บทเรียน DeepSeek V4.1 Flash API: สร้างเอเจนต์แก้บั๊กด้วยภาพ

DeepSeek V4.1 Flash คืออะไร?

DeepSeek ให้บริการ V4.1 Flash ผ่าน API ภายใต้รหัสโมเดล deepseek-flash รองรับอินพุตภาพ มีทั้งโหมดคิดและไม่คิด หน้าต่างบริบท 1M โทเคน และสามารถส่งคืนได้สูงสุด 384K โทเคนผ่าน Chat Completions และ Responses API

รีวิวภาพรวม DeepSeek V4.1 Flash ของเรา ครอบคลุมการเปิดตัว สถาปัตยกรรม และเบนช์มาร์ก 

DeepSeek V4.1 Flash ทำงานอย่างไร?

DeepSeek อธิบาย V4.1 Flash ว่าเป็น โครงกระดูก MoE ขนาด 552B พารามิเตอร์ ขณะที่ Hugging Face รายงาน 763B พารามิเตอร์สำหรับเช็คพอยต์ที่เผยแพร่ ช่องว่างนี้ส่วนใหญ่คือ Engram conditional memory ขนาด 196B พารามิเตอร์ บวกกับตัวเข้ารหัสและโปรเจกเตอร์ด้านภาพ ซึ่งทั้งหมดมาพร้อมเช็คพอยต์แต่มีอยู่นอกโครงกระดูก MoE

ดีไซน์ Causal Encoder-Decoder ของมันนำสถานะตัวเข้ารหัสที่แคชไว้กลับมาใช้ โดยมีพารามิเตอร์ที่ทำงาน 8B ต่อโทเคนระหว่างประมวลผลอินพุต และ 16B ระหว่างสร้างเอาต์พุต

มีอะไรใหม่ใน DeepSeek V4.1 Flash?

V4.1 Flash เป็นโมเดลตัวแรกในตระกูลสถาปัตยกรรม V4.1 ใหม่ โดยมีความเข้าใจภาพในตัวตั้งแต่แรก การฝังเวกเตอร์ภาพและข้อความถูกฝึกพร้อมกันตั้งแต่เริ่มพรีเทรน ไม่ได้ถูกใส่เพิ่มภายหลังเหมือน V4-Flash-Vision-Exp แบบทดลอง

Responses API มีมาก่อน V4.1 Flash; DeepSeek ได้เพิ่ม การรองรับแบบเนทีฟ ระหว่างการเปิดตัว V4 ก่อนหน้า ตอนนี้ชื่อโมเดลที่เลิกใช้ deepseek-v4-flash และ deepseek-v4-flash-vision-exp จะชี้ไปที่ V4.1 Flash

DeepSeek V4.1 Flash มีค่าใช้จ่ายเท่าไร?

การคิดราคาของ DeepSeek อิงตามชั่วโมงพีค โดยอัตรานอกพีคตั้งไว้ที่ 50% ของพีค เมื่อรันเอเจนต์ อินพุตแบบแคชมีค่าใช้จ่าย $0.003 ต่อหนึ่งล้านโทเคนนอกพีค และ $0.006 ช่วงพีค อินพุตที่ไม่แคช $0.15 นอกพีค และ $0.30 ช่วงพีค เอาต์พุต $0.60 นอกพีค และ $1.20 ช่วงพีค ต่อ หน้าราคา DeepSeek 

ชั่วโมงพีคคือ 01:00–04:00 และ 06:00–10:00 UTC วันจันทร์ถึงศุกร์ ยกเว้นวันหยุดราชการจีน ชั่วโมงอื่นเป็นนอกพีคทั้งหมด และวันหยุดราชการจีนทั้งวันถือว่านอกพีค

เราจะสร้างอะไร: เอเจนต์ซ่อมแซมภาพของ Launch Metrics

Nimbus Analytics Launch Metrics คือ Flask dashboard สำหรับจำนวนผู้เข้าชมทั้งหมด การสมัคร อัตราแปลง รายได้ และการสมัครรายวัน ได้วางบั๊กไว้สามจุดในสามไฟล์โดยไม่ได้บอกเอเจนต์ว่าอะไรบ้าง โค้ดและแดชบอร์ดที่พังอยู่ใน ที่เก็บ GitHub นี้

แดชบอร์ดที่เสียข้างดีไซน์อ้างอิง ภาพโดยผู้เขียน

บั๊กทั้งสามต้องใช้หลักฐานต่างกัน หนึ่งโผล่ในสกรีนช็อต หนึ่งกระทบพฤติกรรมเบราว์เซอร์ และอีกหนึ่งทำให้ pytest ล้ม เอเจนต์ไม่ได้รับรายชื่อบั๊ก

ก่อนส่งงานนี้ให้เอเจนต์ ได้กำหนดความหมายของ “แก้แล้ว” ไว้ว่า ชุดทดสอบ pytest ต้องผ่าน และสกรีนช็อตใหม่ต้องตรงกับภาพอ้างอิงทางสายตาอย่างชัดเจน ความเห็นของโมเดลเพียงอย่างเดียวไม่พอ จึงให้ตัวรันตรวจทั้งสองหลักฐาน

ลูปซ่อมทำงานอย่างไร

ลูปสลับระหว่างคำขอไปยังโมเดลกับการรันเครื่องมือโลคอล V4.1 Flash ส่งคืนการให้เหตุผล ข้อความ หรือการเรียกเครื่องมือ; Python จะรันเครื่องมือตามที่ร้องขอและเพิ่มผลลัพธ์ลงในประวัติ ลูปหยุดเมื่อโมเดลตอบโดยไม่มีการเรียกเครื่องมือเพิ่ม หรือถึงขีดจำกัดสิบสี่เทิร์น

ลูปซ่อมเชื่อมต่อโมเดล เครื่องมือ และเบราว์เซอร์ ภาพโดยผู้เขียน

วิธีตั้งค่า DeepSeek V4.1 Flash API

ต้องใช้ Python 3.10 ขึ้นไปและคีย์ DeepSeek API ที่มีเครดิต API ของ DeepSeek ทำตามรูปแบบคำขอของ OpenAI ดังนั้นโปรเจกต์นี้จึงใช้แพ็กเกจ openai ของ Python โดยตั้งค่า base_url ให้ชี้ไปที่ DeepSeek

สร้างสภาพแวดล้อมเสมือนและติดตั้งสิ่งที่โปรเจกต์ต้องใช้

python3 -m venv .venv
source .venv/bin/activate
pip install openai flask playwright pytest python-dotenv requests streamlit
playwright install chromium

ทดสอบกับ openai 3.14.1, flask 3.1.3 และ playwright 1.63.0 บันทึกคีย์ไว้ในไฟล์ .env ที่รากโปรเจกต์เป็น DEEPSEEK_API_KEY=sk-... และโหลดด้วย python-dotenv หากคีย์ใช้งานกับ Responses API ได้อยู่แล้ว ข้ามบล็อกโค้ดถัดไปได้ มิฉะนั้นคำขอจะตรวจคีย์และ base URL

from openai import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()
client = OpenAI(api_key=os.environ["DEEPSEEK_API_KEY"], base_url="https://api.deepseek.com")

response = client.responses.create(model="deepseek-flash", input="Say hi in five words.")
print(response.output_text)

หากพิมพ์คำทักทายสั้น ๆ ออกมา แสดงว่าคีย์และ base URL ใช้งานได้

ขั้นตอนที่ 1: แสดงให้โมเดลเห็นว่าคำว่า “แก้แล้ว” หน้าตาเป็นอย่างไร

อินพุตแรกของเอเจนต์ประกอบด้วยสกรีนช็อตอ้างอิง งานสั้น ๆ และ URL สด นี่เป็นภาพเพียงภาพเดียวที่ส่งในข้อความของผู้ใช้ สกรีนช็อตถัดไปทั้งหมดมาจากเครื่องมือ

ตัวรันส่งภาพอ้างอิงเป็น data URL แบบ base64 มากับทุกคำขอ DeepSeek แนะนำ Files API เมื่อมีการใช้ภาพซ้ำ การใช้ file_id ช่วยหลีกเลี่ยงการส่งข้อมูลภาพเดิมซ้ำทุกครั้ง

ขอปฏิกิริยาเริ่มต้นก่อนอนุญาตให้เปลี่ยนแปลงใด ๆ

ในภาพที่แนบมา ได้ถามว่าโมเดลจะตรวจอะไรเป็นอย่างแรก แต่ตอนนั้นยังไม่มีเครื่องมือ วิธีนี้ช่วยให้ตรวจแผนของมันได้ก่อนจะให้แก้อะไร คำตอบเสนอให้ไล่รายชื่อไฟล์โปรเจกต์ ติดตามตัวแปร CSS และถ่ายสกรีนช็อต; ใช้ reasoning: {"effort": "high"} ซึ่งเป็นระดับการคิดเริ่มต้นของ DeepSeek

ขั้นตอนที่ 2: ให้เครื่องมือที่เอเจนต์ใช้ได้

เอเจนต์ ได้รับ เครื่องมือฟังก์ชัน สี่รายการและเครื่องมือแบบกำหนดเองหนึ่งรายการ 

• list_files และ read_file ใช้ตรวจโปรเจกต์ ทั้งคู่ถูกจำกัดไว้ที่ dashboard/ และ tests/ 

• run_tests รัน pytest

• capture_dashboard_screenshot เปิด Chromium แบบ headless ผ่าน Playwright

เครื่องมือแบบกำหนดเองคือ apply_patch ซึ่งประกาศเป็น {"type": "custom", "name": "apply_patch"} และ “รองรับเพื่อความเข้ากันได้กับ Codex” ชื่อเครื่องมือแบบกำหนดเองอื่นจะได้ 400 error ส่วนประเภทในตัวอย่างการค้นเว็บและการใช้คอมพิวเตอร์จะถูกเพิกเฉยแบบเงียบ

อาร์กิวเมนต์ของฟังก์ชันจะมาเป็นข้อความ JSON และถูกตรวจสอบก่อนที่ Python จะรัน apply_patch จะมาเป็นอินพุตของเครื่องมือแบบกำหนดเอง จึงต้องจัดการแยกต่างหากและตรวจแพตช์ก่อนเขียนไฟล์ ความผิดพลาดของเครื่องมือจะถูกส่งคืนให้โมเดลแทนการหยุดลูป

ส่งสกรีนช็อต Playwright กลับเป็นผลลัพธ์ของเครื่องมือ

เมื่อ capture_dashboard_screenshot ทำงาน ผลลัพธ์จะไม่ถูกบันทึกลงดิสก์ Python จะส่งคืนเป็นส่วน input_image ภายใน function_call_output จากนั้น DeepSeek จะอ่านสกรีนช็อตเป็นภาพแทนคำอธิบายข้อความ

history.append({
    "type": "function_call_output",
    "call_id": item.call_id,
    "output": [{"type": "input_image", "image_url": f"data:image/png;base64,{png_b64}"}],
})

เอเจนต์สามารถแพตช์ CSS ถ่ายสกรีนช็อตใหม่ และตรวจดูว่าตัวเลขอ่านได้หรือไม่

ขั้นตอนที่ 3: สร้างลูปเอเจนต์และจัดการประวัติด้วยตนเอง

ประวัติถูกเก็บในลิสต์ของ Python เพราะ API ไม่รองรับ previous_response_id หรือการสนทนาฝั่งเซอร์ฟเวอร์ โหมดคิดยังต้องการไอเท็มการให้เหตุผลทั้งหมดจากเทิร์นเครื่องมือก่อนหน้า

สำคัญ: หากแทรกผลลัพธ์เครื่องมือคั่นระหว่างสองการเรียกในเทิร์นเดียวกัน คำขอถัดไปจะได้ 400 error ให้เพิ่มทุกไอเท็มจาก response.output ตามลำดับ จากนั้นค่อยรันเครื่องมือและเพิ่มผลลัพธ์

ตัวรันจำกัดเอเจนต์ไว้ที่สิบสี่เทิร์นและไดเรกทอรี dashboard/ และ tests/ ไม่ให้สิทธิ์เชลล์ ตรวจอาร์กิวเมนต์ของเครื่องมือ และใช้ pytest เพื่อยืนยันผล

DeepSeek V4.1 Flash รองรับผลลัพธ์แบบโครงสร้างหรือไม่?

รองรับ ผ่าน Responses API โดย DeepSeek V4.1 Flash ยอมรับ JSON Schema ผ่าน text.format ส่วน Chat Completions response_format รองรับโหมด JSON แต่ไม่รองรับสคีมา หลังลูปหยุด คำขอสุดท้ายจะบันทึกบั๊ก วิธีแก้ ผลการทดสอบ ผลสกรีนช็อต และวิธีการยืนยัน

โปรเจกต์ยังมีแอป Streamlit อีกตัวใน app_streamlit.py เอเจนต์เดียวกันรันแบบเจนเนอเรเตอร์ด้วย stream=True ทำให้หน้าแสดงข้อความการให้เหตุผลและการเรียกเครื่องมือแบบสตรีมตามที่มาถึง แถบข้างปรับระดับความพยายามในการให้เหตุผลและรายละเอียดของภาพได้

UI ของ Streamlit สตรีมการทำงานของเอเจนต์ วิดีโอโดยผู้เขียน

ขั้นตอนที่ 4: รันเอเจนต์แก้บั๊กด้วยภาพ

การรันดูเหมือนเสร็จหลังแพตช์เดียว แต่หน้าสดไม่เห็นด้วย

การค้นหาและแก้บั๊ก

เอเจนต์ใช้สองเทิร์นแรกเพื่อดู ก่อนจะแตะต้องอะไร: เทิร์นหนึ่งไล่รายชื่อไฟล์และถ่ายสกรีนช็อตฐาน เทิร์นสองอ่าน app.py, index.html, style.css และไฟล์เทสต์ 

เทิร์นสามรัน pytest แล้วเทิร์นสี่ใช้แพตช์เดียวที่แก้สูตรคำนวณอัตราแปลง เปลี่ยนสีของตัวชี้วัด และทำให้การค้นหา JavaScript ตรงกับ ID ของแคนวาส

-    conversion_rate = data["conversions"] / data["signups"] * 100
+    conversion_rate = data["conversions"] / data["total_visitors"] * 100

การรันเทสต์ในเทิร์นห้าแสดงว่าผ่านทั้งห้ารายการ ตรงนี้เองที่การรันเริ่มไม่เรียบร้อย ทุกสกรีนช็อตใหม่ยังแสดงอัตราแปลง 15% และกราฟว่าง

ค้นพบความค้างของระบบและแก้ไข

เอเจนต์ยืนยันว่าไฟล์บนดิสก์มีการแก้ไขแล้ว ลองถ่ายสกรีนช็อตใหม่ และตรวจว่าเซิร์ฟเวอร์โหลดไฟล์ Python และเทมเพลตที่แก้แล้วหรือไม่ การตรวจความสดชั่วคราวสองรายการก็ไม่ปรากฏบนหน้าสดเช่นกัน

ถึงเทิร์นที่สิบสี่ ลูปใช้โควตาหมดและระบุสาเหตุได้ว่า run_tests ตรวจโค้ดบนดิสก์ ในขณะที่สกรีนช็อตตรวจจากโปรเซสที่รันอยู่ซึ่งมีสถานะค้าง Flask ถูกสตาร์ท ด้วย debug=False จึงไม่มี reloader โหลดโมดูล Python ที่เปลี่ยน และไม่ได้เปิดใช้งานการรีโหลดเทมเพลตอัตโนมัติ

การเปลี่ยน CSS ปรากฏ ในขณะที่ค่าที่มาจาก Python และกราฟที่พึ่งพาเทมเพลตยังค้างอยู่ Pytest นำเข้า app.py จากดิสก์ ดังนั้นเทสต์เขียวจึงไม่การันตีหน้าสดใหม่

หลังจากรีสตาร์ท Flask แดชบอร์ดก็ตรงกับภาพอ้างอิง ชิ้นส่วนที่ขาดคือเครื่องมือ restart_server ไม่ใช่แพตช์โค้ดเพิ่มเติม

การรีสตาร์ททำให้การเปลี่ยนแปลงที่แพตช์มองเห็นบนแดชบอร์ด ภาพโดยผู้เขียน

เอเจนต์แก้แดชบอร์ดได้ไหม?

ได้ เอเจนต์แก้แดชบอร์ดบนดิสก์ แก้เฉพาะสามไฟล์ที่ผิด และ pytest จากล้มสี่รายการกลายเป็นผ่านห้ารายการ หน้าสดแสดงทุกการแก้หลังรีสตาร์ท Flask

ขั้นตอนที่ 5: วัดการใช้งาน การแคช และต้นทุน

เนื่องจากเอเจนต์ส่งประวัติซ้ำ คำขอภายหลังจึงซ้ำอินพุตจำนวนมากจากเทิร์นก่อน DeepSeek จะตรวจพรีฟิกซ์ที่ซ้ำกับแคชอัตโนมัติ แคชทำงานแบบพยายามเต็มที่ ดังนั้นตัวเลขเหล่านี้จึงอ้างอิงเฉพาะการรันนี้

ตลอดสิบสี่เทิร์นของการซ่อมและคำขอรายงาน JSON สุดท้าย API รายงานโทเคนอินพุต 156,724 รวมโทเคนที่ถูกแคช 137,088 อัตราติดแคช 87% เอาต์พุตรวม 11,497 โทเคน รวมโทเคนการให้เหตุผล 9,362 การรันเกิดในชั่วโมงนอกพีค จึงมีต้นทุนรวมทั้งสิบห้าคำขอเพียงประมาณ $0.0103

เอาต์พุตการให้เหตุผลเป็นหมวดต้นทุนที่ใหญ่ที่สุด ภาพโดยผู้เขียน

ฐานโค้ดที่ใหญ่ขึ้น สกรีนช็อตมากขึ้น หรืออัตราติดแคชน้อยลงจะเปลี่ยนทั้งจำนวนโทเคนและต้นทุน

ข้อจำกัดของ DeepSeek V4.1 Flash API ที่ควรรู้

มีข้อจำกัดของ API สามข้อที่สำคัญก่อนขยายตัวรันเนอร์เกินเดโม

• ไม่รองรับการตอบแบบเบื้องหลัง ดังนั้นเทิร์นยาวจะบล็อกจนกว่าจะเสร็จ

• parallel_tool_calls และ max_tool_calls ถูกเพิกเฉย; การเรียกเครื่องมือแบบขนานยังคงเปิดอยู่

• ไม่รองรับการตัดอัตโนมัติ คำขอที่เกินขีดจำกัดบริบทจะได้ 400 error

รายการตรวจสอบการดีพลอยเอเจนต์ DeepSeek V4.1 Flash

ก่อนใช้แพทเทิร์นนี้ในบริการจริง ให้ควบคุมด้วยโค้ดแอปพลิเคชันแทนการสั่งในคำแนะนำของโมเดล

• บังคับใช้ขีดจำกัดเทิร์นและต้นทุน และแจ้งเตือนเมื่อถึงขีด
• จำกัดการเข้าถึงไฟล์และตรวจทุกอาร์กิวเมนต์ของเครื่องมือ
• มีเครื่องมือสำหรับรีสตาร์ทและตรวจสถานะบริการ เพื่อให้การยืนยันใช้โค้ดปัจจุบัน
• บันทึกการใช้โทเคน การเรียกเครื่องมือ ผลการทดสอบ และสถานะสุดท้าย

ควรใช้ apply_patch เมื่อไร เทียบกับเครื่องมือฟังก์ชันทั่วไป?

ใช้ apply_patch เมื่อการเปลี่ยนครั้งเดียวต้องอัปเดตหลายไฟล์ เหมือนกรณีนี้ รันเทสต์หลังแพตช์ เพราะการเรียกครั้งเดียวที่ผิดอาจทำให้หลายไฟล์เสียหาย

ใช้ read_file และ write_file เมื่อการแก้แต่ละครั้งต้องตรวจหรืออนุมัติแยกกัน แม้ใช้เทิร์นมากกว่า แต่ความเสียหายจำกัดอยู่ที่ไฟล์เดียวต่อครั้ง

ข้อคิดส่งท้าย

ลูปซ่อมแบบภาพแก้บั๊กทั้งสามได้ด้วยแพตช์เดียว แต่การรันไม่สะอาดนัก Pytest ผ่านในขณะที่ Flask ยังให้บริการเอาต์พุต Python และเทมเพลตเก่า เอเจนต์จึงยืนยันหน้าสุดท้ายไม่ได้จนกว่าจะรีสตาร์ทเซิร์ฟเวอร์

จะเพิ่มเครื่องมือ restart_server และการเปรียบเทียบพิกเซลก่อนทดสอบแอปที่ใหญ่ขึ้น จะคงขอบเขตไฟล์และขีดจำกัดเทิร์นไว้ แล้วถือว่า pytest กับการเทียบสกรีนช็อตเป็นการตรวจแยกต่างหาก ผ่านอย่างใดอย่างหนึ่งไม่ควรแทนอีกอย่างหนึ่ง