบๆ ถึงการเปิดตัวโมเดลให้เหตุผล (reasoning model) รุ่นอัปเดตครั้งใหญ่ของ R1 ในชื่อ «DeepSeek-R1-0528» พร้อมเผยแพร่ให้ดาวน์โหลดบน Hugging Face ในเวลาเดียวกัน การอัปเดตครั้งนี้ไม่มีงานแถลงข่าวใหญ่โต ไม่มีบล็อกโพสต์ทางการยาวเหยียด แต่กลับมีตัวเลขผลทดสอบที่โดดเด่นมาก

DeepSeek-R1-0528 ยังคงใช้สถาปัตยกรรมเดิมของ R1 ต่อยอดจากโมเดล DeepSeek-V3 Base โดยมีจำนวนพารามิเตอร์รวม 671,000 ล้านตัว ข้อมูลสำคัญที่บริษัทเปิดเผยระบุว่า ในการทดสอบโจทย์ AIME (การแข่งขันคณิตศาสตร์เชิญของสหรัฐฯ) ความแม่นยำเฉลี่ยของโมเดลเพิ่มขึ้นจาก 70% ในรุ่นก่อนหน้า เป็น 87.5% ขณะเดียวกัน จำนวน token เฉลี่ยที่ใช้ในการแก้โจทย์แต่ละข้อก็เพิ่มขึ้นจากประมาณ 12,000 token เป็น 23,000 token เกือบเท่าตัว กล่าวอีกนัยหนึ่งคือ โมเดลรุ่นใหม่ «คิดนานขึ้นและคิดแม่นขึ้น» โดยใช้ทรัพยากรการประมวลผลมากขึ้นเพื่อสร้างห่วงโซ่การให้เหตุผลที่ลึกซึ้งกว่าเดิม แลกกับความเสี่ยงที่จะให้ข้อมูลผิดพลาด (hallucination) ที่ลดลงอย่างมาก นอกจากนี้ R1-0528 ยังเพิ่มการรองรับฟังก์ชัน «system prompt» และไม่จำเป็นต้องใช้แท็กเฉพาะเพื่อบังคับให้โมเดลแสดงกระบวนการให้เหตุผลแบบเต็มรูปแบบอีกต่อไป ทำให้ใช้งานได้ยืดหยุ่นใกล้เคียงกับโมเดลภาษาขนาดใหญ่เชิงพาณิชย์ทั่วไป โมเดลทั้งหมดเผยแพร่ภายใต้สัญญาอนุญาต MIT ซึ่งอนุญาตให้นำไปใช้เชิงพาณิชย์ได้

«คิดนานขึ้น» แลกกับ «ตอบแม่นขึ้น»: ต้นทุนทรัพยากรของโมเดลให้เหตุผล

ตัวเลขของ R1-0528 เผยให้เห็นแนวโน้มสำคัญของโมเดล AI เชิงเหตุผลในปัจจุบัน นั่นคือความแม่นยำที่เพิ่มขึ้นมักมาพร้อมต้นทุนการประมวลผลที่สูงขึ้นโดยตรง การใช้ token เพิ่มขึ้นเกือบเท่าตัวหมายถึงเวลาตอบสนองที่นานขึ้นและการใช้พลังประมวลผลที่มากขึ้น ซึ่งเป็นต้นทุนจริงที่องค์กรต้องนำมาพิจารณา ไม่ใช่เพียงแค่ «โมเดลฉลาดขึ้น» อย่างที่คิด นี่จึงอธิบายได้ว่าทำไม DeepSeek จึงเลือกเปิดตัวแบบเงียบๆ แทนที่จะโหมประชาสัมพันธ์ เพราะนี่คือการปรับปรุงเชิงวิศวกรรมที่แน่นหนา มากกว่าการเปิดตัวผลิตภัณฑ์เพื่อสร้างกระแส

เทียบกับรุ่นก่อนหน้าและตลาด

เมื่อเทียบกับ R1 รุ่นแรกที่เปิดตัวเมื่อมกราคม 2568 (ซึ่งขณะนั้นสร้างความฮือฮาด้วยต้นทุนการฝึกที่ต่ำกว่า OpenAI o1 มาก) R1-0528 พิสูจน์ว่าทีม DeepSeek ยังคงลงทุนอย่างต่อเนื่องในเทคนิคการปรับแต่งหลังการฝึก (post-training) ไม่ใช่แค่กระแสชั่วครั้งชั่วคราว การเปิดซอร์สภายใต้สัญญาอนุญาต MIT และอนุญาตให้ใช้เชิงพาณิชย์ ยังคงสอดคล้องกับกลยุทธ์ตลาด «เปิดกว้างเพื่อทุกคน» ของ DeepSeek ซึ่งตัดกันชัดเจนกับโมเดลให้เหตุผลของค่ายอื่นในช่วงเวลาเดียวกันที่ค่อยๆ เปลี่ยนไปเป็นแบบปิดและระบบสมัครสมาชิก (เช่น OpenAI o3/o4-mini) และยังคงกดดันโครงสร้างราคาและรูปแบบการอนุญาตใช้งานของตลาดโมเดลให้เหตุผลทั้งหมดต่อไป

ปฏิกิริยาในวงการ: เปิดตัวเงียบๆ กลับน่าเชื่อถือกว่า

การเลือกประกาศผ่านโพสต์ WeChat แทนที่จะเป็นแถลงข่าวทางการหรืองานเปิดตัว ถูกนักสังเกตการณ์บางส่วนตีความว่าเป็นท่าทีมั่นใจแบบ «ให้ตัวเลขพูดแทน» ไม่ต้องอาศัยการตลาด เพียงเปิดให้ดาวน์โหลดและเปิดเผยผลทดสอบต่อสาธารณะ ก็ให้ชุมชนนักพัฒนาตรวจสอบได้ด้วยตนเอง วิธีการเปิดตัวเช่นนี้ยังตอกย้ำความแตกต่างระหว่างระบบนิเวศ AI แบบเปิดซอร์สกับจังหวะการเปิดตัวของบริษัทเทคโนโลยียักษ์ใหญ่แบบดั้งเดิม คือความถี่ในการอัปเดตสูง ความโปร่งใสของข้อมูลสูง แต่ก็ต้องอาศัยผู้ใช้คอยติดตามการเปลี่ยนแปลงเวอร์ชันและความเข้ากันได้ด้วยตนเอง

สำหรับผู้บริหาร ความหมายของข่าวนี้ไม่ได้อยู่ที่ «มีโมเดลให้เลือกใช้เพิ่มอีกหนึ่งตัว» แต่อยู่ที่เกณฑ์ความแม่นยำของ AI เชิงเหตุผลกำลังถูกยกระดับขึ้นอย่างรวดเร็ว งานที่เคยถูกมองว่า «AI มักผิดพลาด เชื่อถือได้ไม่เต็มที่» เช่น การวิเคราะห์ข้อมูล การให้เหตุผลเชิงตรรกะ หรือการตรวจเอกสารที่ซับซ้อน ปัจจุบันความเสี่ยงในการผิดพลาดลดลงอย่างมีนัยสำคัญแล้ว จึงควรพิจารณาว่าสามารถมอบหมายงานวิเคราะห์ภายในหรือการตอบคำถามลูกค้าบางส่วนให้โมเดลให้เหตุผลแบบเปิดซอร์สรับผิดชอบได้หรือไม่ พร้อมทั้งจับตาต้นทุนการประมวลผลที่จะเพิ่มขึ้นตามมาด้วย