ศูนย์ข้อมูลมืดมีชั้นหน่วยความจำสี่ชั้นยุบเหลือหนึ่ง และทางออกสองเส้นหนาต่างกันสีอำพัน
aillmdeepseekinferenceagents

DeepSeek V4.1 Flash ลด KV Cache: ต้นทุน Agent อาจเปลี่ยนก่อนโมเดล Pro รุ่นถัดไปมา

พี่โชว์Engineering

DeepSeek V4.1 Flash เปิดตัว 10 กันยายน 2026 เป็นโมเดล MoE 552B parameters ที่ใช้สถาปัตยกรรม Causal Encoder–Decoder แบบไม่สมมาตร: ฝั่ง input activate 8B parameters และฝั่ง output 16B พร้อม native visual understanding

ตัวเลขที่กระทบงาน agent โดยตรงคือ KV cache เมื่อเทียบรุ่นก่อน DeepSeek ระบุว่าต้องใช้ HBM เพียงหนึ่งในสี่ และ SSD หนึ่งในแปด งานที่มี context ยาวหรือ cache hit บ่อยจึงอาจเห็นต้นทุนและ throughput เปลี่ยน แม้จำนวน parameter รวมยังใหญ่

สิ่งที่เปลี่ยนใน API วันนี้

โมเดลใหม่ใช้ชื่อ deepseek-flash ส่วน alias เก่า deepseek-v4-flash และ deepseek-v4-flash-vision-exp จะถูก route มายัง V4.1 Flash ชั่วคราว ที่สำคัญ ตั้งแต่ 04:00 UTC วันที่ 14 กันยายน คำขอ deepseek-v4-pro จะ route มายัง V4.1 Flash และคิดราคาแบบ Flash จนกว่า V4.1 Pro จะเปิด

นี่คือ migration ที่ behavior เปลี่ยนหลัง alias เดิมครับ ทีมที่ต้องการ reproducibility ไม่ควรดูเพียง string ของ model ใน log ควรเก็บ provider response metadata, เวลาเรียก, latency, token usage และผล eval ไว้ด้วย

Checklist ก่อนรับ routing ใหม่

  • รัน eval ชุดเดิมทั้ง text, vision และ tool use
  • แยก prefill latency ออกจาก decode latency
  • ตรวจ structured output และ retry behavior
  • ตั้ง cost alert ใหม่ตามราคา peak/off-peak
  • เก็บ golden tasks ที่ตรวจคุณภาพได้โดยคน ไม่พึ่ง benchmark ผู้ผลิตอย่างเดียว

DeepSeek รายงาน benchmark ว่า Flash เหนือ V4 Pro หลายด้าน แต่ตัวเลขนั้นมาจากผู้ผลิตและ third-party tests ที่สรุปในหน้าประกาศ จึงควรใช้เป็นสมมติฐานสำหรับทดลอง ไม่ใช่หลักฐานว่าทุก workload จะดีขึ้น

Recap

  • บันทึก effective model ไม่ใช่แค่ alias ที่ส่ง
  • rerun eval เพราะ routing ของ deepseek-v4-pro เปลี่ยนวันนี้
  • วัด HBM/cache benefit กับ context distribution จริง
  • แยกผลผู้ผลิตออกจากผลทดสอบของทีม