DeepSeek V3.2 เอาชนะ GPT-5 ในเบนช์มาร์กระดับสูง: การก้าวกระโดดของ AI จีนส่งผลอย่างไรต่อโครงสร้างพื้นฐาน

10 ธ.ค. 2025 เขียนโดย Blake Crosley

DeepSeek ของจีนเปิดตัวโมเดล AI ใหม่สองรุ่นเมื่อวันที่ 1 ธันวาคม 2025 โดย DeepSeek-V3.2-Speciale ทำผลงานระดับแข่งขันชั้นยอด: ระดับเหรียญทองในการแข่งขันคณิตศาสตร์โอลิมปิกนานาชาติ 2025 (35/42 คะแนน), อันดับที่ 10 ในการแข่งขันคอมพิวเตอร์โอลิมปิกนานาชาติ (492/600 คะแนน) และอันดับที่ 2 ในรอบชิงชนะเลิศ ICPC World Finals[^1] ในด้านประสิทธิภาพเบนช์มาร์ก รุ่น Speciale ทำคะแนนผ่าน 96.0% ใน AIME เทียบกับ 94.6% ของ GPT-5-High และ 95.0% ของ Gemini-3.0-Pro[^2] โมเดลทั้งสองเปิดให้ใช้ฟรีและเปิดเผยซอร์สโค้ดภายใต้สัญญาอนุญาต Apache 2.0 ท้าทายข้อสันนิษฐานเกี่ยวกับความต้องการพลังประมวลผลสำหรับความสามารถ AI ระดับแนวหน้า

การเปิดตัวครั้งนี้เป็นช่วงเวลาสำคัญในภูมิรัฐศาสตร์ AI ห้องปฏิบัติการจีนที่ดำเนินงานภายใต้ข้อจำกัดการส่งออกชิปของสหรัฐฯ ผลิตโมเดลที่เทียบเท่าหรือเหนือกว่าระบบแนวหน้าของสหรัฐฯ ในงานการให้เหตุผลระดับสูง ความสำเร็จนี้ตั้งคำถามเกี่ยวกับความสัมพันธ์ระหว่างการลงทุนโครงสร้างพื้นฐานและความสามารถ AI พร้อมนัยสำคัญสำหรับองค์กรที่วางแผนจัดซื้อ GPU และโครงสร้างพื้นฐานการฝึกโมเดล

รายละเอียดประสิทธิภาพเบนช์มาร์ก

DeepSeek-V3.2-Speciale แสดงประสิทธิภาพโดดเด่นในเบนช์มาร์กคณิตศาสตร์และการเขียนโปรแกรม ทำให้อยู่ในกลุ่มโมเดลแนวหน้าสามอันดับแรกของโลก

ในการแข่งขันคณิตศาสตร์ Harvard-MIT รุ่น Speciale ทำคะแนน 99.2% เหนือกว่า Gemini ที่ได้ 97.5%[^3] AIME—ข้อสอบ 75 นาทีที่มี 15 ข้อวัดความเข้าใจทางคณิตศาสตร์มากกว่าการคำนวณ—เป็นหนึ่งในเบนช์มาร์กการให้เหตุผลที่ท้าทายที่สุดของ AI คะแนน 96% ทำให้โมเดลอยู่ในระดับนักแข่งโอลิมปิกคณิตศาสตร์ 50 อันดับแรกของโลก[^4]

สถาปัตยกรรมพื้นฐานอธิบายเหตุผล DeepSeek V3.2 สร้างบนเฟรมเวิร์ก Mixture-of-Experts (MoE) ขนาด 685 พันล้านพารามิเตอร์ โดยเปิดใช้งาน 37 พันล้านพารามิเตอร์ต่อโทเค็น[^5] การออกแบบ MoE หมายความว่าโมเดลมีความจุความรู้ของโมเดล 685B แต่มีต้นทุนการอนุมานของโมเดล 37B—ข้อได้เปรียบด้านประสิทธิภาพที่สำคัญซึ่งช่วยให้ทั้งการฝึกและการใช้งานสามารถทำได้บนฮาร์ดแวร์ที่ถูกจำกัด

รุ่น DeepSeek-V3.2 มาตรฐานมุ่งเป้าไปที่กรณีใช้งานผู้ช่วยการให้เหตุผลในชีวิตประจำวันพร้อมความสมดุลระหว่างความสามารถและประสิทธิภาพ รุ่น Speciale—การกำหนดค่าพลังประมวลผลสูงพร้อมห่วงโซ่การให้เหตุผลที่ขยายออก—เป็นเวอร์ชันความสามารถสูงสุดที่ปรับแต่งสำหรับประสิทธิภาพเบนช์มาร์กระดับสูงมากกว่าประสิทธิภาพต้นทุน[^6] DeepSeek ระบุว่า API endpoint ของ Speciale จะหมดอายุวันที่ 15 ธันวาคม 2025 สะท้อนต้นทุนการคำนวณที่สูงมากในการรันโมเดลในระดับใหญ่

โมเดลทั้งสองเพิ่มความสามารถในการรวมการให้เหตุผลและการดำเนินการบางอย่างโดยอัตโนมัติ แสดงถึงความสามารถเชิง agentic ควบคู่กับประสิทธิภาพเบนช์มาร์กดิบ[^7] การผสมผสานนี้วางตำแหน่งโมเดล DeepSeek สำหรับการประยุกต์ใช้จริงนอกเหนือจากเบนช์มาร์กทางวิชาการ

นัยด้านประสิทธิภาพโครงสร้างพื้นฐาน

ความสำเร็จของ DeepSeek ท้าทายข้อสันนิษฐานเกี่ยวกับความต้องการพลังประมวลผลสำหรับ AI แนวหน้า—และให้บทเรียนที่เป็นรูปธรรมสำหรับการวางแผนโครงสร้างพื้นฐาน

การพัฒนาประสิทธิภาพการฝึก

DeepSeek ฝึก V3 บน GPU NVIDIA H800 จำนวน 2,048 ตัว—รุ่นที่ถูกจำกัดการส่งออกของ H100 ซึ่งมีความเร็ว interconnect ที่ลดลง—เพียง 2.788 ล้านชั่วโมง GPU ด้วยต้นทุนประมวลผลประมาณ 5.6 ล้านดอลลาร์[^8] สำหรับบริบท Llama 3 405B ต้องการ 30.8 ล้านชั่วโมง GPU สำหรับการฝึก—พลังประมวลผลมากกว่า 11 เท่าสำหรับโมเดลที่เล็กกว่า[^9]

ประสิทธิภาพมาจากนวัตกรรมหลักสามประการ:

การฝึก FP8 mixed precision DeepSeek บุกเบิกการฝึก FP8 (8-bit) ในระดับใหญ่ ลดความต้องการหน่วยความจำในขณะที่รักษาความแม่นยำ V3 เป็น LLM แบบเปิดรุ่นแรกที่ฝึกโดยใช้ FP8 ยืนยันเทคนิคสำหรับโมเดลขนาดใหญ่มาก[^10]

ประสิทธิภาพการประมวลผลต่อโทเค็น DeepSeek ฝึก V3 ที่ 250 GFLOPs ต่อโทเค็น เทียบกับ 394 GFLOPs ต่อโทเค็นของ Qwen 2.5 72B และ 2,448 GFLOPs ต่อโทเค็นของ Llama 3.1 405B[^11] ช่องว่างประสิทธิภาพ 10 เท่าเมื่อเทียบกับ Llama แสดงให้เห็นว่านวัตกรรมอัลกอริทึมสามารถทดแทนพลังประมวลผลดิบได้

Multi-head Latent Attention (MLA) สถาปัตยกรรมนี้ลดความต้องการแบนด์วิดท์หน่วยความจำระหว่างการอนุมาน ช่วยให้สามารถใช้งานบนฮาร์ดแวร์ที่ปกติจะไม่เพียงพอ

สิ่งนี้หมายความว่าอย่างไรสำหรับการตัดสินใจจัดซื้อ

ช่องว่างประสิทธิภาพมีนัยโดยตรงสำหรับการจัดซื้อ GPU:

ตั้งคำถามกับข้อสันนิษฐานคลัสเตอร์ขนาดใหญ่ หาก DeepSeek บรรลุประสิทธิภาพแนวหน้าด้วย H800 จำนวน 2,048 ตัว องค์กรที่วางแผนคลัสเตอร์ GPU 10,000+ ตัวควรตรวจสอบข้อสันนิษฐานด้านประสิทธิภาพของตน คลัสเตอร์ขนาดเล็กที่ปรับแต่งอย่างดีอาจให้ความสามารถเทียบเท่า

ลงทุนในความเชี่ยวชาญโครงสร้างพื้นฐานการฝึก ช่องว่างระหว่างประสิทธิภาพของ DeepSeek และแนวทางของห้องปฏิบัติการตะวันตกบ่งชี้ว่าวิธีการฝึกมีความสำคัญเท่ากับฮาร์ดแวร์ องค์กรควรจัดสรรงบประมาณสำหรับบุคลากรวิศวกรรม ML ควบคู่กับการจัดซื้อ GPU

วางแผนสำหรับการปรับปรุงประสิทธิภาพอย่างรวดเร็ว รอบการจัดซื้อ 12-18 เดือนเสี่ยงต่อการล้าสมัยเมื่อประสิทธิภาพการฝึกปรับปรุง พิจารณาข้อผูกพันที่สั้นลงหรือการจัดเตรียมคลาวด์แบบยืดหยุ่นแทนการซื้อเงินทุนจำนวนมากที่ยึดติดกับข้อสันนิษฐานปัจจุบัน

บริบทข้อจำกัดการส่งออก

ข้อจำกัดการส่งออกชิปของสหรัฐฯ จำกัดการเข้าถึง GPU ขั้นสูงที่สุดของ NVIDIA รวมถึงสถาปัตยกรรม H100 และ Blackwell DeepSeek พัฒนา V3.2 โดยใช้ H800—ซึ่งยังคงความสามารถการประมวลผลเต็มที่แต่มีความเร็ว NVLink interconnect ที่ลดลง—บรรลุประสิทธิภาพแนวหน้าโดยไม่ต้องเข้าถึงฮาร์ดแวร์แนวหน้า

ความสำเร็จนี้แสดงให้เห็นว่าข้อจำกัดแบนด์วิดท์ interconnect สามารถเอาชนะได้บางส่วนผ่านนวัตกรรมอัลกอริทึม องค์กรไม่สามารถสันนิษฐานว่า GPU มากขึ้นจะผลิตโมเดลที่ดีกว่าโดยอัตโนมัติ ประสิทธิภาพการฝึก นวัตกรรมสถาปัตยกรรม และการปรับแต่งมีความสำคัญควบคู่กับพลังประมวลผลดิบ

เศรษฐศาสตร์โมเดลเปิด: การเปรียบเทียบต้นทุนที่เป็นรูปธรรม

โมเดล DeepSeek-V3.2 ทั้งสองเปิดตัวฟรีและเปิดเผย สร้างข้อได้เปรียบต้นทุนที่ชัดเจนสำหรับองค์กรที่มีโครงสร้างพื้นฐาน GPU

การเปรียบเทียบราคา API: - GPT-5 Standard: $1.25/ล้านโทเค็นอินพุต, $10/ล้านโทเค็นเอาต์พุต[^12] - Claude Opus 4.1: $15/ล้านโทเค็นอินพุต, $75/ล้านโทเค็นเอาต์พุต[^13] - DeepSeek V3.2-Exp: $0.028/ล้านโทเค็นอินพุต[^14]

ช่องว่างราคา 45x-500x หมายความว่าองค์กรที่รันงานอนุมานปริมาณสูงสามารถลดต้นทุนได้มหาศาลโดยโฮสต์ DeepSeek ด้วยตัวเองแทนการใช้ API แบบกรรมสิทธิ์

ความต้องการการโฮสต์ด้วยตัวเอง: การรันโมเดล 685B เต็มรูปแบบต้องการ VRAM ประมาณ 700GB ด้วยความแม่นยำ FP8 สามารถทำได้ด้วย GPU NVIDIA H100 (80GB) จำนวน 8-10 ตัว[^15] เวอร์ชัน quantized 4-bit ลดเหลือประมาณ 386GB ช่วยให้สามารถใช้งานบน H100 5-6 ตัวหรือการกำหนดค่าเทียบเท่า[^16]

สำหรับองค์กรที่ดำเนินการคลัสเตอร์ GPU สำหรับงาน AI อื่นๆ อยู่แล้ว การเพิ่มการอนุมาน DeepSeek เป็นต้นทุนส่วนเพิ่มเทียบกับค่าธรรมเนียมต่อโทเค็นที่สูงของทางเลือกแบบกรรมสิทธิ์

การเปลี่ยนแปลงภูมิทัศน์การแข่งขัน

พฤศจิกายน 2025 เห็นการเปิดตัวโมเดลแนวหน้าอย่างเข้มข้นจากห้องปฏิบัติการหลัก โดย DeepSeek เพิ่มการแข่งขันจากจีนในภูมิทัศน์ที่มีศูนย์กลางอยู่ที่สหรัฐฯ

การเปิดตัวโมเดลแนวหน้าของสหรัฐฯ

พฤศจิกายน 2025 เต็มไปด้วยการเปิดตัว โดย GPT-5.1, Grok 4.1, Gemini 3 Pro และ Claude Opus 4.5 เปิดตัวทั้งหมดภายในหกวันของกัน[^17] Claude Opus 4.5 โมเดลที่ฉลาดที่สุดของ Anthropic โดดเด่นในการเขียนโค้ดและงานเชิง agentic[^18] Gemini 3 Pro ครองเบนช์มาร์กการให้เหตุผลด้วยคะแนน GPQA 86.4 ในขณะที่ Claude Opus 4.5 นำในเบนช์มาร์กการเขียนโค้ดที่ 72.5% บน SWE-bench[^19]

การเปิดตัวของ DeepSeek ในเดือนธันวาคมแสดงให้เห็นว่าห้องปฏิบัติการจีนสามารถตามทันความเร็วของการพัฒนาแนวหน้านี้ได้แม้จะมีข้อจำกัดด้านฮาร์ดแวร์ การแข่งขัน AI ระดับโลกตอนนี้รวมถึงการแข่งขันที่แท้จริงจากจีนในด้านความสามารถ ไม่ใช่แค่ขนาดการใช้งาน

นัยทางภูมิรัฐศาสตร์

ความสามารถ AI แนวหน้าของจีนส่งผลต่อการอภิปรายนโยบายของสหรัฐฯ เกี่ยวกับข้อจำกัดการส่งออก อำนาจอธิปไตยด้านพลังประมวลผล และความเป็นผู้นำ AI ผู้กำหนดนโยบายสันนิษฐานว่าข้อจำกัดฮาร์ดแวร์จะชะลอการพัฒนา AI ของจีน ความสำเร็จของ DeepSeek บ่งชี้ถึงข้อจำกัดของกลยุทธ์นี้

องค์กรควรคาดการณ์การวิวัฒนาการของนโยบายอย่างต่อเนื่องเมื่อรัฐบาลตอบสนองต่อพลวัตการแข่งขันที่เปลี่ยนแปลง ข้อจำกัดการส่งออกอาจเข้มงวดขึ้น ขยายไปยังหมวดหมู่ใหม่ หรือเผชิญการพิจารณาใหม่เมื่อประสิทธิผลถูกตั้งคำถาม การวางแผนจัดซื้อควรคำนึงถึงความไม่แน่นอนของนโยบาย

กรอบการตัดสินใจ: สร้าง ซื้อ หรือรอ?

การเปิดตัวของ DeepSeek เปลี่ยนการคำนวณระหว่างสร้างกับซื้อสำหรับความสามารถ AI นี่คือวิธีคิดผ่านการตัดสินใจ:

กรอบนี้สันนิษฐานราคา GPU รุ่นปัจจุบัน เมื่อ H100 มีให้มากขึ้นและ H200/B200 เข้าสู่ตลาด เศรษฐศาสตร์การโฮสต์ด้วยตัวเองจะเปลี่ยนแปลงเพิ่มเติมในความโปรดปรานของโครงสร้างพื้นฐานที่เป็นเจ้าของ

สิ่งนี้หมายความว่าอย่างไรสำหรับการวางแผนโครงสร้างพื้นฐาน

ความสำเร็จของ DeepSeek มีนัยที่ดำเนินการได้หลายประการสำหรับองค์กรที่วางแผนโครงสร้างพื้นฐาน AI

ประสิทธิภาพเหนือขนาด

จำนวน GPU ดิบมีความสำคัญน้อยกว่าประสิทธิภาพการฝึกสำหรับการบรรลุความสามารถ AI องค์กรควรลงทุนในการปรับแต่งโครงสร้างพื้นฐานการฝึกควบคู่กับการจัดซื้อฮาร์ดแวร์ การผสมผสานของฮาร์ดแวร์ที่ดีและแนวทางการฝึกที่ดีเหนือกว่าฮาร์ดแวร์ที่ยอดเยี่ยมพร้อมการฝึกแบบไร้เดียงสา

ขั้นตอนที่ดำเนินการได้: ก่อนผูกพันกับคำสั่งซื้อ GPU จำนวนมาก มีส่วนร่วมกับที่ปรึกษาวิศวกรรม ML เพื่อตรวจสอบประสิทธิภาพการฝึก การปรับปรุงประสิทธิภาพ 2-3 เท่าอาจลดขนาดคลัสเตอร์ที่ต้องการตามสัดส่วน

ความร่วมมือด้านการวิจัยและการลงทุนในบุคลากรวิศวกรรมอาจให้ความสามารถต่อดอลลาร์มากกว่าการจัดซื้อ GPU เพิ่มเติม องค์กรควรสมดุลการลงทุนในฮาร์ดแวร์และทุนมนุษย์ตามกลยุทธ์การพัฒนา AI

โครงสร้างพื้นฐานการใช้งานโมเดลเปิด

โมเดลแนวหน้าที่ฟรีและเปิดเปลี่ยนความต้องการโครงสร้างพื้นฐาน แทนที่จะปรับแต่งสำหรับ latency API และจัดการต้นทุนต่อโทเค็น องค์กรควรพิจารณาโครงสร้างพื้นฐานการอนุมานสำหรับการใช้งานที่โฮสต์ด้วยตัวเอง เศรษฐศาสตร์โครงสร้างพื้นฐานเปลี่ยนจากค่าใช้จ่ายดำเนินการเป็นการลงทุนทุน

ขั้นตอนที่ดำเนินการได้: คำนวณค่าใช้จ่าย API ปัจจุบันของคุณ หากเกิน $50,000/เดือนในการอนุมาน ประเมินเศรษฐศาสตร์การโฮสต์ด้วยตัวเอง คลัสเตอร์ H100 8 ตัวมีราคาประมาณ $250,000-300,000 แต่กำจัดค่าธรรมเนียมต่อโทเค็นอย่างไม่มีกำหนด

คลัสเตอร์ GPU ที่มีขนาดสำหรับการอนุมานมากกว่าการฝึกจะมีค่ามากขึ้นเมื่อโมเดลเปิดปรับปรุง องค์กรอาจบรรลุเศรษฐศาสตร์ที่ดีกว่าการรันการอนุมานบนโครงสร้างพื้นฐานที่เป็นเจ้าของมากกว่าการจ่ายส่วนต่าง API ให้ผู้ให้บริการโมเดล

ข้อพิจารณาด้านการกระจายความเสี่ยง

การพึ่งพาผู้ให้บริการโมเดลรายเดียวสร้างความเสี่ยงเมื่อพลวัตการแข่งขันวิวัฒนาการ องค์กรควรออกแบบระบบที่รับโมเดลจากผู้ให้บริการหลายราย ช่วยให้นำความสามารถที่เกิดใหม่มาใช้ได้อย่างรวดเร็ว การเปิดตัวของ DeepSeek แสดงให้เห็นว่าความเป็นผู้นำด้านความสามารถเปลี่ยนแปลงอย่างคาดเดาไม่ได้

ขั้นตอนที่ดำเนินการได้: ใช้งานเลเยอร์ abstraction โมเดล (LiteLLM, OpenRouter หรือการกำหนดเส้นทางเฉพาะทาง) ที่ช่วยให้สลับระหว่างผู้ให้บริการโดยไม่ต้องเปลี่ยนแอปพลิเคชัน

วิศวกรภาคสนาม 550 คนของ Introl สนับสนุนองค์กรในการใช้งานโครงสร้างพื้นฐาน AI ที่ยืดหยุ่นปรับตัวตามพลวัตการแข่งขัน[^20] บริษัทอยู่อันดับที่ 14 ใน Inc. 5000 ปี 2025 ด้วยการเติบโตสามปี 9,594%[^21]

โครงสร้างพื้นฐานข้าม 257 สถานที่ทั่วโลก ต้องการความสามารถในการปรับตัวเมื่อภูมิทัศน์ AI วิวัฒนาการ[^22] การสนับสนุนจากมืออาชีพรับประกันว่าการลงทุนโครงสร้างพื้นฐานยังคงมีคุณค่าเมื่อความสามารถและเศรษฐศาสตร์ของโมเดลเปลี่ยนแปลง

ประเด็นสำคัญ

สำหรับนักวางแผนโครงสร้างพื้นฐาน: - DeepSeek บรรลุประสิทธิภาพระดับ GPT-5 ด้วยพลังประมวลผลน้อยกว่า Llama 3 405B ถึง 11 เท่า - การโฮสต์โมเดลแนวหน้าด้วยตัวเองต้องการ H100 8-10 ตัว (~$250-300K) เทียบกับค่าธรรมเนียม API $50K+/เดือน - ประสิทธิภาพการฝึกมีความสำคัญเท่ากับจำนวน GPU—จัดสรรงบประมาณสำหรับ