Zuckerberg กำลังแข่งขันอย่างดุเดือดกับ DeepSeek

เมื่อวันที่ 6 สิงหาคม Zhi Dongxi รายงานว่า Meta ได้เปิด ตัวเอเจนต์การเขียนโปรแกรมตัวแรก Muse Code (เบต้า) รวมถึง โมเดลรุ่นต่อไป Muse Spark 1.2 ซึ่งทำงานบนเอเจนต์ดังกล่าว

การเปิดตัวโมเดลดังกล่าวจุดประกายการถกเถียงอย่างร้อนแรงในต่างประเทศ โดยประเด็นหลักอยู่ที่กลยุทธ์ด้านราคา: มันถูกกว่า DeepSeek-V4-Flash ผู้ใช้ที่อนุญาตให้ Meta ฝึกฝนโมเดลของตนโดยใช้ข้อมูลของ Meta จะได้รับส่วนลด 5%

ที่น่าสนใจคือ ในวันเดียวกันนั้น DeepSeek ได้ประกาศแผนการ ที่จะปรับขึ้นราคาบริการ API โดยรวม ในอนาคตอันใกล้นี้ ซึ่งคาดว่าจะเพิ่มขึ้นอย่างมาก ผู้ให้บริการโมเดลชั้นนำในประเทศรายอื่นๆ ก็เริ่มแสดงสัญญาณของการผ่อนคลายสงครามราคาเช่นกัน ตัวอย่างเช่น ราคาโมเดล GLM ของ Zhipu ก็จะเพิ่มขึ้นอย่างมากหลังจากสิ้นสุดช่วงส่วนลด

ในขณะที่ยักษ์ใหญ่จากต่างประเทศอย่าง OpenAI และ Meta กำลังแข่งขันกันอย่างดุเดือดในด้านราคา โมเดลธุรกิจในประเทศอย่าง DeepSeek ดูเหมือนจะเล่นตามกฎของตัวเอง ทำให้การแข่งขันระดับโลกเพื่อหาโมเดลที่ดีที่สุดนี้น่าสนใจยิ่งขึ้นเรื่อยๆ

Meta ใช้ข้อมูลผู้ใช้เพื่อเสนอส่วนลดราคาได้สูงสุดถึง 75 เท่า

ซักเกอร์เบิร์กกล่าวในทวิตเตอร์ว่า "(โมเดลนี้) ถูกวางตำแหน่ง ให้ใช้งานง่ายและราคาไม่แพง (ผู้ใช้) เพียงแค่เขียนโค้ดบรรทัดเดียวก็สามารถติดตั้งและเริ่มใช้งาน ' แพ็คเกจซอฟต์แวร์สำหรับผู้ร่วมพัฒนา ' ได้แล้ว"

สิ่งที่เรียกว่า "แพ็กเกจผู้ร่วมให้ข้อมูล" นั้นหมายถึง API สองเวอร์ชันที่ Meta จัดให้: เวอร์ชัน หนึ่งอนุญาต ให้แชร์ข้อมูลได้ ในขณะที่อีกเวอร์ชันหนึ่งไม่อนุญาต ค่าใช้จ่ายในการป้อนข้อมูลสำหรับเวอร์ชันแรก อยู่ที่ 0.10 ดอลลาร์ต่อโทเค็น หนึ่งล้านโทเค็น ซึ่งถูกกว่าเวอร์ชันหลังถึง 12.5 เท่า ค่าใช้จ่ายในการแคชข้อมูลป้อนเข้า อยู่ที่ 0.002 ดอลลาร์ต่อโท เค็นหนึ่งล้านโทเค็น ซึ่งถูกกว่าเวอร์ชันหลังถึง 75 เท่า และค่าใช้จ่ายในการส่งออกข้อมูล อยู่ที่ 0.20 ดอลลาร์ต่อโทเค็นหนึ่งล้านโทเค็น ซึ่งถูกกว่าเวอร์ชันหลังมากกว่า 21 เท่า

ชาวเน็ตคนหนึ่งแซวว่า "นี่มันตลกมาก! ต้นทุนการรับส่งข้อมูลของ Muse Spark ต่ำกว่า DeepSeek-V4-Flash แถมยังมีอัตราการเข้าถึงแคชที่ได้รับการปรับแต่งเป็นพิเศษอีกด้วย พวกเขา ไม่สนใจเรื่องกำไรหรอก พวกเขาแค่ต้องการข้อมูล "

ก่อนหน้านี้ DeepSeek-V4-Flash ได้เปิดตัว API อย่างเป็นทางการเมื่อวันที่ 31 กรกฎาคม โดยมีราคาดังนี้: 1 หยวนต่อล้านโทเค็นเมื่อไม่พบข้อมูลในแคชขาเข้า, 0.2 หยวนต่อล้านโทเค็นเมื่อพบข้อมูลในแคชขาเข้า และ 2 หยวนต่อล้านโทเค็นเมื่อการค้นหาข้อมูลขาออกสำเร็จ

DeepSeek นั้น "ทรงพลังมากจนดูไม่เหมือน Flash" Meta จะตามทันได้หรือไม่?

DeepSeek-V4-Flash กำลังได้รับความนิยมอย่างมากทั่วโลก นับตั้งแต่เปิดตัว API ชื่อเสียงด้านความคุ้มค่าก็เพิ่มสูงขึ้นอย่างต่อเนื่อง

ผู้ร่วมก่อตั้งและซีอีโอของ Platzi แพลตฟอร์มการศึกษาออนไลน์ชั้นนำในละตินอเมริกา ได้เผยแพร่บทความในวันนี้ โดยแสดงความประหลาดใจต่อวิธีการที่ DeepSeek-V4-Flash บรรลุความเร็วและคุณภาพที่สูงเช่นนี้ มันน่าทึ่งจริงๆ

ชาวเน็ตบางส่วนถึงกับแสดงความคิดเห็นอย่างตรงไปตรงมาว่า "คล็อดตายไปแล้ว ไม่มีเหตุผลอะไรที่โลกจะต้องถูกควบคุมโดยซัพพลายเออร์ที่ราคาแพงกว่าร้อยเท่าแต่ประสิทธิภาพเทียบเท่าคู่แข่งอีกต่อไป"

อย่างไรก็ตาม ชื่อเสียงของ DeepSeek-V4-Flash ไม่ได้มาจากราคาที่ต่ำเพียงอย่างเดียว แต่ยังมาจากประสิทธิภาพที่ยอดเยี่ยมอีกด้วย

คะแนนการทดสอบประสิทธิภาพของรุ่นนี้เหนือกว่ารุ่นพี่อย่าง DeepSeek-V4-Pro-Preview (ที่วางจำหน่ายในเดือนเมษายน) อย่างมาก แม้กระทั่งทุกวันนี้ ผู้ใช้ในต่างประเทศหลายคนยังคงชื่นชมมันอย่างสูง โดยกล่าวว่า "มันไม่รู้สึกเลยว่าเป็นอุปกรณ์ที่ใช้ Flash" ในการทดสอบ Almanbench นั้น DeepSeek-V4-Flash เวอร์ชัน 0731 ทำได้ดีกว่า Kimi K3 โดยได้คะแนนเกือบจะเท่ากับ GPT-5.6 Sol xhigh

ดังนั้น Meta จะทำอย่างไรในการแข่งขันกับ DeepSeek ในด้านราคา โดยใช้ Muse Spark 1.2 และ Muse Code เวอร์ชันเบต้าล่าสุด?

ในการประเมินโปรแกรม โปรแกรมนี้อยู่ในอันดับรองจาก Opus5, Muse และ Spark 1.2 เท่านั้น แต่ยังคงตามหลังโมเดลที่ล้ำสมัยอยู่

ในแง่ของประสิทธิภาพการทำงาน Muse Spark 1.2 ถือเป็นการพัฒนาที่สำคัญเมื่อเทียบกับรุ่นก่อนหน้า แต่ ก็ยังคงตามหลังรุ่นล้ำสมัยอยู่

Muse Spark 1.2 เป็นเวอร์ชันที่ได้รับการปรับปรุงให้เหมาะสมกับการเขียนโปรแกรม ในการทดสอบประสิทธิภาพการเขียนโค้ด เช่น Terminal-Bench 2.1 และ DeepSWE 1.1 ประสิทธิภาพโดยรวมของมันเป็นรองเพียงแค่ Claude Opus5 และมีประสิทธิภาพเหนือกว่า GPT-5.6, Grok4.5 และ Gemini3.6

ในการทดสอบการให้เหตุผลที่ซับซ้อน GDPVal-AA V2 นั้น Muse Spark 1.2 ได้อันดับสองรองจาก Opus5 เท่านั้น และในการทดสอบมาตรฐาน MCP Atlas ที่ใช้เครื่องมือ Agent นั้น Muse Spark 1.2 ได้อันดับหนึ่ง

การทดสอบแบบ Meta-test แสดงให้เห็นว่าโมเดลสามารถปรับแต่งคอร์ GPU ได้อย่างต่อเนื่องมากกว่า 1,000 ครั้ง (นานถึง 24 ชั่วโมง) เมื่อใช้สภาพแวดล้อมการเขียนโค้ด Muse Code โมเดลนี้มีประสิทธิภาพเหนือกว่า Gemini 3.6 Flash และ GPT-5.6 Terra แต่มีประสิทธิภาพด้อยกว่า GPT-5.6 Sol และ Opus5

Muse Code เป็นเอเจนต์เขียนโค้ดสำหรับผู้ใช้ปลายทางที่ทำงานได้เฉพาะในพื้นที่นั้นๆ สามารถจัดการงานด้านวิศวกรรมซอฟต์แวร์ได้อย่างครบวงจรภายในโค้ดเบสขนาดใหญ่ รวมถึงการวางแผนการเปลี่ยนแปลง การเขียนโค้ด และการตรวจสอบผลลัพธ์ Meta ได้เผยแพร่กรณีศึกษาหลายชุด แต่ยังต้องรอดูกันต่อไปว่ามันจะสามารถแข่งขันกับ Claude Code และ Codex ในสถานการณ์การพัฒนาจริงได้หรือไม่

ดังแสดงในตัวอย่างด้านล่าง Muse Code ใช้ลูปเอเจนต์แบบง่ายๆ เสริมด้วยชุดเอเจนต์พื้นหลังแบบอะซิงโครนัสเพื่อเพิ่มประสิทธิภาพการทำงานของเอเจนต์หลัก การทำงานอย่างต่อเนื่องของเอเจนต์เหล่านี้ช่วยลดความหน่วงและลดความจำเป็นในการแทรกแซงด้วยตนเองในงานที่ซับซ้อนและมีหลายขั้นตอน

ภาพด้านล่างแสดงให้เห็นผู้ใช้กำลังป้อนไฟล์ MP4 ของวิดีโอแนะนำบ้านพักตากอากาศลงในเทอร์มินัล โปรแกรม Muse Code จะประมวลผลวิดีโอและสร้างหน้าเว็บการตลาดและการจองบ้านพักตากอากาศที่สวยงามน่าดึงดูด

นอกจากนี้ Muse Spark 1.2 ยังทำคะแนนได้ 54 คะแนนในดัชนี AI Analytics Index (AII) ซึ่งแสดงให้เห็นถึงการพัฒนาความสามารถในการทำงานด้านความรู้ของเอเจนต์อย่างมีนัยสำคัญเมื่อเทียบกับเวอร์ชันก่อนหน้า โดยอยู่ในอันดับที่สามในกลุ่มห้องปฏิบัติการของสหรัฐฯ เคียงข้าง Meta และ SpaceX AI

สรุป: Meta ลดราคาเพื่อดึงดูดลูกค้า ในขณะที่ DeepSeek ขึ้นราคาเพื่อรับมือกับสงครามราคา AI ซึ่งแสดงให้เห็นว่าการแข่งขันระหว่างเอเจนซี่นั้นดุเดือดมาก

หลังจากที่ OpenAI ลดราคาลง Meta ก็ได้จุดชนวนสงครามราคาในอุตสาหกรรม AI ของสหรัฐฯ เช่นกัน เนื่องจาก OpenAI และ Anthropic ครองตลาดอยู่ Meta จึงพยายามแย่งชิงส่วนแบ่งการตลาดและได้เข้าสู่ตลาดเอเจนต์การเขียนโปรแกรมแบบ Edge Computing เป็นครั้งแรก เพื่อพยายามฟื้นฟูสถานะของตนเอง การปรับโครงสร้างภายในครั้งใหญ่ของ Google DeepMind เมื่อเร็วๆ นี้ ได้มอบโอกาสอันดีเยี่ยมให้กับ Meta

ราคาที่ต่ำอาจเป็นวิธีที่มีประสิทธิภาพในการดึงดูดผู้ใช้ แต่การที่จะได้รับการยอมรับจากผู้ใช้อย่างแท้จริงนั้น ประสิทธิภาพของโมเดลที่สูงขึ้นและคุณภาพของโทเค็นที่มีคุณภาพเป็นสิ่งสำคัญ นี่คือเหตุผลที่ DeepSeek-V4-Flash กลับมาได้รับความนิยมอีกครั้งในต่างประเทศ

เป็นที่น่าสังเกตว่า DeepSeek ประกาศแผนการปรับขึ้นราคาบริการ API อย่างครอบคลุมในเร็วๆ นี้ ซึ่งแสดงให้เห็นว่า DeepSeek ไม่ได้จำกัดการแข่งขันไว้แค่สงครามราคา แต่ยังคงมุ่งเน้นไปที่คุณภาพของโมเดล ล่าสุด DeepSeek ได้สรรหาบุคลากรที่มีความสามารถด้าน Agent Harness และดึงดูดโครงการโอเพนซอร์สที่ยอดเยี่ยมเข้ามาอย่างแข็งขัน ผลิตภัณฑ์ Agent Harness ของ DeepSeek (อาจจะใช้ชื่อว่า DeepSeek Code) กำลังพัฒนาอย่างรวดเร็ว

คาดการณ์ได้ว่าสงครามราคาเป็นเพียงจุดเริ่มต้น และการแข่งขันระหว่างผู้จัดจำหน่ายในด้านต่างๆ เช่น กำลังประมวลผล ประสิทธิภาพ ราคา แอปพลิเคชัน และระบบนิเวศ จะทวีความรุนแรงขึ้น