DeepSeek ขึ้นราคา — ผมเจอ V4 Flash ตัวเดิมที่ถูกกว่าราคาเก่าเสียอีก

เช้าวันที่ 17 สิงหาคม ผมเปิดสถิติการใช้งาน API แล้วตอนแรกคิดว่าตัวเองตั้งค่าอะไรผิดไป

DeepSeek กำลังใช้เงินเร็วกว่าเดิมประมาณ ห้าเท่า

ผมรู้มาก่อนว่าจะมีการปรับราคา DeepSeek ประกาศไว้ก่อนหน้านั้นไม่กี่วัน แต่ผมคิดว่าเป็นการขึ้นราคาปกติ เช่น 20%, 50% หรือมากสุดอาจสองเท่า

แต่ไม่ใช่ระดับนี้

ไม่ได้มี bug ในระบบ billing ราคาใหม่มีผลจริง DeepSeek เปลี่ยน V4 Flash และ V4 Pro ไปใช้ peak/off-peak pricing ตั้งแต่ 16 สิงหาคม เวลา 16:00 UTC ซึ่งในจีนเป็นวันที่ 17 สิงหาคมแล้ว Reuters รายงานก่อนการเปลี่ยนแปลงว่า ราคาจะเพิ่มระหว่าง 50% ถึง 1,100% ขึ้นอยู่กับ model, ประเภท token และช่วงเวลา รายละเอียดเวลาอยู่ใน DeepSeek API change log

ตอนนั้นเอง ข่าวอีกเรื่องของ DeepSeek ก็กลายเป็นเรื่องที่น่าสนใจขึ้นมาทันที: model weights ถูกเปิดเผยต่อสาธารณะ ถ้าบริษัทอื่นสามารถรัน model เดียวกันเองได้ ทำไมผมต้องซื้อ inference จาก DeepSeek โดยตรงเสมอไป?

DeepSeek เคยราคาเท่าไร และตอนนี้ราคาเท่าไร

ก่อนปรับราคา DeepSeek V4 Flash มีราคาดังนี้:

ตัวเลขเหล่านี้ยังอยู่ใน หน้า pricing เก่าของ DeepSeek และ Reuters ก็อ้างราคาเดียวกันเมื่อวันที่ 3 สิงหาคม

deepseek-v4-flash อย่างเป็นทางการ ซึ่งตรงกับ DeepSeek-V4-Flash-0731 ตอนนี้ราคาเป็น:

ช่วง peak คือ 01:00–04:00 UTC และ 06:00–10:00 UTC ตาม หน้า pricing ปัจจุบันของ DeepSeek

ดังนั้นการที่ผมเห็นค่าใช้จ่ายเพิ่มประมาณห้าเท่า ไม่ได้หมายความว่า token ทุกประเภทขึ้นราคาพอดีห้าเท่า เมื่อเทียบกับราคาเก่า:

• peak cache-miss input เพิ่มจาก $0.14 เป็น $0.44 หรือ 3.14×;
• output เพิ่มจาก $0.28 เป็น $1.32 หรือ 4.71×;
• cache hit เพิ่มจาก $0.0028 เป็น $0.014 หรือพอดี 5×

สำหรับ workload ที่สร้าง output เยอะ ค่าใช้จ่ายจริงที่เพิ่มเกือบห้าเท่าจึงเป็นเรื่องที่เป็นไปได้มาก

ผมหาผู้ขายรายอื่นของ model เดิมก่อน ไม่ได้รีบเปลี่ยน model

ผมสามารถเลิกใช้ DeepSeek แล้วไปใช้ Qwen, GLM, Kimi, MiniMax, Mistral หรือ LLM ตัวอื่นได้ทันที

แต่การเปลี่ยน model เพิ่มตัวแปรอีกหนึ่งชุด ต้องทดสอบ responses, prompt compatibility, generation length, พฤติกรรมใน long context, sampling parameters และรายละเอียดอื่นใหม่ทั้งหมด

ผมจึงอยากลองทางที่ง่ายกว่าก่อน

ผมจะใช้ DeepSeek V4 Flash เหมือนเดิม แต่ไม่ซื้อ inference จาก DeepSeek ได้ไหม?

ตรงนี้ควรใช้คำให้แม่น DeepSeek ไม่ได้แค่ “ปล่อย source code ของ neural network” เหมือน developer ปล่อย source tree ของแอป แต่สิ่งที่ถูกเผยแพร่คือ model weights และ material ที่จำเป็นสำหรับการรัน

Repository อย่างเป็นทางการ deepseek-ai/DeepSeek-V4-Flash-0731 เปิดสาธารณะบน Hugging Face ตัว repository และ weights ใช้ MIT License และ DeepSeek ยังมีตัวอย่างรันผ่าน vLLM บนหนึ่ง node ที่มี GB300 สี่ตัว

นี่เปลี่ยน economics ของบริการทั้งหมด Third-party provider ไม่จำเป็นต้องซื้อ token จาก DeepSeek แล้วนำมาขายต่อพร้อม markup เขาสามารถรัน open weights บน infrastructure ของตัวเองแล้วขาย compute จาก hardware ของตัวเอง

แน่นอนว่า “รัน DeepSeek เองในเครื่อง” ฟังดูง่ายกว่าความจริงมาก Repository 0731 มีขนาดประมาณ 167 GB และ official deployment example ใช้ GB300 สี่ตัว นี่ไม่ใช่ docker compose up บน VPS ราคา $20 ไฟล์ต่าง ๆ ดูได้ใน หน้า model files

แต่สำหรับบริษัท inference ที่มี GPU cluster โจทย์ต่างออกไป License ไม่ใช่อุปสรรคหลักแล้ว สิ่งที่เหลือคือ hardware, ค่าไฟ, GPU utilization, batching, software stack และประสิทธิภาพ inference

ผมเจอ Runware

หลังจากค้นหาอยู่นาน Runware เป็นหนึ่งในตัวเลือกที่น่าสนใจที่สุด

ผมหา Runware เจอได้อย่างไร? ใช้วิธี research ที่ผมชอบที่สุด ก่อนอื่นผมให้ AI เขียน prompt แบบละเอียดสำหรับค้นหา inference provider ที่ถูกที่สุดแต่ยังน่าเชื่อถือสำหรับ model ตัวนี้โดยเฉพาะ จากนั้นรันการค้นหาแยกกันประมาณ 15–20 รอบด้วย prompt เดิม เก็บผลทั้งหมดมาใส่ใน chat สุดท้ายเพียงอันเดียว แล้วให้มันเปรียบเทียบ candidates และเลือกตัวที่แข็งแรงที่สุด หลังจากนั้นผมจึงตรวจ winner ด้วยตัวเอง: model page, ราคา, documentation และ API จริง

AI ช่วยให้ผมหาได้กว้างขึ้น แต่ไม่ได้ตัดสินใจสุดท้ายแทนผม Runware ผ่านการตรวจด้วยมือของผม ผมเชื่อมต่อเอง และคำแนะนำในบทความนี้มาจาก test ที่ผมทำเอง

ตอนนี้มี checkpoint ตรงตัว DeepSeek-V4-Flash-0731 พร้อม context 1M ไม่ใช่ model ไม่ทราบที่มาที่ติดป้ายว่า “DeepSeek-compatible” ใน หน้า model ระบุราคา:

ตอนแรกผมคิดว่าตัวเองอ่านตำแหน่งจุดทศนิยมผิด

แต่สิ่งที่น่าสนใจกว่าไม่ใช่การเทียบกับราคาใหม่ที่แพงของ DeepSeek แต่คือการเทียบกับราคา เก่า ที่เมื่อก่อนก็ถือว่าถูกมากแล้ว

Input เดิมของ DeepSeek คือ $0.14 ส่วน Runware คือ $0.076 เท่ากับ Runware ถูกกว่าประมาณ 45.7% หรือ DeepSeek ราคาเก่าแพงกว่าราว 1.84×

Output เดิมคือ $0.28 ส่วน Runware คือ $0.153 เท่ากับ Runware ถูกกว่าประมาณ 45.4% หรือ DeepSeek ราคาเก่าแพงกว่าราว 1.83×

หลังจาก DeepSeek ขึ้นราคาครั้งใหญ่ ผมพบ API ของ third party ที่ใช้ V4 Flash 0731 checkpoint เดียวกัน ซึ่งไม่ใช่แค่ถูกกว่าราคาใหม่ แต่แทบจะครึ่งหนึ่งของ DeepSeek ราคาเก่าที่เคยถูกอยู่แล้ว

ถ้าเทียบกับราคา official วันนี้ ช่องว่างยิ่งใหญ่กว่า ใน off-peak Runware ถูกกว่าประมาณ 2.9× สำหรับ cache-miss input และ 4.3× สำหรับ output ส่วน peak ต่างกันประมาณ 5.8× และ 8.6×

มีข้อยกเว้นสำคัญคือ cache hit ราคาถูก DeepSeek คิด $0.007/M สำหรับ cached input ใน off-peak ขณะที่ Runware คิด $0.014/M ดังนั้น workload ที่มี cache hit สูงมากไม่ควรเทียบจากราคา input/output ปกติอย่างเดียว

ราคาถูกไม่มีความหมาย ถ้า API ใช้งานไม่ได้

สำหรับผม ตารางราคาอย่างเดียวไม่พอ LLM API ราคา $0.000001 ต่อ request ก็ไร้ประโยชน์ถ้าครึ่งหนึ่งของ request ล้มเหลว

ผมจึงเชื่อมต่อ Runware แล้วเริ่มส่ง request จริง

ผมเก็บ snapshot ของ usage dashboard ไว้สองครั้ง ครั้งแรกคือ:

790 requests
56 success
734 errors

ดูตัวเลขนี้อย่างเดียวแย่มาก แต่ภายหลัง dashboard แสดง:

1,570 requests
836 success
734 errors

เท่ากับระหว่างสอง measurement ตัวเลขเปลี่ยนพอดี:

+780 requests
+780 successful
+0 new errors

ผมไม่ได้เอาสิ่งนี้ไปอ้างว่า uptime 99.999% มันพิสูจน์อะไรแบบนั้นไม่ได้ และ snapshot สองครั้งก็ไม่ได้บอกสาเหตุของ 734 errors ชุดแรก

สิ่งที่พูดได้อย่างจำกัดคือ ใน 780 requests ถัดมา successful counter เพิ่ม 780 และ error counter ไม่เพิ่มเลย

API ยังเร็วในช่วงทดสอบนั้นด้วย ใน log ที่มองเห็น successful calls ส่วนใหญ่ใช้เวลาตั้งแต่ไม่ถึงหนึ่งวินาทีถึงประมาณ 1.5 วินาที ค่า request สั้น ๆ ที่เห็นมักอยู่ประมาณ $0.000005–$0.000018 หลังจาก successful calls หลายร้อยครั้ง dashboard ก็ยังแสดงค่าใช้จ่ายรวมเพียงประมาณหนึ่งเซนต์

ตรงนั้นเอง Runware เลิกเป็นแค่หนึ่งบรรทัดในตารางเปรียบเทียบสำหรับผม ผมเชื่อมต่อ API จริง มันสร้าง response ได้จริง และ test traffic แทบไม่เสียเงิน

นี่ไม่ใช่โฆษณา — และผมเพิ่ง test Runware ได้แค่หนึ่งวัน

ผมอยากระบุให้ชัด เพราะการเขียนถึง provider รายเดียวในแง่บวกอาจดูเหมือน sponsored content ได้ง่าย แต่ไม่ใช่ Runware ไม่ได้ติดต่อผม และผมก็ไม่ได้ติดต่อ Runware ไม่มีใครจากบริษัทขอให้ผมเขียนบทความนี้

นอกจากนี้ผมใช้ service มาเพียง หนึ่งวัน อีกหนึ่งสัปดาห์หรือหนึ่งเดือนผมอาจย้ายออกก็ได้ ถ้าเจอปัญหาเรื่อง reliability, คุณภาพ response, ราคา หรืออย่างอื่น นี่ไม่ใช่ข้อสรุประยะยาว

ผมออกจาก official DeepSeek API ที่แพงขึ้นทันที เพราะไม่อยากเผาเงินด้วย rate ใหม่ต่อไปในระหว่างที่กำลังประเมินทางเลือก ผมย้าย traffic แล้วเริ่ม test Runware ทันที

ตอนนี้ผมพอใจกับการตัดสินใจนี้มาก ขณะที่กำลังเขียนบทความให้เสร็จ Runware จัดการ 1,000 AI requests สำเร็จ ให้ผมแล้ว ตัวเลขนี้ยังไม่ได้พิสูจน์ uptime ในอนาคตหรือ performance ในทุก scale แต่เพียงพอที่จะบอกว่า provider นี้ไม่ได้มีอยู่แค่ในตารางราคา: ผมใช้งานจริง

ดังนั้นคำแนะนำของผมจึงตั้งใจให้มีขอบเขตชัดเจน: ผมตรวจ Runware เอง วันนี้มันทำงานได้ดีสำหรับผม และตอนนี้ผมแนะนำให้ลอง ถ้า service เปลี่ยน ความเห็นของผมก็เปลี่ยนได้เช่นกัน

DeepSeek อาจสร้างคู่แข่งด้านราคาให้ตัวเอง

จากตรงนี้เป็น interpretation ของผม ไม่ใช่ fact ที่สังเกตได้โดยตรง

DeepSeek อยู่ใน business position ที่ไม่ธรรมดา บริษัททำสองอย่างพร้อมกัน: ปล่อย model ที่แข่งขันได้สูง และเปิดทางให้ตลาดรัน model นั้นเองอย่างอิสระ

ตอน official DeepSeek API ถูกมาก ความขัดแย้งนี้แทบไม่เห็น ทำไมต้องหา GPU cluster ของคนอื่น ถ้า DeepSeek ขาย inference เองในราคา $0.14/$0.28?

หลังขึ้นราคา การคำนวณเปลี่ยนไป ถ้า official API ใน peak ราคา $0.44 input และ $1.32 output ขณะที่ independent provider ให้ public checkpoint เดียวกันในราคา $0.076/$0.153 แรงจูงใจทางเศรษฐกิจในการลองตัวเลือกอื่นจะสูงมาก

นี่ไม่ใช่ accidental loophole MIT License ของ weights ที่เผยแพร่เปิดให้ใช้งานได้กว้าง รวมถึงเชิงพาณิชย์ และ official repository มีคำแนะนำ self-hosting

เพราะเหตุนี้ ผมจึงไม่เรียก Runware ว่า “ผู้ขายต่อ DeepSeek token” แบบตรง ๆ ภาพที่แม่นกว่าคือ:

DeepSeek
    │
    ├── official DeepSeek API
    │
    └── open DeepSeek V4 Flash weights
                   │
                   ├── Runware infrastructure
                   ├── other inference providers
                   └── your own GPU cluster

Model เดียวกันไม่ผูกกับผู้ขาย inference รายเดียวอีกต่อไป

การเปิด weights เป็น business mistake หรือไม่?

ผมจะไม่สรุปแบบนั้นเป็น fact

การพูดว่า DeepSeek เปิด model แล้วคู่แข่งขายถูกกว่าได้ ดังนั้น DeepSeek ต้องเสียเงินแน่นอน เป็นการสรุปที่ง่ายเกินไป เราไม่รู้ internal economics ของบริษัท

Open-weight strategy อาจมีข้อดีอื่น:

• model กระจายกว้างขึ้น;
• มี integration มากขึ้น;
• มีอิทธิพลต่อ ecosystem มากขึ้น;
• มีโอกาสกลายเป็น de facto standard ในผลิตภัณฑ์ third party;
• มี developer มากขึ้น;
• enterprise adoption;
• ได้รับความนิยมในงานวิจัย;
• สร้างแรงกดดันต่อคู่แข่ง

Reuters ยังกล่าวถึงการที่ผู้พัฒนา model จีนให้ความสำคัญกับ open-weight approach เพื่อให้เกิด developer adoption ในวงกว้างใน รายงานเกี่ยวกับตลาด AI จีน

ดังนั้นยังเร็วเกินไปสำหรับผมที่จะเรียกการตัดสินใจนี้ว่า business mistake แต่ผมพอสรุปในกรอบที่แคบกว่าได้ว่า:

การเปิด weights ทำให้ DeepSeek ยอมสละการผูกขาด inference ของ model ตัวเองโดยสมัครใจ

เมื่อ official API แพงขึ้นมาก ผลของการตัดสินใจนี้ก็เห็นชัดขึ้น DeepSeek ไม่ได้แข่งแค่กับ Qwen, OpenAI, Anthropic หรือ Moonshot แต่ในอีกมุมหนึ่งยังแข่งกับบริษัทที่ขาย inference ของ open model ของ DeepSeek เองด้วย

สำหรับผู้ซื้อ API นี่เป็นเรื่องดีมาก สำหรับ monetization strategy มันซับซ้อนกว่ามาก

ทำไมผมไม่ self-host DeepSeek เอง

คำถามถัดมาชัดเจน: ถ้าบริษัทอื่นรัน DeepSeek แล้วขาย inference ได้ ทำไมผมไม่ทำเอง?

เพราะ “model ดาวน์โหลดได้ฟรี” กับ “inference ฟรี” ห่างกันมาก

Weights ดาวน์โหลดได้ GPU ดาวน์โหลดไม่ได้

ต้องซื้อหรือเช่า hardware ราคาแพง ต้องมี VRAM เพียงพอ โหลด checkpoint ขนาดใหญ่ ตั้งค่า inference engine, batching, KV cache, monitoring, scaling, redundancy และต้องมี traffic มากพอให้ GPU ไม่ idle ส่วนใหญ่

ตัวอย่าง official ของ DeepSeek V4 Flash 0731 ใช้ หนึ่ง node กับ GB300 สี่ตัว

สำหรับ inference provider เฉพาะทาง การลงทุนแบบนี้อาจคุ้มเพราะกระจายต้นทุน infrastructure ไปยังลูกค้าจำนวนมาก แต่สำหรับ developer คนเดียว การจ่าย $0.076 ต่อหนึ่งล้าน input tokens อาจสมเหตุผลกว่าการลงทุนเงินจำนวนมากใน GPU แล้วพยายามรักษา utilization ให้สูง

ตอนนี้ผมยังเลือกซื้อ inference แต่เข้าใจชัดขึ้นมากว่าจริง ๆ แล้วผมกำลังซื้ออะไร

บทเรียนสำคัญที่สุดจากเช้าวันนั้น

ตอนเริ่มวัน ผมมอง DeepSeek เหมือน SaaS API ปกติ: มี DeepSeek model ดังนั้น DeepSeek เป็นคนกำหนดว่าการใช้งานมันมีราคาเท่าไร

ตอนเย็น mental model ของผมเปลี่ยน: มี DeepSeek checkpoint และมีตลาดแข่งขันของบริษัทที่พร้อมรัน checkpoint นั้นให้ผม

นี่เป็นตลาดคนละแบบโดยพื้นฐาน

ใน closed model ราคา API ถูกควบคุมโดย model owner เป็นหลัก แต่เมื่อ weights เปิดภายใต้ permissive license ราคา inference ยังถูกกำหนดโดยการแข่งขันระหว่าง infrastructure providers ด้วย

วันที่ 17 สิงหาคม ความต่างนี้ชัดเจนมากสำหรับผม DeepSeek V4 Flash ราคาเก่าคือ $0.14 input และ $0.28 output ราคา official ใหม่ขึ้นไปถึง $0.44/$1.32 ใน peak ขณะที่ Runware เสนอ DeepSeek-V4-Flash-0731 ที่ $0.076/$0.153

ผมทดสอบ API นี้ด้วยตัวเองแล้ว และมันทำงานกับ traffic ที่ผมส่งไป

อีกหนึ่งเดือนราคาจะเหมือนเดิมไหม? ไม่รู้ Provider เดิมจะรับได้ทุก scale และทุก traffic profile หรือไม่? ผมก็ยังไม่ได้พิสูจน์

แต่มีสิ่งหนึ่งเปลี่ยนไปสำหรับผม: หลังการขึ้นราคาครั้งนี้ ผมไม่ถือว่า official API ของผู้สร้าง open-weight model เป็นสถานที่ที่ดีที่สุดสำหรับซื้อ inference โดยอัตโนมัติอีกต่อไป

ตอนนี้สิ่งแรกที่ผมทำคือดูว่าใครอีกที่รัน weights เดียวกันได้ และคิดราคาเท่าไร