DeepSeek เปิดตัว V3.2-Exp รุ่นทดลอง กลไก Sparse Attention ลดต้นทุนประมวลผลลงครึ่งหนึ่ง

เมื่อวันที่ 30 กันยายน 2025 ห้องปฏิบัติการ AI สัญชาติจีน DeepSeek ได้เปิดตัวโมเดลรุ่นทดลองล่าสุด DeepSeek-V3.2-Exp ซึ่งต่อยอดจาก DeepSeek-V3.1-Terminus ที่เปิดตัวไปก่อนหน้านี้ในเดือนกันยายน โดยทางบริษัทระบุชัดเจนในเอกสารทางเทคนิคว่าโมเดลนี้เป็น “ขั้นตอนกลางสู่สถาปัตยกรรมโมเดลรุ่นถัดไป” ไม่ใช่การอัปเดตใหญ่อย่างเป็นทางการ

จุดเด่นทางเทคนิคที่สำคัญที่สุดของการเปิดตัวครั้งนี้ คือการนำ DSA (DeepSeek Sparse Attention หรือกลไก Sparse Attention) มาใช้เป็นครั้งแรกในโมเดลของ DeepSeek ตามข้อมูลที่บริษัทเปิดเผย DSA ช่วยให้โมเดลไม่ต้องประมวลผลทุกส่วนของข้อความที่ป้อนเข้ามาด้วยปริมาณงานที่เท่ากันเมื่อต้องจัดการเอกสารยาวหรือบทสนทนายาว แต่จะเลือกโฟกัสเฉพาะส่วนที่เกี่ยวข้องจริง ผลลัพธ์คือความสามารถในการประมวลผลเนื้อหายาวดีขึ้น ขณะเดียวกันต้นทุนการประมวลผลลดลงเกือบครึ่งหนึ่ง

ความหมายทางเทคนิค: การเปลี่ยนผ่านสู่ประสิทธิภาพของกลไก Attention

สถาปัตยกรรม Transformer แบบมาตรฐานมีปริมาณการประมวลผลที่เพิ่มขึ้นแบบยกกำลังสองตามความยาวของอินพุต ยิ่งเอกสารยาว ภาระการประมวลผลยิ่งหนัก นี่คือจุดอ่อนของโมเดลภาษาขนาดใหญ่มาโดยตลอดเมื่อต้องรับมือกับเอกสารหรือบทสนทนายาว แนวคิดของ Sparse Attention คือการให้โมเดลเรียนรู้ว่า “ควรมองตรงไหน” แทนที่จะ “มองทุกคำด้วยน้ำหนักเท่ากัน” เพื่อใช้ทรัพยากรการประมวลผลน้อยลงแต่ได้ผลลัพธ์ใกล้เคียงเดิม การที่ DeepSeek นำแนวทางเทคนิคนี้มาใช้จริงกับโมเดลที่ใช้งานได้ ถือเป็นก้าวสำคัญด้านวิศวกรรมประสิทธิภาพ ไม่ใช่เพียงการเพิ่มจำนวนพารามิเตอร์ให้ใหญ่ขึ้น

เทียบกับรุ่นก่อน: ประสิทธิภาพใกล้เคียงเดิม ต้นทุนลดลงครึ่งหนึ่ง

ข้อมูลอย่างเป็นทางการแสดงให้เห็นว่าประสิทธิภาพโดยรวมของ V3.2-Exp ใกล้เคียงกับ V3.1-Terminus โดยไม่มีความก้าวหน้าที่ชัดเจน จุดนี้สำคัญมาก เพราะประเด็นหลักของการเปิดตัวครั้งนี้ไม่ใช่ “ฉลาดขึ้น” แต่คือ “ใช้ต้นทุนครึ่งเดียวทำได้ใกล้เคียงเดิม” สำหรับแอปพลิเคชันที่ต้องเรียกใช้โมเดลจำนวนมากเพื่อประมวลผลเนื้อหายาว เช่น การสรุปเอกสารจำนวนมาก หรือบันทึกบทสนทนาบริการลูกค้าที่ยาว โมเดลรุ่นที่ประสิทธิภาพใกล้เคียงเดิมแต่ต้นทุนลดลงเช่นนี้ อาจมีคุณค่าการใช้งานจริงมากกว่ารุ่นที่ประสิทธิภาพดีขึ้นเล็กน้อย

ปฏิกิริยาในวงการ: สัญญาณจากรุ่นเปลี่ยนผ่าน

การที่ DeepSeek กำหนดตำแหน่ง V3.2-Exp เองว่าเป็น “รุ่นทดลอง” และ “ขั้นตอนเปลี่ยนผ่าน” แทนที่จะเป็นรุ่นเรือธงอย่างเป็นทางการ วิธีการตั้งชื่อและวางตำแหน่งอย่างระมัดระวังเช่นนี้ ถูกมองว่าเป็นสัญญาณว่ากลไก Sparse Attention มีแนวโน้มสูงที่จะกลายเป็นสถาปัตยกรรมหลักของโมเดลรุ่นถัดไปของ DeepSeek โดยการเปิดตัวครั้งนี้เหมือนเป็นการทดสอบความเป็นไปได้ทางเทคนิคกับชุมชนนักพัฒนาก่อน

ความหมายสำหรับผู้บริหาร

เมื่อต้นทุนการประมวลผลของโมเดล AI ลดลงอย่างต่อเนื่อง หมายความว่าในอนาคตการนำ AI มาใช้จัดการงานที่ต้องประมวลผลเอกสารยาว บันทึกการประชุมยาว หรือบทสนทนาลูกค้ายาว จะมีต้นทุนเข้าถึงที่ต่ำลงเรื่อยๆ ผู้บริหารควรจับตาดูว่าแอปพลิเคชัน AI สำหรับวิเคราะห์เอกสารยาว เช่น การตรวจสอบสัญญาทั้งฉบับ หรือสรุปบันทึกการประชุมทั้งไตรมาส จะมีความคุ้มค่าในการใช้งานที่ดีขึ้นอย่างชัดเจนในอนาคตอันใกล้ ควรวางแผนล่วงหน้าสำหรับจังหวะการนำมาใช้