รายชื่อโมเดล DeepSeek ทั้งหมด: ฟีเจอร์และกรณีใช้งาน

สายผลิตภัณฑ์โมเดล DeepSeek เติบโตจากโมเดลเขียนโค้ดโอเพนซอร์สขนาดเล็ก มาเป็นหนึ่งในตระกูล AI แบบเปิดน้ำหนักที่ได้รับความสนใจมากที่สุดในโลก โดยมีชื่อเสียงจากคะแนน benchmark ใกล้เคียงโมเดลแนวหน้าในราคาเพียงส่วนหนึ่งของคู่แข่งแบบปิด คู่มือนี้รวบรวมโมเดล DeepSeek รุ่นสำคัญทั้งหมดเรียงจากใหม่ไปเก่า พร้อมสรุปสเปก ฟีเจอร์หลัก และการใช้งานที่เหมาะสม รวมถึงลิงก์ทดลองโมเดลที่มีให้ใช้บน Chat Smith

เปิดตัวเมื่อวันที่ 24 เมษายน 2026 ภายใต้สัญญาอนุญาต MIT โดย DeepSeek V4 Pro (พารามิเตอร์รวม 1.6T / ทำงาน 49B) และ DeepSeek V4 Flash (284B / ทำงาน 13B) รองรับหน้าต่างบริบท 1M โทเค็นทั้งคู่ และลดต้นทุนด้วยการออกแบบ attention แบบไฮบริดใหม่ ราคา: V4 Pro อินพุต $0.435/1M, เอาต์พุต $0.87/1M; V4 Flash อินพุต $0.14/1M, เอาต์พุต $0.28/1M เหมาะสำหรับ: การเขียนโค้ดแบบเอเจนต์และการใช้เหตุผลกับบริบทยาว (Pro), งานปริมาณสูงที่ไวต่อเวลาแฝง (Flash)

เปิดตัวเมื่อวันที่ 1 ธันวาคม 2025 โดย DeepSeek V3.2 เป็นโมเดล DeepSeek รุ่นแรกที่รวมการคิดเข้ากับการใช้เครื่องมือโดยตรง และทำคะแนน 73.1% บน SWE-Bench Verified ส่วน V3.2-Speciale ซึ่งใช้การประมวลผลสูงกว่า ยกระดับการใช้เหตุผลไปอีกขั้นด้วยผลลัพธ์คณิตศาสตร์โอลิมปิกระดับเหรียญทองและคะแนน 96% บน AIME ส่วน endpoint DeepSeek Reasoner V3.2 เปิดให้ใช้พฤติกรรมการใช้เหตุผลนี้ผ่านโหมด “thinking” โดยเฉพาะ เหมาะสำหรับ: คำถามทั่วไปและงานเอเจนต์ (V3.2), คณิตศาสตร์ระดับการแข่งขันและการใช้เหตุผลแบบยาว (Speciale)

V3.2-Exp เปิดตัวเมื่อวันที่ 29 กันยายน 2025 และนำ DeepSeek Sparse Attention (DSA) มาใช้ ช่วยลดราคา API ลงประมาณครึ่งหนึ่งจากรุ่นก่อน พร้อมเพิ่มความเร็วในการประมวลผลงานบริบทยาว เป็นรุ่นทดลองที่วางรากฐานให้กับ V3.2 ฉบับเต็มซึ่งเปิดตัวในอีกสองเดือนต่อมา เหมาะสำหรับ: การอ้างอิงทางประวัติศาสตร์ เพราะถูกแทนที่ด้วย V3.2 แล้ว

DeepSeek V3.1 เปิดตัวเมื่อวันที่ 21 สิงหาคม 2025 และรวมโหมด “thinking” กับโหมดตอบปกติไว้ในโมเดลเดียวเป็นครั้งแรก ทำให้ไม่ต้องเลือก endpoint แยกสำหรับแชตและการใช้เหตุผล รุ่นปรับปรุง Terminus เมื่อวันที่ 22 กันยายนแก้ไขผลลัพธ์สองภาษาอังกฤษ/จีน เพิ่มความสามารถในการใช้เครื่องมือแบบเอเจนต์ และลดต้นทุนการประมวลผลบริบทยาว เหมาะสำหรับ: การอ้างอิงทางประวัติศาสตร์ เพราะถูกแทนที่ด้วย V3.2 แล้ว

R1-0528 เปิดตัวเมื่อวันที่ 28 พฤษภาคม 2025 เป็นการอัปเดตครั้งใหญ่ของโมเดลใช้เหตุผลรุ่นแรกของ DeepSeek โดยทำคะแนน 91 บน AIME, 73 บน LiveCodeBench และ 57.6% บน SWE-bench Verified นอกจากนี้ DeepSeek ยังเปิดตัวรุ่นกลั่นขนาด 8B บนพื้นฐาน Qwen3 ซึ่งเล็กพอที่จะทำงานบนแล็ปท็อป เหมาะสำหรับ: การอ้างอิงทางประวัติศาสตร์ เพราะปัจจุบันความสามารถด้านการใช้เหตุผลถูกรวมไว้ในสายผลิตภัณฑ์ V3.2/V4

V3-0324 เปิดตัวเมื่อวันที่ 24 มีนาคม 2025 เป็นการอัปเดตโมเดลพื้นฐาน V3 แบบเงียบ ๆ แต่มีความสำคัญ โดยเป็นโมเดล MoE ขนาด 685B พารามิเตอร์ที่เผยแพร่บน Hugging Face ภายใต้สัญญาอนุญาต MIT และเป็นรากฐานของรุ่นถัดมา เหมาะสำหรับ: การอ้างอิงทางประวัติศาสตร์ เพราะถูกแทนที่ด้วย V3.1 และรุ่นใหม่กว่าอย่างสมบูรณ์แล้ว

DeepSeek R1 เปิดตัวเมื่อวันที่ 20 มกราคม 2025 และทำให้บริษัทเป็นที่รู้จักในวงกว้าง โดยมูลค่าหุ้นเทคโนโลยีสหรัฐฯ ลดลงหลายแสนล้านดอลลาร์ในสัปดาห์ที่เปิดตัว โมเดลนี้แสดงให้เห็นว่าการใช้เหตุผลที่ขับเคลื่อนด้วย reinforcement learning เพียงอย่างเดียว โดยไม่ต้องใช้ supervised fine-tuning จำนวนมาก สามารถแข่งขันกับ o1 ของ OpenAI ได้ checkpoint ทดลอง R1-Zero ทดสอบ RL ตั้งแต่เริ่มต้น ส่วน R1 เพิ่มข้อมูล cold-start เพื่อให้อ่านง่ายขึ้น โมเดลกลั่นขนาดเล็ก 6 รุ่นช่วยให้นักพัฒนาเรียกใช้รุ่นเบาในเครื่องได้ เหมาะสำหรับ: การอ้างอิงทางประวัติศาสตร์ เพราะถูกต่อยอดด้วย R1-0528 และสายผลิตภัณฑ์ V3.2/V4

เปิดตัวระหว่างวันที่ 25–26 ธันวาคม 2024 โดย DeepSeek V3 ขยายการออกแบบ Mixture-of-Experts ของ DeepSeek เป็นพารามิเตอร์รวม 671 พันล้านตัว (ทำงาน 37B) และฝึกด้วยข้อมูล 14.8 ล้านล้านโทเค็น โดยมีรายงานว่าต้นทุนต่ำกว่าที่ห้องปฏิบัติการตะวันตกใช้กับโมเดลระดับเดียวกันมาก โมเดลนี้เป็นสถาปัตยกรรมพื้นฐานที่ใช้สร้าง R1 ในภายหลัง เหมาะสำหรับ: การอ้างอิงและงานวิจัย โดยติดตั้งเองได้ภายใต้สัญญาอนุญาตที่ผ่อนปรน

V2.5 เปิดตัวเมื่อวันที่ 5 กันยายน 2024 และปรับปรุงอีกครั้งในเดือนธันวาคม โดยรวมโมเดลแชตอเนกประสงค์ของ DeepSeek กับสายผลิตภัณฑ์ที่เน้นการเขียนโค้ดไว้ในโมเดลเดียว ทำให้ผลิตภัณฑ์เรียบง่ายขึ้นก่อน V3 เหมาะสำหรับ: การอ้างอิงทางประวัติศาสตร์เท่านั้น

DeepSeek V2 เปิดตัวเมื่อวันที่ 6 พฤษภาคม 2024 (พารามิเตอร์รวม 236B / ทำงาน 21B, บริบท 128K) และเป็นจุดเริ่มต้นทางสถาปัตยกรรมของโมเดลเรือธง DeepSeek ทุกรุ่นหลังจากนั้น โมเดลนี้ใช้ Multi-head Latent Attention (MLA) เพื่อลดต้นทุน KV cache ควบคู่กับการออกแบบ Mixture-of-Experts ทำให้ต้นทุนการฝึกลดลง 42.5% และขนาด KV cache ลดลง 93.3% เมื่อเทียบกับโมเดล dense รุ่นก่อนของ DeepSeek จากนั้น DeepSeek Coder V2 เปิดตัวในเดือนมิถุนายนและขยายสถาปัตยกรรมให้รองรับภาษาโปรแกรม 338 ภาษา เหมาะสำหรับ: การอ้างอิงทางประวัติศาสตร์ เพราะปัจจุบันสิ่งสำคัญคือสถาปัตยกรรม ไม่ใช่ checkpoint

โมเดลรุ่นแรกของ DeepSeek ได้แก่ DeepSeek Coder และ DeepSeek LLM ขนาด 7B/67B เปิดตัวในเดือนพฤศจิกายน 2023 ฝึกด้วยข้อมูลประมาณ 2 ล้านล้านโทเค็น และแข่งขันกับ LLaMA-2 70B ของ Meta ใน benchmark ด้านโค้ด คณิตศาสตร์ และการใช้เหตุผลได้ตั้งแต่เปิดตัว โมเดลเหล่านี้ทำให้ DeepSeek เป็นที่รู้จักในฐานะห้องปฏิบัติการโอเพนซอร์สที่จริงจัง ก่อน V3 หรือ R1 จะเป็นข่าวใหญ่ทั่วโลก เหมาะสำหรับ: การอ้างอิงทางประวัติศาสตร์เท่านั้น

ปัจจุบันสายผลิตภัณฑ์ DeepSeek ครอบคลุมโมเดลอเนกประสงค์แบบเปิดน้ำหนัก โมเดลใช้เหตุผลโดยเฉพาะ และการแยกรุ่น fast/pro ในระดับเรือธง โดยทั้งหมดเผยแพร่ภายใต้สัญญาอนุญาตที่ผ่อนปรนและมีราคาประมาณหนึ่งในสิบของคู่แข่งแบบปิด สำหรับทีมและบุคคลที่ต้องการใช้โมเดลเหล่านี้โดยไม่ต้องติดตั้งเอง Chat Smith ช่วยให้เข้าถึงโมเดล DeepSeek ที่มีให้ใช้ พร้อมกับ GPT, Claude, Gemini และ Grok ได้จากอินเทอร์เฟซเดียว ดูแคตตาล็อกโมเดล AI ทั้งหมดบน Chat Smith เพื่อค้นหาโมเดลที่เหมาะกับเวิร์กโฟลว์ของคุณ