Blockdit Logo (Mobile)
ด.ดล Blog
ยืนยันแล้ว
•
5 ส.ค. เวลา 12:00 • ธุรกิจ

ม้ามืดทุบตลาด AI! เจาะลึก DeepSeek ที่ทำ OpenAI ต้องลดราคา 80%

เรื่องราวในวันนี้ เริ่มต้นจากบิลค่าบริการ API ที่นักพัฒนาคนหนึ่งเอามาโพสต์โชว์บนโซเชียล…
บิลใบนั้นมียอดแค่ 19.27 ดอลลาร์สหรัฐ
ฟังดูเป็นตัวเลขที่แสนจะธรรมดามากใช่มั๊ยครับ
แต่ความพีกคือเขาเพิ่งยัดข้อมูลมหาศาลกว่า 2.1 พันล้าน “Token” เข้าไปประมวลผล…
โมเดลที่เขาใช้รันคือตัวใหม่ล่าสุดจากค่ายม้ามืดอย่าง DeepSeek ที่ชื่อว่า V4 Flash
สำหรับคนที่ไม่คุ้นเคยกับคำว่า “Token” มันคือหน่วยวัดขนาดเล็กจิ๋วประมาณหนึ่งคำ
บรรดาบริษัท AI ใช้สิ่งนี้เป็นเกณฑ์ในการคิดเงินลูกค้า
ลองจินตนาการดูเล่นๆ ว่าถ้าส่งข้อมูล 2 พันล้าน “Token” ไปรันบนโมเดลตัวท็อป…
อย่าง Claude Opus บิลค่าใช้จ่ายคงพุ่งทะลุหลักพันดอลลาร์ไปแบบไม่ต้องสงสัย
แต่เรื่องที่ทำให้วงการสะเทือนหนักกว่านั้นดันเกิดขึ้นในสัปดาห์เดียวกัน
ช่วงสิ้นเดือนกรกฎาคมที่ DeepSeek ปล่อยโมเดลตัวนี้ออกมา…
จู่ๆ ยักษ์ใหญ่อย่าง OpenAI ก็ลุกขึ้นมาประกาศหั่นราคา API ของตัวเองลงถึง 80 เปอร์เซ็นต์
เรียกว่าลดแลกแจกแถมแบบไม่เกรงใจใครหน้าไหนทั้งสิ้น
สิ่งที่เกิดขึ้นไม่ใช่แค่การแข่งขันธรรมดาในตลาด
แต่ DeepSeek กำลังลากราคาของ AI ให้ดิ่งหัวลงมาติดพื้นดิน
วันนี้เราจะมาเจาะลึกกันว่าพวกเขาทำเรื่องบ้าๆ แบบนี้ให้เกิดขึ้นจริงได้ยังไง?
ก่อนอื่นต้องเข้าใจก่อนว่าทำไม AI ถึงเป็นของที่ราคาแพงหูฉี่มาตั้งแต่แรก
เบื้องหลังความฉลาดพวกนี้มีกลไกหนึ่งที่เรียกว่า “Attention” ซ่อนอยู่
ทุกครั้งที่โมเดลพ่นคำใหม่ออกมาหนึ่งคำ มันไม่ได้แค่นึกแล้วพิมพ์เลย
แต่มันต้องย้อนกลับไปสแกนประวัติการสนทนาทั้งหมดที่เคยคุยกันมาก่อนหน้า…
แล้วเอาคำทุกคำมาให้คะแนนความสำคัญว่าวินาทีนี้ควรใส่ใจคำไหนมากที่สุด
ปัญหามันเริ่มตรงนี้แหละครับ…
ถ้าเราส่งประโยคที่ยาวขึ้นสองเท่า ภาระงานการประมวลผลจะพุ่งขึ้นเป็นสี่เท่า
เพราะทุกคำจะต้องถูกนำไปจับคู่เปรียบเทียบกับคำอื่นๆ ในหัวของมันทั้งหมด…
ถ้าส่งข้อความยาวระดับหนึ่งล้าน “Token” ให้มันอ่าน
โมเดลต้องเปรียบเทียบคู่คำประมาณห้าแสนล้านครั้งก่อนที่คำแรกจะโผล่มา
แถมยังต้องทำบททดสอบหฤโหดนี้ซ้ำแล้วซ้ำเล่าอยู่หลังบ้านอีกหลายสิบหน
พอเริ่มตอบกลับมา ทุกคำที่พิมพ์เพิ่มก็แปลว่าต้องแบกประวัติทั้งหมดกลับมาอ่านใหม่
นี่แหละคือต้นตอของบิลค่า API ที่แพงระดับซื้อบ้านได้…
เพื่อเลี่ยงการเริ่มอ่านหนังสือใหม่ตั้งแต่หน้าแรก โมเดลจึงใช้วิธีจดโน้ตย่อ มันจะจดจำทุกคำที่เคยสแกนผ่านตาเอาไว้
แต่พอข้อมูลบวมแตะระดับล้าน “Token” โน้ตพวกนี้ก็ใหญ่เกินไป
ใหญ่จนเกินกว่าหน่วยความจำบนเซิร์ฟเวอร์ GPU ระดับท็อปจะรับไหว
พอเซิร์ฟเวอร์หนึ่งตัวรับลูกค้าได้น้อยลง ต้นทุนเฉลี่ยต่อคนก็พุ่งปรี๊ด…
ผู้ให้บริการก็เลยผลักภาระก้อนนี้มาซุกไว้ในบิลค่าบริการของเรา
อย่าง Gemini 3.1 Pro จะคิดเงิน 2 ดอลลาร์ต่อหนึ่งล้าน “Token” ขาเข้า
พอยอดทะลุสองแสนเมื่อไร ราคาจะเด้งขึ้นเป็น 4 ดอลลาร์ทันที
ส่วนขาออกที่มันตอบเรา ราคากระโดดจาก 12 ไปเป็น 18 ดอลลาร์…
แต่เชื่อมั๊ยครับว่างานหนักทั้งหมดนี้แทบไม่ได้ผลตอบแทนอะไรกลับมาเลย
ถ้าลองส่องดูการทำงานของกลไก “Attention” ในโมเดลจริง
จะพบความจริงที่ชวนปวดหัวว่า คำพูดก่อนหน้าแค่หยิบมือเดียวที่เป็นตัวกำหนดคำตอบ
ส่วนคำอื่นๆ อีกเป็นล้านคำกลับมีค่าน้ำหนักความสำคัญแทบจะเป็นศูนย์…
มันยอมทุ่มเทแรงกายคำนวณเลขสเกลใหญ่เท่าสนามกีฬา เพียงเพื่องมหาข้อมูลแค่สามบรรทัดที่มีประโยชน์จริงๆ เท่านั้น
ความพยายามแก้ปัญหานี้นำไปสู่ทฤษฎีที่เรียกว่า “Sparse Attention”
หลักการนี้เหมือนการแทงหวย เป็นการเดิมพันเพื่อเดาใจล่วงหน้า
เราสร้างระบบเดาว่าบรรทัดไหนสำคัญด้วยต้นทุนถูกๆ แล้วค่อยส่งพลังประมวลผลราคาแพงไปเจาะลึกเฉพาะตรงนั้นพอ…
แต่วงการเดิมพันนี้มีความเสี่ยงใหญ่ซ่อนอยู่สองข้อ
ข้อแรกถ้าระบบทำนายดันทุรังกินทรัพยากรเยอะเสียเอง เงินที่ประหยัดมาก็จะถูกเผาทิ้งไปกับการตัดสินใจว่าจะข้ามอะไรดี
ข้อสองถ้าเดาผิด โมเดลจะมองข้ามประโยคที่สำคัญที่สุดไปทันที แล้วมันก็จะพ่นคำตอบออกมาหน้าตาเฉยราวกับไม่มีอะไรตกหล่น
นักวิจัยยุคก่อนพยายามหาทางลัดแก้ปัญหานี้มาตลอด
บางคนตั้งกฎกำปั้นทุบดิน บังคับให้สนใจแค่ข้อความล่าสุด
แต่มันเหมือนปิดตาเดิน คำสั่งสำคัญตอนต้นๆของการสนทนาจะถูกลบออกจากสมอง AI ไปเลย…
แต่กุญแจสำคัญที่ปลดล็อกเรื่องนี้จนใช้งานได้จริงในระดับโลกโผล่มาแล้ว
นั่นคือการฝึกสอนโมเดลให้รู้จักการข้ามข้อมูลมาตั้งแต่วันแรกที่พวกมันเกิด…
DeepSeek เทรนให้มันรู้จักทิ้งโน้ตย่อคร่าวๆ ไว้เพื่อกลับมาอ่านกวาดสายตาทีหลัง
เคล็ดวิชานี้ถูกตีพิมพ์ในเปเปอร์ของ V4 เมื่อเดือนเมษายนที่ผ่านมา
พวกเขาออกแบบให้ระบบมองเห็นข้อมูลผ่านสามมุมมองพร้อมกัน…
มุมมองแรกคือการสรุปความ
ข้อมูลทุก 4 “Token” จะถูกบีบอัดรวมเป็นหนึ่งบทสรุปสั้นๆ
เหมือนโปรแกรมเมอร์เขียนอธิบายฟังก์ชันบรรทัดเดียวโดยไม่ต้องอ่านโค้ดทั้งหมด
มุมมองที่สองคือการคัดเลือก…
พวกเขาใส่ตัวให้คะแนนไซซ์จิ๋วที่ทำงานเบาและถูกมากลงไป
มันจะกวาดสายตาดึงบทสรุปจากมุมมองแรกมาจัดอันดับความเกี่ยวข้อง
แล้วคัดเอาผู้เข้ารอบ 512 อันดับแรกส่งไปรับบริการ “Attention” แบบเต็มสูบ
มุมมองที่สามคือตาข่ายนิรภัย…
เป็นการกันเหนียวด้วยบทสรุปชุดที่สองที่จับข้อมูล 128 “Token” มาบีบอัดเป็นก้อนเดียว
โมเดลถูกบังคับให้อ่านก้อนนี้ทุกครั้งเหมือนดูสารบัญหนังสือ เพื่อการันตีว่าจะไม่มีบริบทไหนตกหล่นหายไปในอากาศ
ส่วนข้อมูล 128 “Token” ล่าสุดจะถูกปล่อยไว้แบบไม่บีบอัดเลย…
เพราะสิ่งที่กำลังคุยกันวินาทีนี้ต้องการความแม่นยำสูงที่สุด
ด้วยโครงสร้างแบบนี้ ไม่ว่าจะโยนข้อมูลใส่หมื่นหรือล้านคำ งานส่วนที่แพงที่สุดก็จะโฟกัสอยู่กับข้อมูลกองเล็กเท่าเดิมเสมอ
สถิติในเปเปอร์เคลมว่าสเกลหนึ่งล้านคำ พวกเขาลดภาระคำนวณเหลือแค่ 1 ใน 10 แถมใช้หน่วยความจำลดลงเหลือแค่ 7 เปอร์เซ็นต์เมื่อเทียบกับรุ่นเก่า
ดีไซน์นี้ถูกเปิดเผยเป็นสาธารณะจนทีมภายนอกเอาไปปรับใช้กันหมดแล้ว
งานวิจัยต้นทางเพิ่งตีพิมพ์เมื่อต้นปีในชื่อ Native Sparse Attention แถมยังกวาดรางวัลเปเปอร์ยอดเยี่ยมไปครองอีกด้วย…
ซึ่งตอนงานวิจัยเหล่านี้ออกมาใหม่ๆ คนในวงการเต็มไปด้วยความสงสัยว่ามันดีเว่อร์เกินจริงไปไหม
มีคนบอกว่าสปีดพุ่ง 11 เท่าแต่คุณภาพไม่ตกมันไม่น่าจะเป็นเรื่องที่เป็นไปได้ พร้อมท้าให้รอดูการใช้งานจริงในอีกครึ่งปีว่าจะเป็นหมู่หรือจ่า
ตอนนี้เราเดินมาไกลกว่าเดดไลน์นั้นแล้ว และผลลัพธ์ก็ชัดเจนสุดๆ…
โมเดลของ Deepseek ครองแชมป์คนใช้เยอะสุดบน OpenRouter เจ็ดสัปดาห์รวด
นักพัฒนาแห่โพสต์บิลค่าใช้งานที่ถูกแสนถูกกันเต็มโซเชียล
มีคนเอาไปรันระบบตรวจสอบเสียงและถอดเทปจนลดต้นทุนมหาศาล เหลือค่าใช้จ่ายแค่ 2 ถึง 5 เปอร์เซ็นต์ของตัวท็อปในตลาด…
หัวใจหลักที่ทำให้ต้นทุนถูกลงคือความสามารถในการกระโดดข้ามข้อมูล และพื้นฐานโครงสร้างที่วางไว้อย่างดีเยี่ยม
โมเดลตัวนี้มีพารามิเตอร์มากถึง 284 พันล้านตัวก็จริง แต่มันตื่นขึ้นมาทำงานแค่ 13 พันล้านตัวต่อการสร้างหนึ่งคำ…
ยิ่งไปกว่านั้นชิ้นส่วนส่วนใหญ่ยังถูกบีบอัดเป็นตัวเลข 4-bit ซ้อนทับด้วยโมเดลจิ๋วที่คอยเดาคำล่วงหน้าไปก่อนหลายก้าว
ตัวแม่เลยทำหน้าที่แค่ตรวจทานแทนที่จะต้องลงมือเขียนเองทั้งหมด
ซึ่งพอรวมเทคนิคทั้งหมดนี้เข้าด้วยกันจึงเกิดเป็นความคุ้มค่าระดับสุดยอด…
ต้นทุนขาเข้าอยู่ที่ 14 เซนต์ต่อหนึ่งล้าน “Token”
ถ้าเซิร์ฟเวอร์เคยสแกนข้อมูลมาก่อน ค่าใช้จ่ายจะลดฮวบเหลือแค่เศษเซนต์
ส่งคำขอประมวลผลหนึ่งล้านคำจ่ายแค่ 14 เซนต์เท่านั้น
เทียบกับ GPT 5.6 Luna ต้องจ่าย 40 เซนต์…
ถ้าไปฝั่ง Claude Sonnet 5 ต้องกำเงินไป 2 ดอลลาร์
และทะลุ 4 ดอลลาร์ถ้าใช้ Gemini 3.1 Pro
การหั่นราคาของ OpenAI เกิดขึ้นก่อนหน้าแค่ชั่วข้ามคืน
ส่วนค่ายม้ามืดอย่าง Deepseek เองก็แอบลดราคารุ่น Pro ลง 75 เปอร์เซ็นต์ไปก่อนแล้ว…
ราคา AI ตอนนี้ดิ่งลงเหวเร็วยิ่งกว่าราคาฮาร์ดแวร์ต้นทุนซะอีก
แต่ก็ต้องบอกว่า เหรียญย่อมมีสองด้านเสมอ…
ถ้าระบบคัดกรองข้อมูลเกิดทำงานพลาดขึ้นมาระบบจะไม่พัง แต่มันจะตอบคำถามอย่างไหลลื่นจากเศษข้อมูลเท่าที่เห็น…
ผลทดสอบยืนยันว่าโมเดลนี้แทบไม่มีวันยอมรับว่าตัวเอง “ไม่รู้”
งานที่เสี่ยงที่สุดคืองานที่เบาะแสกระจายอยู่ทั่วไฟล์ เช่น สมมติสั่งให้มันรวมยอดเงินจากใบเสร็จหลายร้อยหน้า
ถ้ามันข้ามใบเสร็จไปซักใบ ยอดรวมก็ผิดเพี้ยนทันทีแต่มันจะตอบด้วยความมั่นใจว่าขัอมูลมันถูกต้อง…
แถมการบีบอัดข้อมูลยังทำให้เกิดความเบลอของการสรุปความ
พวกข้อความที่ต้องเป๊ะทุกตัวอักษรอย่างโค้ดโปรแกรมอาจผิดเพี้ยนได้
และถ้าข้อมูลสั้นเกินไประบบคัดกรองเหล่านี้จะกลายเป็นตัวถ่วงทันที ซึ่งการใช้ระบบคลาสสิกดั้งเดิมกลับทำงานเร็วกว่าด้วยซ้ำ…
แถมการค้นหาข้อมูลในดงล้านคำ Claude Opus ยังคงเอาชนะได้สบายๆ รักษาความแม่นยำได้ดีกว่าก่อนที่กราฟจะหัวทิ่มลง
สรุปคือมันถูกจริงแบบไม่ต้องเถียง แต่ผู้ใช้ต้องเลือกเครื่องมือให้เหมาะกับงาน
เรื่องที่เปลี่ยนไปแน่ๆ คือการใส่ข้อมูลยาวๆ จะไม่ใช่สินค้าคนรวยอีกต่อไป…
การโยนโค้ดทั้งระบบหลายล้านบรรทัดทิ้งไว้เมื่อก่อนอาจเผาเงินไปหลายร้อยดอลลาร์
แต่เดี๋ยวนี้รันผ่านระบบใหม่ของค่าย Deepseek ค่าใช้จ่ายอาจไม่ถึงครึ่งดอลลาร์
เครื่องมือค้นหาข้อมูลจะไม่กลายเป็นภาระต้นทุนอีกต่อไป ถูกลดขั้นมาเป็นแค่ฟีเจอร์พื้นฐานเพื่อเพิ่มความเร็วเท่านั้น…
สุดท้ายไอ้ราคาที่ถูกแสนถูกนี้จะเปลี่ยนวิถีชีวิตคนทำงานไปตลอดกาล
นักพัฒนาปล่อยโปรแกรมรันข้ามคืนแบบทิ้งขว้างได้เพราะมันแทบไม่มีต้นทุน
เมื่อความฉลาดเสิร์ฟในราคาที่ถูกจนไม่ได้แคร์เรื่องเงิน
มนุษย์เราก็จะเลิกประหยัดการใช้งานและกล้าลองอะไรใหม่ๆ มากขึ้น…
นับตั้งแต่วินาทีนี้เป็นต้นไป ทุกค่ายที่ให้บริการ AI
จะต้องตั้งราคาแพ็กเกจใหม่โดยมองป้ายราคาของ DeepSeek เป็นบรรทัดฐาน
วงการเทคกำลังถูกดิสรัปชันครั้งใหญ่แบบที่ไม่มีใครหนีพ้น
ตอนนี้สายตาทุกคู่กำลังจับจ้องไปที่ค่ายใหญ่อย่าง Anthropic…
ทุกคนกำลังรอดูว่ายักษ์ใหญ่ค่ายนี้จะงัดไม้ตายไหนมาแก้เกม
สมรภูมิครั้งนี้เพิ่งเริ่มต้นและคนที่จะได้ประโยชน์สูงสุดก็คือพวกเราทุกคนที่ใช้งานมันนี่แหละครับ
References : [deepseek, openai, anthropic, huggingface, techcrunch]
=========================
😴 นอนไม่หลับ? 😴 หลับไม่สนิท?
=========================
ใครที่มีปัญหานอนไม่สนิท ตื่นมาแล้วเพลียเหมือนผมบ้างครับ ผมอยากแนะนำ Diip CBD ที่มีทั้งแบบกัมมี่และแคปซูล
พอดีผมได้ลองใช้เองมาเพียงแค่อาทิตย์แรก บอกเลยว่าชีวิตเปลี่ยน ปัญหาเรื่องการนอนหมดไปเลยครับ สนใจแอดไลน์ @diipgeek มีผู้เชี่ยวชาญดูแลคอยปรึกษาตลอด 24 ชั่วโมง
ติดตามสาระดี ๆ อัพเดททุกวันผ่าน Line OA ด.ดล Blog
คลิกเลย --> https://lin.ee/aMEkyNA
——————————————––
ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
=========================
Website : www.tharadhol.com
Blockdit : www.blockdit.com/tharadhol.blog
Fanpage : www.facebook.com/tharadhol.blog
Twitter : www.twitter.com/tharadhol
Instragram : instragram.com/tharadhol
TikTok : tiktok.com/@geek.forever
Youtube : www.youtube.com/c/mrtharadhol
Linkedin : www.linkedin.com/in/tharadhol
โฆษณา