Muse Glimmer ปะทะ DeepSeek V4 Pro: สองขั้วของโอเพนเวต

ในรายละเอียดปลีกย่อยของการเปิดตัว DeepSeek V4 Pro มีตัวเลขหนึ่งที่ควรทำให้ใครก็ตามที่คิดว่า "น้ำหนักเปิดราคาถูก" และ "เก่งงานเขียนโค้ดแบบเอเจนต์" เป็นสิ่งเดียวกันต้องกังวล ในการทดสอบ DeepSWE ซึ่งเป็นเบนช์มาร์กที่ปราศจากการปนเปื้อนซึ่งออกแบบมาเพื่อต้านทานการโกงข้อมูลฝึกที่ระบาดในการประเมินงานวิศวกรรมซอฟต์แวร์ DeepSeek V4 Pro — โมเดล Mixture-of-Experts เจนเนอเรชันธงที่มีพารามิเตอร์ 1.6 ล้านล้านตัวซึ่งวางจำหน่ายเมื่อ 24 เมษายน 2026 ภายใต้ MIT — ได้คะแนน 8 เปอร์เซ็นต์ ขณะที่ GPT-5.5 ได้ 70 ในการทดสอบเดียวกัน และ Claude Opus 4.7 ได้ 54 นี่คือจุดข้อมูลอิสระที่สร้างความเสียหายมากที่สุดเพียงจุดเดียวที่ผูกกับเรื่องราวความสำเร็จของโมเดลราคาถูกที่สุดในอุตสาหกรรม และมันสำคัญต่อการแข่งขันครั้งนี้เพราะ Muse Glimmer โมเดลเอเจนต์น้ำหนักเปิดขนาด 30B ของ Meta ที่เผยแพร่เมื่อ 10 สิงหาคม 2026 ภายใต้ Apache 2.0 เป็นโมเดลน้ำหนักเปิดที่มีจุดออกแบบทั้งหมดคืองานแบบเอเจนต์ระยะยาวที่ DeepSWE วัด — และคะแนนเดียวที่มีอยู่ตอนนี้มาจากบริษัทที่สร้างมันขึ้นมาเอง

ดังนั้น นี่คือการเปรียบเทียบระหว่างโมเดลสองตัวที่อยู่คนละปลายของสเปกตรัม open-weights ในหลายแง่มุมมากกว่าแค่ขนาด ตัวหนึ่งคือ MoE สำหรับศูนย์ข้อมูลที่คุณเช่าได้ในราคาเพียงเล็กน้อย อีกตัวคือการดาวน์โหลดสำหรับเดสก์ท็อปที่เสียค่าใช้จ่ายแค่ GPU เท่านั้น ตัวหนึ่งมีประวัติผลงานที่ผ่านการประเมินอย่างอิสระ ซึ่งรวมถึงผลลัพธ์แบบ agentic ที่หายนะ อีกตัวไม่มีประวัติผลงานที่ผ่านการประเมินอย่างอิสระเลย บทความนี้ทำให้ทั้งสองตัวอยู่ในมุมที่ถูกต้อง และปล่อยให้ช่องว่างระหว่าง "vendor-reported" กับ "independently shown" เป็นคนพูดเอง

ตัวเลขที่คุณควรกังวล

DeepSWE เป็นสิ่งที่ควรทำความเข้าใจก่อนจะดูตัวเลขหลักใดๆ เพราะมันคือการทดสอบที่ไม่ให้รางวัลกับสิ่งที่จดจำได้ มันถูกออกแบบมาเพื่อหลีกเลี่ยงการปนเปื้อน (contamination) ซึ่งเป็นแนวปฏิบัติในการประเมินด้วยข้อมูลที่โมเดลเคยเห็นแล้วระหว่างการฝึก และมันใช้เวลานานกับงานวิศวกรรมซอฟต์แวร์ในโลกจริงที่ต้องอาศัยการดำเนินการหลายขั้นตอนอย่างต่อเนื่อง ไม่ใช่แค่การจำรูปแบบ ผล 8 เปอร์เซ็นต์ของ DeepSeek V4 Pro ตรงนั้นไม่ใช่ความคิดเห็น แต่เป็นผลลัพธ์ที่วัดได้จากการประเมินโดยอิสระ และมันเป็นภาพที่แตกต่างอย่างสิ้นเชิงจากที่ตารางของผู้พัฒนาวาดไว้เอง โดยที่โมเดลเดียวกันนี้ทำคะแนนได้ 80.6 บน SWE-bench Verified, 93.5 บน LiveCodeBench และเรตติ้ง Codeforces ที่ 3,206 ซึ่งเอาชนะ GPT-5 ที่ 3,168 ช่องว่างระหว่างภาพทั้งสองนี้คือเรื่องราวทั้งหมดที่อธิบายว่าทำไม "โอเพนเวต โทเคนราคาถูก" และ "เก่งการเขียนโค้ดแบบเอเจนต์" จึงต้องถูกตรวจสอบแยกจากกัน

{{1}}Muse Glimmer ไม่มีคะแนน DeepSWE{{/1}} {{2}}ไม่มีคะแนนอิสระใดๆ เลย — เปิดตัวเมื่อเช้านี้ และตาราง benchmark ทั้งหมดเป็นของ Meta เอง ซึ่ง Meta เป็นผู้รันกับระบบของคู่แข่งที่ยอมรับว่าไม่ได้ปรับแต่ง{{/2}} {{3}}ป้ายกำกับที่ซื่อสัตย์สำหรับตัวเลข Glimmer ทุกตัวในบทความนี้คือ "รายงานโดยผู้ผลิต"{{/3}} {{4}}แต่การออกแบบของโมเดลชี้ตรงไปที่โหมดความล้มเหลวที่ DeepSWE เผยออกมาพอดี: การกู้คืนความล้มเหลวอัตโนมัติ แผนหลายขั้นตอน การใช้เครื่องมือในระยะยาว{{/4}} {{5}}การที่การออกแบบนั้นจะอยู่รอดเมื่อเจอกับการทดสอบอิสระหรือไม่ คือคำถามเปิดของการแข่งขันครั้งนี้ และยังไม่มีใครตอบได้{{/5}}

ปลายทั้งสองของน้ำหนักแบบเปิด

เริ่มจากความหมายของคำว่า "open" สำหรับแต่ละรุ่นก่อน เพราะมันไม่เหมือนกัน DeepSeek V4 Pro เป็นโมเดล MoE ที่มีพารามิเตอร์รวม 1.6T โดยมีพารามิเตอร์ที่ถูกใช้งานจริง (active) ประมาณ 49B ต่อโทเคน มีหน้าต่างบริบท (context window) ขนาด 1M โทเคน รองรับเอาต์พุตสูงสุด 384K โทเคน และรับอินพุตเฉพาะข้อความเท่านั้น — ไม่รองรับภาพ น้ำหนักโมเดล (weights) ที่อยู่ภายใต้สัญญาอนุญาต MIT นั้นนำไปใช้ได้ฟรี แต่การโฮสต์ด้วยตัวเอง (self-hosting) คือโปรเจกต์ระดับดาตาเซ็นเตอร์: เช็คพอยต์แบบ BF16 มีขนาดในระดับเทราไบต์ ดังนั้นในทางปฏิบัติ DeepSeek V4 Pro จึงเป็นสิ่งที่คุณเช่าใช้งาน ผ่าน API ของ DeepSeek หรือของผู้ให้บริการรายที่สาม Muse Glimmer เป็นโมเดล dense ขนาด 30B แบบมัลติโมดัล — รองรับทั้งข้อความและภาพผ่าน perception encoder — ภายใต้สัญญาอนุญาต Apache 2.0 โดยเช็คพอยต์แบบ 4-bit รวมกับ DFlash drafter มีขนาดรวมประมาณ 19.5GB ตัวหนึ่งเป็นโมเดล open-weight ที่คุณนำไป deploy ส่วนอีกตัวเป็นโมเดล open-weight ที่คุณดาวน์โหลดแล้วรันบนการ์ด GPU ขนาด 24GB หรือ 32GB เพียงใบเดียว หรือ Mac ซีรีส์ M ระดับไฮเอนด์ ทั้งคู่เป็น open weights อย่างแท้จริง แต่นอกเหนือจากนั้น แทบไม่มีอะไรเหมือนกันเลยในแง่ที่คุณจะนำไปใช้งาน

บุคลิกภาพแตกแยกของยักษ์

จุดแข็งของ DeepSeek V4 Pro คือการวัดประสิทธิภาพแบบแยกส่วน ด้านคณิตศาสตร์และความรู้: GPQA Diamond 90.1, AIME 2026 96.4, MMLU-Pro 87.5 ด้านการเขียนโค้ดในสภาพแวดล้อมที่ควบคุม: SWE-bench Verified 80.6, LiveCodeBench 93.5 ความสามารถในการค้นหาข้อมูลในบริบทยาวแบบเข็มในมหาสมุทรก็แข็งแกร่งเช่นกัน — ได้ 83.5 บน MRCR ที่ 1 ล้านโทเคน นำหน้า Gemini 3.1 Pro ในการทดสอบนั้น แต่ในแถวที่วัดการทำงานแบบ agentic อย่างต่อเนื่อง ภาพกลับแตกร้าว Terminal-Bench 2.0 ได้ 67.9, การใช้เครื่องมือบน Toolathlon ได้ 51.8 และการจัดอันดับจากผู้รวบรวมอิสระจัดให้เวอร์ชันมาตรฐานอยู่กลางตารางในหมวด agentic และการเขียนโค้ด แม้ตัวเลขด้านการให้เหตุผลจะยังอยู่ใกล้จุดสูงสุด ผลลัพธ์ DeepSWE ที่ 8 เปอร์เซ็นต์คือภาพที่แตกร้าวจนถึงขีดสุด

ตารางที่ผู้จำหน่ายรายงานของ Muse Glimmer ชี้ไปในทิศทางตรงกันข้าม: แถวที่แข็งแกร่งที่สุดคือแถวที่เกี่ยวกับงานเชิงเอเจนต์ MCP-Atlas 75.5, DeepSearch QA 74.6, GAIA2 43.3, SWE-bench Verified 76.0, SWE-bench Pro 51.2, Terminal-Bench 2.1 51.7 เมื่อเทียบกับตัวเลขการเขียนโค้ดที่ตรวจสอบแล้วของ DeepSeek — 80.6 SWE-bench Verified, 93.5 LiveCodeBench, 90.1 GPQA Diamond — Glimmer แพ้เกือบทุกแถวที่ตารางเกณฑ์มาตรฐานให้ความสำคัญ โมเดลทั้งสองเก่งในสิ่งที่แตกต่างกัน และสิ่งที่ Glimmer อ้างว่าเก่งนั้น ตรงกับสิ่งที่บันทึกผลการทดสอบอิสระของ DeepSeek ระบุว่าแนวทางแบบยักษ์ใหญ่ต้นทุนต่ำทำได้ไม่ดี

แต่ละอย่างราคาเท่าไร พูดตามตรง

ราคาปลีกที่ประกาศของ DeepSeek V4 Pro อยู่ที่ 1.74 ดอลลาร์ต่อล้านโทเคนอินพุต และ 3.48 ดอลลาร์ต่อล้านโทเคนเอาต์พุต โดยอินพุตแบบ cache-hit อยู่ที่ประมาณ 0.145 ดอลลาร์ ส่วนลดถาวรของ DeepSeek — ซึ่งตอนแรกตั้งกรอบไว้ว่าเป็นโปรโมชันแล้วก็คงไว้ — ทำให้อัตราที่มีผลจริงอยู่ที่ประมาณ 0.44 ดอลลาร์สำหรับอินพุต และ 0.87 ดอลลาร์สำหรับเอาต์พุต ถูกพอจนราคาต่อโทเคนแทบไม่ใช่ปัจจัยชี้ขาด และถูกพอจะอธิบายได้ว่าทำไมมันถึงเป็นตัวเลือกงบประมาณเริ่มต้นของอุตสาหกรรมส่วนใหญ่ ราคานั้นใช้งานจริงผ่าน API ของผู้ให้บริการเองและแพลตฟอร์มบุคคลที่สามหลายแห่ง และบน OrcaRouter ราคาจะถูกส่งผ่านที่มาร์กอัป 0% — ราคาปลีกของผู้ให้บริการ ไม่มีส่วนเพิ่ม — ดังนั้นการลดราคาของ DeepSeek จะเห็นบนหน้าโมเดลในวันเดียวกับที่เกิดขึ้น ซึ่งเป็นวิธีที่ซื่อสัตย์ในการเปรียบเทียบกับสิ่งอื่นใดในแคตตาล็อก

Muse Glimmer มีค่าใช้จ่ายเป็นศูนย์ต่อโทเคน และต้นทุนที่แท้จริงอยู่ที่ฮาร์ดแวร์: GPU ขนาด 24GB หรือ 32GB โดยใช้ RTX 5090 เป็นเกณฑ์อ้างอิง หรือ Mac ตระกูล M-series ที่สเปกสูงสุด หากคุณเป็นเจ้าของอยู่แล้ว ต้นทุนส่วนเพิ่มของเอเจนต์ท้องถิ่นที่ทำงานตลอดเวลาก็คือค่าไฟฟ้าเท่านั้น แต่หากคุณยังไม่มี GPU ก็จะกลายเป็นรายการค่าใช้จ่ายก้อนใหญ่ — และสำหรับหลายทีม การซื้อเพียงครั้งเดียวนั้นถูกกว่าอัตราคิดค่าบริการแม้แต่แบบลดราคาของ DeepSeek เสียอีกตลอดอายุการใช้งานของเอเจนต์ที่ทำงานตลอดเวลา ขณะที่บางทีมกลับเลือกโมเดลแบบคิดต่อโทเคนเพราะต้องการคอนเทกซ์ขนาด 1M และเอาต์พุต 384K ซึ่งโมเดลท้องถิ่นขนาด 19.5GB ไม่สามารถรองรับได้ การเปรียบเทียบราคาจะเห็นผลชัดเจนก็ต่อเมื่อคุณตัดสินใจได้แล้วว่าคุณอยู่ในรูปแบบการปรับใช้แบบใด

การเมืองเบื้องล่าง

การกล่าวถึงบริบทเป็นสิ่งสำคัญ เพราะมันกำหนดว่าระดับความเชื่อใจที่คุณควรมีต่อตารางเปรียบเทียบของแต่ละเวนเดอร์ควรอยู่ที่เท่าใด บทความของซักเคอร์เบิร์กที่มาพร้อมการเปิดตัว Muse Glimmer ชื่อ {{1}}"อนาคตเป็นของทุกคน"{{/1}} เอ่ยชื่อ DeepSeek อย่างชัดเจน พร้อมกับ Qwen และ Moonshot ว่าเป็นห้องแล็บโมเดลโอเพนของจีนที่โมเดลโอเพนเวทจากอเมริกาต้องแข่งขันด้วย และเรียกร้องให้สหรัฐฯ ผ่อนปรนกฎระเบียบด้าน AI โอเพนซอร์ส Meta วางตำแหน่ง Glimmer ให้เป็นคำตอบในประเทศต่อกระแสโอเพนเวทราคาถูก กรอบการนำเสนอดังกล่าวมีอยู่จริง และเป็นสถานการณ์แบบที่เกณฑ์วัดจากเวนเดอร์สมควรถูกตั้งข้อกังขามากที่สุดพอดี — ทั้งสองฝ่ายต่างขายเรื่องราวระดับชาติควบคู่ไปกับโมเดล สิ่งที่ถ่วงดุลคือการวัดผลอย่างเป็นอิสระที่มีอยู่แล้วสำหรับ DeepSeek (รวมถึง {{2}}ตัวเลข 8 เปอร์เซ็นต์{{/2}}) และ {{3}}การวัดผลอย่างอิสระที่ยังไม่มีสำหรับ Glimmer{{/3}}

ใครควรดำเนินการอันไหน

โมเดลทั้งสองไม่ใช่สิ่งทดแทนกัน และการตัดสินใจส่วนใหญ่เป็นคำถามเรื่องขอบเขตการปรับใช้ที่มาในคราบเกณฑ์มาตรฐาน หากปริมาณงานของคุณต้องการโทเคนสูงและบริบทสูง — อินพุตขนาดใหญ่ เอาต์พุตยาว คณิตศาสตร์และความรู้ในระดับใหญ่ — DeepSeek V4 Pro ในอัตราส่วนลดถือเป็นหนึ่งในข้อเสนอที่คุ้มค่าที่สุดด้านต้นทุนต่อความสามารถในแคตตาล็อก และผลลัพธ์ DeepSWE 8 เปอร์เซ็นต์ของมันมีความสำคัญน้อยกว่าสำหรับปริมาณงานที่ไม่ใช่การเขียนโค้ดแบบเอเจนต์ระยะยาว หากปริมาณงานของคุณเป็นเอเจนต์ท้องถิ่นที่เปิดทำงานตลอดเวลา — ความถี่สูง เป็นส่วนตัว โต้ตอบได้ เรียกใช้เครื่องมือ — Muse Glimmer คือรูปแบบของคำตอบ โดยมีข้อแม้ว่าข้อกล่าวอ้างด้านเอเจนต์ของมันยังคงเป็นการรายงานตนเองทั้งหมดและต้องมีการทดสอบอย่างอิสระ หากปริมาณงานของคุณเป็นทั้งสองแบบ — และสแต็กเอเจนต์จริงส่วนใหญ่ก็เป็นเช่นนั้น — โมเดลทั้งสองก็คือสองชั้นของระบบเดียว: โมเดล 30B ในเครื่องสำหรับเส้นทางที่รวดเร็ว เป็นส่วนตัว และความถี่สูง และ MoE แบบเช่าสำหรับงานหนักที่ต้องใช้บริบทยาว

อะไรจะตัดสินการเปรียบเทียบนี้ได้ เรียงตามความเร็วคร่าวๆ: ผลลัพธ์ Glimmer จากหน่วยงานอิสระในการทดสอบระยะยาวที่ปราศจากการปนเปื้อนอย่าง DeepSWE ซึ่งเป็นตัวเลขที่มีประโยชน์ที่สุดเพียงตัวเดียวที่การแข่งขันนี้ยังขาดอยู่; การทำซ้ำอย่างอิสระเป็นครั้งที่สองของตัวเลข 8 เปอร์เซ็นต์ของ DeepSeek เพื่อยืนยันว่ามันไม่ใช่ความบังเอิญจากการตั้งค่า; และผู้ให้บริการรายแรกที่เปิด Glimmer endpoint ซึ่งเป็นจังหวะที่การแยกแบบติดตั้งในเครื่องและเช่าใช้งานหยุดเป็นเพียงสมมติฐานและกลายเป็นสิ่งที่คุณเชื่อมต่อได้ด้วยคีย์เดียว จนกว่าจะถึงตอนนั้น บทสรุปที่ตรงไปตรงมาก็สั้น DeepSeek V4 Pro คือยักษ์ใหญ่โอเพนเวตส์ที่มีเรื่องราว token ราคาถูกที่พิสูจน์แล้วและจุดอ่อนที่เฉพาะเจาะจงและวัดค่าได้ Muse Glimmer คือผู้มาใหม่โอเพนเวตส์ที่ข้อเสนอทั้งหมดเล็งไปที่จุดอ่อนนั้นพอดี — และหลักฐานเดียวที่มีจนถึงตอนนี้ก็คือคำพูดของตัวเองเท่านั้น