Thai AI news roundup: DeepSeek V4.1 Flash 1017 open weights and scores
A 24-hour AI news digest noting V4.1 Flash 1017 ships MIT open weights, scores 77.0 on DeepSWE and 42.3 on Terminal-Bench 4.0, keeps API pricing, and adds Search/Fetch APIs.
สรุปข่าว AI สำคัญในช่วง 24 ชั่วโมงที่ผ่านมา (ประมาณ 17–18 ตุลาคม 2026) การเปิดตัวโมเดล DeepSeek-V4.1-Flash-1017 (17 ต.ค.): DeepSeek ปล่อยอัปเดตโมเดล open-weight ภายใต้ไลเซนส์ MIT มีคะแนนดีขึ้นในงาน agent/coding (เช่น DeepSWE v1.1 ขึ้นเป็น 77.0 จาก 74.2 และ Terminal-Bench 4.0 กระโดดจาก 31.2 เป็น 42.3 ตามตัวเลขของบริษัท) ทำงานเร็วขึ้น ตอบสั้นลง ราคา API เท่าเดิม และเปิด Search/Fetch API ใหม่ ทำไมสำคัญ: ช่วยผลักดัน frontier ของโมเดล open-source ราคาถูกที่เก่งงาน agent มากขึ้น ทำให้การแข่งขันกับโมเดลปิดของบริษัทใหญ่เข้มข้นขึ้นและเข้าถึงได้ง่ายขึ้น Reflection AI Beam (น้ำหนักโมเดลเปิดเมื่อประมาณ 16 ต.ค.): โมเดล sparse MoE ขนาด 501 พันล้านพารามิเตอร์ (active ประมาณ 23 พันล้าน) ภายใต้ Apache 2.0 ออกแบบมาสำหรับ coding, reasoning และงาน agent ยาว มี context 1 ล้านโทเคน ทำไมสำคัญ: เป็นโมเดล open-weight ระดับสูงจากฝั่งตะวันตกที่เน้นประสิทธิภาพ inference ทำให้มีทางเลือกที่แข็งแกร่งนอกจากโมเดล open ของจีน