DeepSeek ដាក់ចេញ V4-Flash-0731៖ បណ្តុះបណ្តាលរចនាសម្ព័ន្ធដើមឡើងវិញ សមត្ថភាពភ្នាក់ងារកើនឡើងទ្វេដង

នាថ្ងៃចុងក្រោយនៃខែកรกฎาคม បណ្តាញជូនដំណឹង GitHub របស់វិស្វករไต้หวันជាច្រើនបានលោតសារដូចគ្នា៖ DeepSeek បានធ្វើបច្ចុប្បន្នភាពហើយ។

គ្មានសន្និសីទសារព័ត៌មាន គ្មានការជូនដំណឹងជាមុន ទម្ងន់ប៉ារ៉ាម៉ែត្រ (Weights) ត្រូវបានដាក់ឡើងទៅលើ Hugging Face ផ្ទាល់តែម្តង។

អ្វីដែលគួរឱ្យចាប់អារម្មណ៍គឺតารางលក្ខណៈបច្ចេកទេស—ប៉ារ៉ាម៉ែត្រសរុប 284B, ប៉ារ៉ាម៉ែត្រដំណើរការ 13B ដែលដូចគ្នាបេះបិទទៅនឹងកំណែខែមេសា។ ស្ថាបត្យកម្មមិនបានប្តូរ ទំហំក៏មិនបានរីកធំ។ ប៉ុន្តែពិន្ទុលើភារកិច្ចភ្នាក់ងារ (Agent tasks) គឺបានកើនឡើងទ្វេដងជិតឈានដល់។

បរិបទនៃព្រឹត្តិការណ៍

ស៊េរី V4 របស់ DeepSeek ត្រូវបានដាក់បង្ហាញជាផ្លូវការនៅថ្ងៃទី 24 ខែមេសា ឆ្នាំ 2026 ដោយឯកសារផ្លូវការបានរៀបរាប់ពីម៉ូឌែលពីរ៖ V4-Pro មានប៉ារ៉ាម៉ែត្រសរុប 1.6T និងដំណើរការ 49B ដែលប្រកួតប្រជែងជាមួយម៉ូឌែលបិទប្រភព (Closed-source) ជួរមុខ ចំណែកឯ V4-Flash មានប៉ារ៉ាម៉ែត្រសរុប 284B និងដំណើរការ 13B ដែលផ្តោតលើល្បឿនលឿន និងសន្សំសំចៃ។ ម៉ូឌែលទាំងពីរមកជាមួយបរិបទ 1 លានតូខេន (Token) ជាស្តង់ដារ គាំទ្រទាំងរបៀបគិត (Thinking mode) និងរបៀបមិនគិត ក៏ដូចជា இសម្របខ្លួនជាមួយទ្រង់ទ្រាយ API របស់ OpenAI ChatCompletions និង Anthropic ផងដែរ។ សេចក្តីប្រកាសដដែលនោះក៏បានប្រកាសផងដែរថា deepseek-chat និង deepseek-reasoner ចាស់ នឹងត្រូវបឈ្ចប់សេវាកម្មបន្ទាប់ពីថ្ងៃទី 24 ខែកรกฎาคม ឆ្នាំ 2026។

ការអាប់ដេតកាលពីថ្ងៃទី 31 ខែកรกฎាคม គឺផ្តោតលើខ្សែស្រឡាយ V4-Flash នេះឯង ដោយมีលេខកូដកំណែ 0731។

ចំណុចសំខាន់ៗនៃលើកនេះ

• ស្ថាបត្យកម្មមិនប្រែប្រួលទាំងស្រុង៖ នៅតែជាម៉ូឌែល MoE (Mixture of Experts) ដែលមានប៉ារ៉ាម៉ែត្រសរុប 284B និងដំណើរការ 13B ហើយភាគីផ្លូវការបានបញ្ជាក់យ៉ាងច្បាស់ថាការរីកចម្រើនគឺបានមកจากการធ្វើការបណ្តុះបណ្តាលបន្ថែម (Post-training) ឡើងវិញ មិនមែនមកจากการរចនាថ្មីនោះទេ។
• សមត្ថភាពភ្នាក់ងារ (Agent capabilities) ត្រូវបានលើកកម្ពស់យ៉ាងខ្លាំង៖ ពិន្ទុ Terminal-Bench 2.1 ទទួលបាន 82.7 ខណៈដែលកំណែቅាយ៉ាងមុនក្នុងខែមេសាទទួលបាន 61.8។
• ភារកិច្ចសរសេរកូដមានការរីកចម្រើនស្របគ្នា៖ ពិន្ទុ DeepSWE ទទួលបាន 54.4។
• វ៉ាដាច់ម៉ូឌែលផ្ទាល់ខ្លួនដែលមានទំហំធំជាង៖ លើរាល់ការវាយតម្លៃភ្នាក់ងារដែលបានផ្សាយដោយ DeepSeek គឺសុទ្ធតែឈ្នះកំណែቅាយ៉ាង V4-Pro ទាំងអស់។
• ទម្ងន់ប៉ារ៉ាម៉ែត្រប្រើប្រាស់អាជ្ញាប័ណ្ណ MIT៖ ដាក់បង្ហោះលើ Hugging Face ដោយផ្ទាល់ ដែលជាអាជ្ញាប័ណ្ណបើកចំហរ (Open-source) ប่อนបែនបំផុតមួយបច្ចុប្បន្ន។
• API គាំទ្រទ្រង់ទ្រាយ Responses API ជាទម្រង់ដើម (Native) និងត្រូវបានសម្របសម្រួលសម្រាប់ Codex។

ហេតុអ្វីបានជា «ការយកស្ថាបត្យកម្មเดิมมาฝึกใหม่ (យកស្ថាបត្យកម្មដដែលមកបណ្តុះបណ្តាលឡើងវិញ)» គួរឱ្យកត់សម្គាល់ជាង?

ក្នុងរយៈពេលពីរឆ្នាំកន្លងមកនេះ សាច់រឿងនៃការធ្វើឱ្យម៉ូឌែលកាន់តែខ្លាំងគឺស្ទើរតែទាំងអស់សុទ្ធតែជា «ប៉ារ៉ាម៉ែត្រកាន់តែធំ ទិន្នន័យកាន់តែច្រើន កម្លាំងគណនាកាន់តែថ្លៃ»។ ប៉ុន្តែលើកនេះមិនមែនទេ។

ចំណុចនេះរបស់ DeepSeek បានបញ្ជាក់ការពិតមួយ៖ ការធ្វើការបណ្តុះបណ្តាលបន្ថែម (Post-training) ឱ្យត្រូវវិធីសាស្ត្រនៅលើស្ថាបត្យកម្មដែលមានស្រាប់ អាចផ្តល់ផលចំណេញคุ้มជាងការបង្កើនប៉ារ៉ាម៉ែត្រទៅទៀត។ ពី 61.8 ដល់ 82.7 កម្រិតនៃការកើនឡើងនេះប្រសិនបើដាក់ក្នុងកំណែអាប់ដេតណាមួយក៏ចាត់ទុកថាជាព័ត៌មានធំដែរ ហើយវាមិនបានចំណាយប្រាក់សូម្បីតែមួយសេនលើការស្រាវជ្រាវស្ថាបត្យកម្មឡើយ។

អត្ថន័យសម្រាប់ឧស្សាហកម្មទាំងមូលគឺ៖ ការប្រកួតប្រជែងសមត្ថភាពម៉ូឌែលកំពុងប្តូរពី «នរណាមีម៉ូឌែលធំជាង» ទៅជា «នរណាយល់ដឹងច្បាស់ជាងពីរបៀបបណ្តុះបណ្តាលភ្នាក់ងារ (Agent)»។ កម្រិតរាំងស្អែកនៃផ្នែកទីពីរគឺទាបជាងច្រើន ហើយក៏មានន័យថា ឱកាសដេញតាមរបស់ក្រុមមកក្រោយគឺធំជាងអ្វីដែលយើងគិតទៅទៀត។

និយាយឱ្យត្រង់ទៅ ខ្ញុំគិតថាចំណុចនេះសំខាន់ជាងការមានម៉ូឌែលធំជាងមួយទៀតទៅទៀត។

ការវិភាគផលប៉ះពាល់លើទីផ្សារ

ចំពោះអ្នកប្រើប្រាស់នៅไต้หวัน (Taiwan)

អ្នកប្រើប្រាស់ទូទៅនឹងមិនមានអារម្មណ៍ផ្ទាល់ក្នុងរយៈពេលខ្លីនោះទេ ប៉ុន្តែតាមរយៈសេវាកម្មភាគីទីបីផ្សេងៗដែលបានតភ្ជាប់ជាមួយ DeepSeek អ្នកនឹងមានអារម្មណ៍ថា «ជំនួយការ AI ចេះបញ្ចប់កិច្ចការដោយខ្លួនឯងច្រើនជាងមុន»។ នេះគឺជាការឆ្លុះបញ្ចាំងដោយផ្ទាល់នៃការកើនឡើងនូវសមត្ថភាពភ្នាក់ងារ—កាត់បន្ថយការ «ខ្ញុំរាយបញ្ជីជំហានឱ្យអ្នក» ហើយបង្កើនការ «ខ្ញុំធ្វើរួចហើយ លទ្ធផលនៅទីនេះ»។

ផលប៉ះពាល់លើតម្លៃក៏គួរត្រូវយកចិត្តទុកដាក់ផងដែរ។ ម៉ូឌែលដែលបើកចំហរប្រភព (Open-source) និងមានប្រសិទ្ធភាពខ្ពស់ នឹងបន្តกดតម្លៃ API លើទីផ្សារទាំងមូលចុះក្រោម ដែលជារឿងល្អសម្រាប់សហគ្រាសខ្នាតតូច និងមធ្យម (SMEs) ក៏ដូចជាអ្នកអភិវឌ្ឍន៍ឯកជននៅតៃវ៉ាន់។

ចំពោះកម្មវិធីសហគ្រាសនៅតៃវ៉ាន់

ឱកាសពិតប្រាកដគឺស្ថិតនៅលើ អធិបតេយ្យភាពទិន្នន័យ (Data Sovereignty)។

អាជ្ញាប័ណ្ណ MIT រួមជាមួយទម្ងន់ប៉ារ៉ាម៉ែត្រដែលអាចទាញយកបាន មានន័យថាជាទ្រឹស្តី អ្នកអាចដាក់ម៉ូឌែលដំណើរការក្នុងម៉ាស៊ីនបម្រើ (Server) ផ្ទាល់ខ្លួនរបស់អ្នក ដោយទិន្នន័យមិនចេញទៅក្រៅប្រទេសឡើយ។ សម្រាប់វិស័យហិរញ្ញវត្ថុ វេជ្ជសាស្ត្រ និងច្បាប់ដែលស្ថិតក្រោមការត្រួតពិនិត្យយ៉ាងតឹងរ៉ឹង នេះគឺជាสิ่งที่ API បិទប្រភពមិនអាចផ្ដល់ជូនបានទេ។

ប៉ុន្តែត្រូវនិយាយឱ្យច្បាស់អំពីតម្លៃដែលត្រូវបង់។ ម៉ូឌែលប៉ារ៉ាម៉ែត្រសរុប 284B ទោះបីជាដំណើរការត្រឹម 13B ក៏ដោយ ការផ្ទុកទម្ងន់ប៉ារ៉ាម៉ែត្រនៅតែត្រូវការអង្គចងចាំក្រាហ្វិក (VRAM) ច្រើនសមរម្យ ដែលក្នុងករណីភាគច្រើនត្រូវការពហុម៉ាស៊ីនបម្រើកម្រិត hardware អាជីវកម្ម រួមទាំងកម្លាំងពលកម្មថែទាំផងដែរ។ សម្រាប់សហគ្រាសខ្នាតតូច និងមធ្យមភាគច្រើននៅតៃវ៉ាន់ ការប្រើប្រាស់ API ឬ Cloud hosting នៅតែមានតម្លៃសមរម្យជាង។

សេណារីយ៉ូដែលពិតជាគួរកសាងម៉ាស៊ីនខ្លួនឯងមានតែមួយគត់គឺ៖ ទិន្នន័យមិនត្រូវចេញទៅក្រៅជាដាច់ខាត ហើយបរិមាណប្រើប្រាស់គឺច្រើនគ្រប់គ្រាន់ដើម្បីទូទាត់តម្លៃ Hardware។ លក្ខខណ្ឌទាំងពីរនេះខ្វះ១មិនបានទេ។

ក្រៅពីនេះត្រូវរំលឹកពីផ្នែកសន្តិសុខព័ត៌មាន និងការអនុលោមភាព (Compliance)៖ ការប្រើប្រាស់ម៉ូឌែលរបស់ក្រុមហ៊ុនដែលមានដើមកំណើតចិន គឺមានវិធានការបទប្បញ្ញត្តិបន្ថែមសម្រាប់វិស័យខ្លះ និងការទិញយករបស់រដ្ឋាភិបាល។ មុនពេលដាក់បញ្ចូល សូមធ្វើការបញ្ជាក់ជាមុននូវច្បាប់ទម្លាប់នៃវិស័យដែលអ្នកស្ថិតនៅ កុំចាំទាល់តែពេលត្រួតពិនិត្យ (Audit) ទើបរកឃើញបញ្ហា។

ចំពោះអ្នកអភិវឌ្ឍន៍

រឿងជាក់ស្តែងចំនួនបីដែលត្រូវធ្វើ៖

១. ប្រសិនបើអ្នកកំពុងបង្កើត agent កំណែនេះគឺคุ้มค่าในการធ្វើតេស្តឡើងវិញ (worth re-testing)។ ការកើនឡើងនៃសមត្ថភាពភ្នាក់ងារមិនមែនជាតួលេខទីផ្សារទេ។ Terminal-Bench វាស់ស្ថាបនានូវសមត្ថភាពបំពេញភារកិច្ចជាក់ស្តែងក្នុងបរិយាកាស Terminal ដែលជិតស្និទ្ធខ្លាំងទៅនឹងកន្លែងកើតហេតុរបស់ agent ពិតប្រាកដ។ យកភារកិច្ចផ្ទាល់ខ្លួនរបស់អ្នកមកដំណើរការសាកល្បងមើលថាតើអាចជំនួសម៉ូឌែលដែលមានស្រាប់បានដែរឬទេ។

២. ភាពឆបគ្នានៃទ្រង់ទ្រាយ API ជួយកាត់បន្ថយការចំណាយក្នុងការប្តូរ។ ភាពឆបគ្នាជាមួយទ្រង់ទ្រាយ OpenAI ChatCompletions និង Anthropic រួមជាមួយនឹងការគាំទ្រResponses API ជាទម្រង់ដើមលើកនេះ មានន័យថាអ្នកអាចប្រៀបធៀបម៉ូឌែលផ្សេងៗគ្នាដោយការកែប្រែតិចតួចបំផុត។ ប្រសិនបើអ្នកចង់ប្រៀបធៀបតម្លៃ និងប្តូរម៉ូឌែលច្រើន មេរៀន OpenRouter គឺជាចំណុចចាប់ផ្តើមដ៏មានប្រយោជន៍។

៣. កុំមើលត្រឹមពិន្ទុដែលក្រុមហ៊ុនផលិតប្រកាស។ នេះជារឿងនិយាយដដែលៗតែតែងតែមានអ្នកភ្លាត់ស្នៀតជានិច្ច។ បរិយាកាសធ្វើតេស្តនៃពិន្ទុវាយតម្លៃ ការរចនា prompt និងយុទ្ធសាស្ត្រព្យាយាមឡើងវិញសុទ្ធតែអាចប៉ះពាល់ដល់លទ្ធផល ម៉ូឌែលតែមួយនៅដៃមនុស្សផ្សេងគ្នាអាចមានពិន្ទុខុសគ្នារាប់ដង។ ការយកភារកិច្ចផ្ទាល់ខ្លួនមកធ្វើតេស្ត គឺជាការវាយតម្លៃតែមួយគត់ដែលមានអត្ថន័យ។

แนวโน้มการพัฒนาในอนาคត (និន្នាការអភិវឌ្ឍន៍នាពេលអនាគត)

១. ការបណ្តុះបណ្តាលបន្ថែម (Post-training) នឹងក្លាយជាសមរភូមិប្រកួតប្រជែងថ្មី។ នៅពេលដែលផលចំណេញពីការថយចុះនៃរឹមស្ថាបត្យកម្ម (Marginal benefit of architecture) ធ្លាក់ចុះ វិធីសាស្ត្របណ្តុះបណ្តាលនឹងក្លាយជាប្រភពបង្កើតភាពខុសគ្នា (Differentiation)។ នេះក៏មានន័យថា ល្បឿននៃការចេញកំណែថ្មីរបស់ម៉ូឌែលនឹងកាន់តែលឿន—ដោយមិនបាច់បណ្តុះបណ្តាលទុកជាមុន (Pre-training) ឡើងវិញទេ គ្រាន់តែប្តូររូបមន្ត post-training គឺអាចចេញកំណែថ្មីបានហើយ។

២. គម្លាតរវាងប្រភពបើកចំហរ និងបិទប្រភពនឹងត្រូវបានលុបបំបាត់ចោលលើភារកិច្ចជាក់លាក់។ សមត្ថភាពទូទៅអាចនៅមានគម្លាត ប៉ុន្តែក្នុងវិស័យដែលអាចវាស់ស្ថាបនាយางច្បាស់លាស់ដូចជា «ការសរសេរកូដ» និង «ការដំណើរការភ្នាក់ងារ» គឺល្បឿនដេញតាមរបស់ម៉ូឌែលបើកចំហរគឺលឿនណាស់។ នេះជាដំណឹងល្អសម្រាប់សហគ្រាសដែលចង់គ្រប់គ្រងការចំណាយ។

៣. ការជ្រើសរើសម៉ូឌែលនឹងក្លាយជាការសម្រេចចិត្តផ្នែកវិស្វកម្ម មិនមែនជាការសម្រេចចិត្តផ្នែកយីហោ (Brand) ឡើយ។ នៅពេលដែលការចំណាយលើការប្តូរធ្លាក់ចុះទាបខ្លាំង ការជ្រើសរើសម៉ូឌែលណាមຶ່ງនឹងត្រឡប់មកវិញនូវសំណួរថា «តើមួយណាដំណើរការល្អលើភារកិច្ចរបស់ខ្ញុំ និងមានតម្លៃថោក?»។ នេះជារឿងល្អសម្រាប់សហគ្រាសតៃវ៉ាន់—លែងត្រូវភ្នាល់លើអ្នកផ្គត់ផ្គង់តែម្នាក់ទៀតហើយ។

សេចក្តីសន្និដ្ឋាន និងមតិយោបល់ពី TheAI學院

ការអាប់ដេតលើកនេះគ្មានសន្និសីទសារព័ត៌មានដ៏អធិកអធមទេ ប៉ុន្តែវាបានเล่าរឿងដ៏សំខាន់មួយ៖ ការរីកចម្រើនរបស់ AI មិនចាំបាច់ពឹងផ្អែកលើ Hardware ដែលថ្លៃជាងនោះទេ។

ស្ថាបត្យកម្មដដែល ចំនួនប៉ារ៉ាម៉ែត្រដដែល ធ្វើការបណ្តុះបណ្តាលបន្ថែមឡើងវិញម្តង សមត្ថភាពភ្នាក់ងារបានកើនពី 61.8 ដល់ 82.7។ នេះគឺជាដំណឹងដ៏លើកទឹកចិត្តខ្លាំងណាស់សម្រាប់ក្រុមដែលមិនមានកម្លាំងគណនារាប់មិនអស់។

មតិយោបល់៖ នៅពេលដែលតម្លៃនៃការ «ធ្វើការបណ្តុះបណ្តាលឱ្យត្រូវ» ចាប់ផ្តើមលើសពីការ «ធ្វើឱ្យម៉ូឌែលកាន់តែធំ» ការប្រកួតប្រជែងនេះបានប្តូរពីល្បែងទុនវិនិយោគត្រឡប់មកជាបញ្ហាវិស្វកម្មវិញ។ ហើយចំពោះបញ្ហាវិស្វកម្ម ក្រុមការងារតៃវ៉ាន់មិនដែលខ្លាចនោះឡើយ។

យោបល់ជាក់ស្តែងសម្រាប់ผู้อ่านជនជាតិไต้หวัน៖ ប្រសិនបើអ្នកកំពុងអភិវឌ្ឍកម្មវិធី AI សូមចំណាយពេលមួយម៉ោងក្នុងសប្តាហ៍នេះដើម្បីធ្វើរឿងមួយ—ប្តូរម៉ូឌែលដែលអ្នកកំពុងប្រើបច្ចុប្បន្នមកជាកំណែនេះដើម្បីដំណើរការភារកិច្ចស្នូលរបស់អ្នកម្តង រួចកត់ត្រាការចំណាយ និងអត្រាជោគជ័យ។ មិនបាច់ជឿពិន្ទុវាយតម្លៃណាមួយឡើយ តួលេខដែលចេញមកពីភារកិច្ចរបស់អ្នកផ្ទាល់ទើបជាការពិត។ ចំពោះការដាក់បញ្ចូលក្នុងសហគ្រាស សូមធ្វើការបញ្ជាក់ជាមុននូវតម្រូវការអនុលោមភាពនៃប្រភពម៉ូឌែលក្នុងវិស័យរបស់អ្នក មុននឹងនិយាយពីការវាយតម្លៃបច្ចេកទេស។

អានបន្ថែម៖ ការវិភាគការដាក់ឱ្យដំណើរការ Claude Opus 5 អាចប្រៀបធៀបជាមួយគន្លងផ្លូវរបស់បក្សពួកបិទប្រភព; ចង់យល់ពីការអនុវត្ត AI Agent សូមមើល មគ្គុទ្ទេសក៍អនុវត្ត AI Agent; ចំពោះវឌ្ឍនភាពនៃម៉ូឌែលឯករាជ្យរបស់តៃវ៉ាន់ អាចយោងទៅលើ ស្ថានភាពបច្ចុប្បន្នរបស់ Yating និង TAIDE។

ប្រភពទិន្នន័យ

• ឯកសារ API ផ្លូវការរបស់ DeepSeek៖ សេចក្តីប្រកាសដាក់ឱ្យដំណើរការស៊េរី V4
• Hugging Face៖ សេចក្តីប្រកាសដាក់ឱ្យដំណើរការ DeepSeek-V4-Flash-0731
• [MarkTechPost៖ DeepSeek ធ្វើបច្ចុប្បន្ន