العربية Deutsch English Español Français 日本語 한국어 Latina Bahasa Melayu Português (Brasil)Русский ไทย Tiếng Việt 繁體中文中文

DeepSeek V4.1 Flash 1017: DeepSWE 77% และการใช้ API

17 ตุลาคม 2569

DeepSeekV4.1 Flash 1017Agent เขียนโค้ดการเชื่อมต่อ API

DeepSeek V4.1 Flash 1017: DeepSWE 77% และการใช้ API cover

DeepSeek-V4.1-Flash-1017 คือรุ่นอัปเดตของ V4.1 Flash ที่ DeepSeek เปิดตัวเมื่อวันที่ 17 ตุลาคม 2026 เว็บไซต์ แอป และ API ทางการได้รับการอัปเดตพร้อมกัน และเปิดให้ดาวน์โหลดน้ำหนักโมเดลแล้ว ตารางผลทดสอบที่เผยแพร่ระบุว่า DeepSWE v1.1 เพิ่มจาก 74.2 ในรุ่นก่อนเป็น 77.0 โดยผลทดสอบทั้ง 11 รายการดีขึ้น การอัปเดตครั้งนี้ยังเน้นเวลาทำงานที่สั้นลงและคำตอบที่กระชับขึ้นด้วย ประกาศทางการ

ควรแยกชื่อสองแบบนี้ก่อน: DeepSeek-V4.1-Flash-1017 คือชื่อรุ่น ส่วน deepseek-flash คือชื่อโมเดลสำหรับเรียก API ทางการของ DeepSeek ID และ URL ที่ใช้กับเกตเวย์ของเราเป็นการตั้งค่าอีกชุดหนึ่ง ไม่ใช่การเชื่อมต่อตรงกับผู้พัฒนา สำหรับค่าบริการของเรา โปรดดูราคาโมเดลปัจจุบัน บทความนี้ไม่แสดงราคาของผู้พัฒนาโมเดล

ข้อมูลสำคัญและแหล่งอ้างอิง

วันเปิดตัว: 17 ตุลาคม 2026 เว็บไซต์ แอป และ API ได้รับการอัปเดตพร้อมกัน ประกาศ
DeepSWE v1.1: 77.0 (ระดับการให้เหตุผล max) จากเดิม 74.2 เพิ่มขึ้น 2.8 จุดเปอร์เซ็นต์ ตารางทางการใช้สภาพแวดล้อม Mini-SWE-V2 ตารางผลทดสอบทางการ
Terminal-Bench 4.0: 42.3 จากเดิม 31.2 เพิ่มขึ้น 11.1 คะแนน ทดสอบด้วยเฟรมเวิร์ก Claude Code ตารางผลทดสอบทางการ
ProgramBench: 29.1 จากเดิม 20.3 เพิ่มขึ้น 8.8 คะแนน ตารางผลทดสอบทางการ
Automation-Bench V1.0.6: 60.5 จากเดิม 54.8 ตารางผลทดสอบทางการ
รุ่น Harness ที่แนะนำ: v0.2.1-rc.1 หรือใหม่กว่า เป็นคำแนะนำการอัปเกรดจากผู้พัฒนาเพื่อใช้กับโมเดลรุ่นนี้ ประกาศ

ตัวเลขเหล่านี้มาจากข้อมูลการเปิดตัวของ DeepSeek ไม่ใช่ผลทดสอบซ้ำโดยเว็บไซต์ของเรา การเปรียบเทียบควรระบุรุ่นโมเดล ชุดทดสอบ เฟรมเวิร์ก Agent และระดับการให้เหตุผลให้ครบ

รุ่น 1017 เปลี่ยนอะไรบ้าง? ผลทดสอบ 11 รายการเทียบรุ่นก่อน

การทดสอบ	V4.1 Flash รุ่นก่อน	V4.1 Flash 1017
HLE (ไม่ใช้เครื่องมือ)	36.8 / 39.1*	42.6 / 44.0*
Terminal-Bench 4.0	31.2	42.3
DeepSWE v1.1	74.2	77.0
ProgramBench	20.3	29.1
NL2Repo-Bench	65.4	68.2
Automation-Bench V1.0.6	54.8	60.5
Agents’ Last Exam	31.8	35.4
Apex Bench v1.1	64.6	72.1
Chartography (ใช้เครื่องมือ)	78.9	83.0
BabyVision (ใช้เครื่องมือ)	89.6	92.5
ZeroBench-main (ใช้เครื่องมือ)	49.0	51.0

* หมายถึงชุดย่อยแบบข้อความล้วนของ HLE โดย Terminal-Bench 4.0 ใช้ Claude Code, DeepSWE ใช้ Mini-SWE-V2 และ ZeroBench-main ใช้ Pass@5 คะแนนในตารางคงค่าตามภาพต้นฉบับ แต่ตัวชี้วัดของทุกการทดสอบไม่ได้หมายถึงอัตราผ่านแบบเดียวกัน

ตารางผลทดสอบทางการ 11 รายการของ DeepSeek V4.1 Flash 1017 เทียบกับรุ่นก่อนและโมเดลอื่น

ภาพ: ตารางผลทดสอบที่ DeepSeek เผยแพร่

ในบรรดาโมเดลทั้งหกรุ่นที่อยู่ในตารางนี้ รุ่น 1017 ได้คะแนนสูงสุดสี่รายการ ได้แก่ DeepSWE, Automation-Bench, Agents’ Last Exam และ Apex Bench ส่วน Claude Opus 5 ยังสูงกว่าใน HLE, Terminal-Bench, ProgramBench และการทดสอบอื่นบางรายการ ขณะที่ GPT-5.6-Sol สูงกว่าใน ZeroBench-main ควรเลือกโมเดลตามประเภทงานของตนเอง ไม่ใช่ตีความว่าการนำสี่รายการเท่ากับนำทุกด้าน

สำหรับโครงการที่มีอยู่แล้ว DeepSWE ใกล้เคียงกับงานแก้ปัญหาในโค้ดมากกว่า ส่วนงานผ่านบรรทัดคำสั่งควรพิจารณาพัฒนาการของ Terminal-Bench ลองเทียบรุ่นใหม่กับรุ่นเดิมโดยใช้รีโพซิทอรี ชุดทดสอบ และสิทธิ์เครื่องมือเดียวกัน แล้วบันทึกผลผ่านหรือไม่ผ่าน จำนวนครั้งที่ต้องลองใหม่ เวลารวม และปริมาณข้อความที่สร้าง

พัฒนาโครงการตั้งแต่ต้น: การเรียนรู้แบบเสริมกำลังด้วยผลตอบกลับของตนเองและ Harness

DeepSeek ระบุว่ารุ่น 1017 ใช้การเรียนรู้แบบเสริมกำลังจากผลตอบกลับของตนเองเพื่อปรับปรุงการพัฒนาโครงการตั้งแต่ต้นจนจบ หลังจากสร้างเวอร์ชันแรก โมเดลจะตรวจผลลัพธ์ หาจุดผิดพลาด และแก้ไขต่อ ตัวอย่างทางการมีทั้งแบบจำลองสามมิติของพระราชวังต้องห้าม เกมแข่งรถบนเว็บ เกม Portal 2 ที่สร้างใหม่ด้วย Godot และฉากสามมิติจากหลายยุคสมัย ทั้งหมดเป็นตัวอย่างจากผู้พัฒนา ไม่ใช่ผลการตรวจรับโครงการใช้งานจริง ตัวอย่างและคำอธิบาย

การฝึกครั้งนี้ปรับให้เหมาะกับ DeepSeek Harness, Tencent CodeBuddy, WorkBuddy และสภาพแวดล้อมอื่น ผู้ใช้ Harness ควรอัปเกรดเป็น v0.2.1-rc.1 หรือใหม่กว่า ไม่ใช้ v0.1.5 ที่อยู่ในบทความเดือนกันยายนเป็นรุ่นแนะนำปัจจุบัน

หากติดตั้ง Node.js แล้ว สามารถเปิดเว็บอินเทอร์เฟซผ่านแพ็กเกจทางการได้ดังนี้:

npx @deepseek-ai/dsh@latest web

หลังเปิดใช้งาน ให้ตรวจสอบว่ารุ่นที่ทำงานจริงตรงตามข้อกำหนด ใส่ API Key ของบริการที่เลือกในการตั้งค่า แล้วเลือกพื้นที่ทำงาน เริ่มด้วยงานขนาดเล็กที่มีชุดทดสอบในพื้นที่ทำงานแยก ก่อนเพิ่มสิทธิ์เข้าถึงเครื่องมือ โครงการ DeepSeek Harness

เกี่ยวข้องกับสถาปัตยกรรม V4.1 Flash ที่เปิดตัวในเดือนกันยายนอย่างไร?

โมเดลฐาน V4.1 Flash ที่เปิดตัวในเดือนกันยายนใช้ MoE แบบมัลติโมดัลข้อความและภาพโดยกำเนิด ร่วมกับโครงสร้าง Causal Encoder-Decoder (CED) โมเดลการ์ดทางการระบุ พารามิเตอร์แกนหลัก 552B โดยเปิดใช้งานประมาณ 8B ต่อ Token ในขั้นตอน prefill ของอินพุต และประมาณ 16B ในขั้นตอนถอดรหัส ตัวเลข 550B ที่พบในบางบทความเป็นค่าประมาณ จำนวนพารามิเตอร์แกนหลักทั้งหมดกับจำนวนที่เปิดใช้งานเป็นคนละตัวชี้วัด โมเดลการ์ด V4.1 Flash

โมเดลฐานยังลดขนาด global KV Cache ต่อ Token จาก 3514 ไบต์ของ V4 Flash เหลือ 890 ไบต์ ตัวเลขนี้เป็นขนาดแคช ไม่ใช่หน่วยความจำ GPU ทั้งหมดที่ต้องใช้ติดตั้งโมเดล รุ่น 1017 เน้นการฝึก ผลการทำงาน และประสิทธิภาพการรัน จึงไม่ควรนับการเปลี่ยนสถาปัตยกรรมในเดือนกันยายนเป็นฟีเจอร์ใหม่ของเดือนตุลาคมซ้ำอีกครั้ง อ่านเพิ่มเติมได้ในคู่มือสถาปัตยกรรมและการเชื่อมต่อ V4.1 Flash

เรียก API อย่างไร? แยกชื่อรุ่น ID และ URL ออกจากกัน

ณ วันที่ 17 ตุลาคม 2026 หน้าข้อมูลจำเพาะทางการของ DeepSeek ระบุชัดเจนว่า deepseek-flash ชี้ไปยัง DeepSeek-V4.1-Flash-1017 อย่านำชื่อรุ่นที่ประกาศไปใช้เป็น API ID โดยตรง คำอธิบายรุ่นโมเดลทางการ

วิธีเชื่อมต่อ	URL เต็มสำหรับคำขอแชต	Model ID	ผู้ให้บริการ Key
เชื่อมตรงกับ DeepSeek	`https://api.deepseek.com/v1/chat/completions`	`deepseek-flash`	DeepSeek
เกตเวย์ของเรา	`https://api.llm-token.cn/v1/chat/completions`	ใช้ `deepseek-v4.1-flash` ตามแค็ตตาล็อกของเรา	贵数智能

การอัปเดตชื่อแฝงของผู้พัฒนาไม่ได้แปลว่าทุกช่องทางภายนอกเปลี่ยนรุ่นพร้อมกัน คำว่า 1017 บนหน้านี้หมายถึงรุ่นที่บทความกำลังอธิบาย ก่อนเชื่อมต่อให้ตรวจ ID ที่ใช้งานได้ในแค็ตตาล็อกโมเดล หากต้องการผูกกับรุ่นใดรุ่นหนึ่งโดยเฉพาะ ให้ยืนยันกับทีมสนับสนุน อย่าใช้ Key ของสองบริการสลับกัน และอย่าเติม /v1 ซ้ำหลัง Base URL ที่มี /v1 อยู่แล้ว

ตัวอย่างต่อไปนี้เป็นรูปแบบคำขอสำหรับเกตเวย์ของเรา ก่อนรันต้องมี Key ที่ใช้งานได้และตรวจ Model ID ในแค็ตตาล็อกแล้ว:

curl https://api.llm-token.cn/v1/chat/completions \
  -H "Authorization: Bearer $LLM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4.1-flash",
    "messages": [
      {"role": "user", "content": "Review this repository and propose a testable bug-fix plan."}
    ],
    "stream": false
  }'

หากเชื่อมตรงกับ DeepSeek ให้เปลี่ยน URL เต็มเป็น https://api.deepseek.com/v1/chat/completions ใช้ DeepSeek Key และเปลี่ยน model เป็น deepseek-flash ผลลัพธ์ข้อความทั่วไปอ่านได้จาก choices[0].message.content ส่วนการเรียกเครื่องมือต้องจัดการตามขั้นตอนเรียกใช้เครื่องมือของไคลเอนต์ คู่มือรูปแบบ API

Search และ Fetch ใช้ URL แยกจากแชต

DeepSeek เปิด Search และ Fetch ที่พัฒนาขึ้นเองด้วย Search ใช้ค้นหาเว็บตามคำค้น ส่วน Fetch อ่านหน้าที่ระบุแล้วคืนเนื้อหาเป็น Markdown เหมาะกับ Agent ที่ต้องค้นหาข้อมูลก่อนอ่านแหล่งอ้างอิง

ฟังก์ชัน	POST URL ทางการของ DeepSeek
ค้นหาเว็บ	`https://api.deepseek.com/v1/tools/search`
ดึงเนื้อหาหลักของหน้าเว็บ	`https://api.deepseek.com/v1/tools/fetch`

ทั้งสองใช้ DeepSeek Key และแยกจากอินเทอร์เฟซแชต การที่ผู้พัฒนาเปิดอินเทอร์เฟซเหล่านี้ไม่ได้หมายความว่าเกตเวย์ของเราส่งต่อเส้นทางเดียวกันโดยอัตโนมัติ อย่านำ /v1/tools/search หรือ /v1/tools/fetch ไปต่อท้ายที่อยู่ของเราโดยตรง ดูฟิลด์คำขอและข้อจำกัดในเอกสาร Search & Fetch ทางการ

คำถามที่พบบ่อย

DeepSeek V4.1 Flash และ V4.1 Flash 1017 เป็น ID สำหรับเรียก API คนละตัวหรือไม่?

ไม่ใช่ V4.1 Flash คือชื่อซีรีส์โมเดล ส่วน 1017 ระบุรุ่นอัปเดตวันที่ 17 ตุลาคม ปัจจุบัน API ทางการยังใช้ deepseek-flash เว็บไซต์ของเราใช้ ID ในแค็ตตาล็อกของตนเอง จึงไม่ควรอนุมานรุ่นสแนปช็อตต้นทางจากชื่อที่แสดงเพียงอย่างเดียว

ยังใช้ชื่อโมเดล DeepSeek API แบบเก่าได้หรือไม่?

ตามคำอธิบายทางการปัจจุบัน deepseek-v4-flash และ deepseek-v4-flash-vision-exp เป็นชื่อแฝงสำหรับความเข้ากันได้ โดยรุ่น 1017 ให้บริการคำขอเหล่านี้ ส่วน deepseek-v4-pro ยังแสดงแยกเป็น V4-Pro-0813 ในหน้าข้อมูลจำเพาะปัจจุบัน จึงไม่ควรใช้แผนเปลี่ยนผ่านในเดือนกันยายนเป็นหลักฐานการจับคู่รุ่นวันนี้ ชื่อแฝงที่ใช้กับเว็บไซต์ของเราให้ยึดแค็ตตาล็อกของเรา ข้อมูลโมเดลทางการปัจจุบัน

ดาวน์โหลดน้ำหนักโมเดลได้ที่ไหน?

ใช้รีโพซิทอรีรุ่น 1017 บน Hugging Face หรือรีโพซิทอรีรุ่น 1017 บน ModelScope ก่อนติดตั้งให้ตรวจรุ่น ใบอนุญาต เฟรมเวิร์กสำหรับ inference และข้อกำหนดฮาร์ดแวร์ของรีโพซิทอรีนั้น จำนวนพารามิเตอร์ที่เปิดใช้งาน 8B ใช้ประมาณทรัพยากรสำหรับติดตั้งโมเดลทั้งหมดไม่ได้

อ่านต่อ

อัปเดตเมื่อ 17 ตุลาคม 2026 บทความนี้อธิบายข้อมูลการเปิดตัวและเอกสารการเชื่อมต่อ สำหรับการจับคู่รุ่นในภายหลัง ให้ยึดเอกสารปัจจุบันของบริการที่เลือก

Your privacy choices