DeepSeek เปิดตัว V4-Flash-Vision-Exp เพิ่มความสามารถ “การมองเห็น” ให้ AI Agent
DeepSeek เปิดให้ใช้งาน DeepSeek-V4-Flash-Vision-Exp โมเดล AI แบบมัลติโมดัลรุ่นทดลองบนแพลตฟอร์ม DeepSeek API โดยเพิ่มความสามารถในการทำความเข้าใจภาพและภาพหน้าจอ ขณะที่ยังคงความสามารถด้านภาษา การให้เหตุผล และการทำงานแบบ Agent ในระดับเดียวกับ DeepSeek-V4-Flash รุ่นข้อความ
โมเดลใหม่สำหรับงาน AI Agent
DeepSeek-V4-Flash-Vision-Exp เปิดตัวเมื่อวันที่ 21 สิงหาคม 2026 ในฐานะโมเดลทดลองสำหรับนักพัฒนา โดยสามารถเรียกใช้งานผ่าน API ด้วยชื่อโมเดล: model=”deepseek-v4-flash-vision-exp”
จุดเด่นสำคัญของโมเดลรุ่นนี้คือการรองรับอินพุตทั้ง ข้อความและรูปภาพ ทำให้ AI สามารถวิเคราะห์ภาพถ่าย ภาพหน้าจอ เอกสาร ตาราง กราฟ และข้อมูลภาพประเภทต่าง ๆ พร้อมนำผลลัพธ์ไปใช้ในการวางแผนหรือดำเนินการต่อผ่านเครื่องมือของ Agent ได้
DeepSeek ระบุว่า ความสามารถด้านข้อความของ V4-Flash-Vision-Exp ทั้งการทำงานแบบ Agent การให้เหตุผล และความรู้ทั่วไป อยู่ในระดับใกล้เคียงกับ DeepSeek-V4-Flash รุ่นปกติ ขณะที่ความสามารถในงาน Agent ที่ต้องเข้าใจภาพมีพัฒนาการเพิ่มขึ้นอย่างมาก และเข้าใกล้ระดับของ Claude Opus 4.8 ในการทดสอบของบริษัท
ผลทดสอบจาก DeepSeek
DeepSeek เผยแพร่ผลการทดสอบของโมเดลบนชุดทดสอบด้านการเขียนโค้ด การทำงานแบบ Agent และการวิเคราะห์ภาพ ดังนี้:
| การทดสอบ | คะแนน |
|---|---|
| Terminal Bench 2.1 | 83.9 |
| NL2Repo | 57.7 |
| DeepSWE | 59.3 |
| DSBench-Hard | 63.6 |
| AutomationBench (Public) | 25.7 |
| ApexBench (Pass@1) | 36.5 |
| Agents’ Last Exam | 27.3 |
| Chartography | 64.3 |
| ZeroBench (Pass@5) | 35.0 |
บริษัทระบุว่า ผลการทดสอบด้านข้อความของ V4-Flash-Vision-Exp อยู่ในระดับเดียวกับ V4-Flash ขณะที่ชุดทดสอบที่ต้องใช้ความสามารถด้านการมองเห็นแสดงให้เห็นการพัฒนาที่ชัดเจนกว่า โดยเฉพาะงานที่ให้ AI วิเคราะห์หน้าจอหรือทำงานหลายขั้นตอนร่วมกับเครื่องมือภายนอก
อย่างไรก็ตาม ตัวเลขเหล่านี้เป็นผลการทดสอบที่เผยแพร่โดย DeepSeek เอง จึงควรรอการทดสอบจากนักพัฒนาและแหล่งอิสระเพิ่มเติม ก่อนสรุปประสิทธิภาพเมื่อเทียบกับโมเดลคู่แข่งอย่างเป็นกลาง
รองรับภาพและ API หลายรูปแบบ
DeepSeek-V4-Flash-Vision-Exp รองรับการส่งภาพร่วมกับข้อความผ่าน API หลายรูปแบบ โดย DeepSeek ระบุว่าภาพจะถูกแปลงเป็นโทเคนเพื่อใช้คำนวณค่าใช้บริการ และรองรับภาพสูงสุด 384 โทเคนต่อภาพตามข้อมูลในประกาศของบริษัท
รูปแบบการใช้งานที่รองรับ ได้แก่:
- Chat Completions API
- Messages API
- Responses API
- อินพุตแบบข้อความผสมภาพ
- การส่งภาพผ่าน Base64
- การอ้างอิงภาพจาก URL
- การอัปโหลดภาพผ่าน Files API แล้วเรียกซ้ำด้วย file_id
Files API ช่วยให้นักพัฒนาอัปโหลดภาพเพียงครั้งเดียวและนำไฟล์เดิมไปใช้กับคำขอหลายครั้งได้ เหมาะกับงานที่ต้องวิเคราะห์ภาพชุดเดิมซ้ำ ๆ เช่น ระบบตรวจสอบเอกสาร ระบบวิเคราะห์หน้าจอ หรือ Workflow ของ AI Agent
นอกจากนี้ DeepSeek ยังระบุว่าโมเดลรองรับการใช้งานร่วมกับเครื่องมือและเฟรมเวิร์กของ Agent ได้หลากหลาย รวมถึงเปิดตัว DeepSeek Harness เวอร์ชัน 0.1.1 ซึ่งมีการรองรับโมเดลใหม่นี้ตั้งแต่ต้น
AI PC ได้ประโยชน์อย่างไร
สำหรับตลาด AI PC โมเดลรุ่นนี้มีความน่าสนใจในด้านการประมวลผลข้อมูลภาพที่เกิดขึ้นระหว่างการใช้งานคอมพิวเตอร์ เช่น:
- วิเคราะห์ภาพหน้าจอและช่วยควบคุมแอปพลิเคชันตามคำสั่ง
- อ่านข้อมูลจากกราฟ ตาราง และเอกสาร
- ตรวจสอบข้อผิดพลาดในซอฟต์แวร์จากภาพหน้าจอ
- ช่วยเขียนโค้ดจากภาพตัวอย่างหรือ Wireframe
- วิเคราะห์ภาพจากเกม โปรแกรมตัดต่อ หรือซอฟต์แวร์สร้างคอนเทนต์
- ทำงานร่วมกับระบบอัตโนมัติที่ต้องเข้าใจทั้งข้อความและภาพ
อย่างไรก็ตาม รุ่นที่เปิดตัวในครั้งนี้เป็น API-only และยังไม่มีข้อมูลว่า DeepSeek จะเปิดเผยน้ำหนักโมเดลให้ดาวน์โหลดไปรันภายในเครื่องหรือไม่ ดังนั้นผู้ใช้ AI PC ยังไม่สามารถนำโมเดลไปติดตั้งและประมวลผลแบบ Local AI ได้โดยตรงจากข้อมูลที่ประกาศในปัจจุบัน
การประมวลผลผ่าน API ยังหมายความว่าข้อมูลภาพและคำสั่งจะถูกส่งไปยังเซิร์ฟเวอร์ของ DeepSeek ซึ่งผู้ใช้งานระดับองค์กรควรพิจารณาประเด็นด้านความเป็นส่วนตัว ความปลอดภัย และนโยบายการเก็บข้อมูลก่อนนำไปใช้กับเอกสารสำคัญ
ยังเป็นรุ่นทดลอง
DeepSeek ย้ำว่า V4-Flash-Vision-Exp เป็นโมเดล Experimental ไม่ใช่รุ่นสมบูรณ์สำหรับงาน Production โดยบริษัทอาจปรับปรุงเสถียรภาพ คุณภาพคำตอบ และประสิทธิภาพของโมเดลเพิ่มเติมจากข้อมูลการใช้งานจริงในอนาคต
การเปิดตัวครั้งนี้สะท้อนทิศทางของ DeepSeek ที่กำลังขยายจากโมเดลภาษาขนาดใหญ่ไปสู่ระบบ AI แบบมัลติโมดัล ซึ่งสามารถรับรู้สภาพแวดล้อมผ่านภาพและดำเนินงานหลายขั้นตอนด้วยเครื่องมือภายนอกได้ หากโมเดลรุ่นสมบูรณ์เปิดให้ใช้งานในอนาคต ก็อาจกลายเป็นอีกตัวเลือกสำคัญสำหรับนักพัฒนา AI Agent และซอฟต์แวร์ผู้ช่วยบนพีซี
สรุป: DeepSeek-V4-Flash-Vision-Exp คือการเพิ่มความสามารถด้านการมองเห็นให้กับ V4-Flash โดยยังคงจุดแข็งด้านภาษาและการให้เหตุผลไว้ โมเดลพร้อมใช้งานแล้วผ่าน DeepSeek API แต่ยังควรมองว่าเป็นรุ่นทดลอง และยังไม่มีการเปิดตัวเวอร์ชัน Local AI สำหรับติดตั้งบน AI PC ในขณะนี้
ข้อมูลเพิ่มเติม: DeepSeek
