DeepSeek V4 Flash: 'Quái vật' benchmark vấp ngã trước tác vụ thực tế, giá API tăng gấp nhiều lần

DeepSeek V4 Flash đã thống trị các bảng xếp hạng mô hình ngôn ngữ lớn và được giới phát triển ca ngợi là "quái vật thực sự" kể từ khi ra mắt. Tuy nhiên, trong các bài kiểm tra thực tế, mô hình này chỉ hoàn thành 53,8% chuỗi tác vụ agent phức tạp, hé lộ khoảng cách đáng kể giữa điểm benchmark và khả năng vận hành thực tế. Bối cảnh này càng trở nên phức tạp khi DeepSeek công bố tăng giá API lên tới gấp 11 lần cho các phiên bản V4 Flash và Pro.

Hiệu năng thực tế: Khi điểm số không phản ánh chất lượng

Theo thử nghiệm của Composio, công ty chuyên về nền tảng tích hợp AI, DeepSeek V4 Flash đã được chạy qua 8 môi trường agent khác nhau, bao gồm Claude Code, Codex và OpenCode, trên 30 tác vụ đa bước được thiết kế cố ý khó khăn. Các tác vụ này sử dụng công cụ trực tiếp như Gmail, GitHub, Slack và Google Sheets. Trong tổng số 240 lần chạy, chỉ có 129 lần vượt qua — và chỉ 6 trong 30 quy trình hoàn thành thành công với mọi môi trường thử nghiệm.

Khoảng cách này chỉ ra rằng "orchestration" (điều phối) — không phải năng lực thô của mô hình — có thể là yếu tố quyết định sự thành công trong môi trường doanh nghiệp. Cùng một mô hình nhưng cho kết quả khác nhau đáng kể tùy thuộc vào môi trường chạy, cấu hình công cụ, hành vi bộ nhớ đệm, logic thử lại và nền tảng nhà cung cấp.

“Một mô hình có thể đạt điểm ấn tượng nhưng vẫn gặp trục trặc khi công cụ, thông tin xác thực và trạng thái hệ thống xuất hiện.” — Sanchit vir Gogia, Greyhound Research

Chiến lược giá mới: Tăng tới 1.100%

DeepSeek đã ra mắt V4 Flash ở bản beta công khai vào ngày 31/7 và đưa V4 Pro lên bản phổ thông vào ngày 13/8. Flash sở hữu 284 tỷ tham số, tối ưu cho khối lượng và tốc độ; Pro với 1,6 nghìn tỷ tham số dành cho các quy trình phức tạp hơn. Cả hai đều hỗ trợ khả năng suy luận linh hoạt (thấp, cao, tối đa) cùng "chế độ tư duy" áp dụng chuỗi suy nghĩ (CoT) để cải thiện độ chính xác.

Mức giá mới tăng mạnh:

• Flash: 22 cent/triệu token đầu vào và 66 cent/triệu token đầu ra vào giờ thấp điểm; 44 cent và 1,32 USD vào giờ cao điểm — tăng 57% đến 371%.
• Pro: 66 cent/triệu token đầu vào và 1,98 USD/triệu token đầu ra vào giờ thấp điểm; 1,32 USD và 3,96 USD vào giờ cao điểm — tăng 51% đến 355%.
• Cache hits: khi mô hình tái sử dụng prompt thay vì bắt đầu từ đầu, tăng từ 52% đến 1.100%.

DeepSeek cho biết việc giảm 50% giá vào giờ thấp điểm nhằm khuyến khích "lịch trình tải công việc linh hoạt hơn". Bảy trong số 24 giờ mỗi ngày giữ nguyên mức nửa giá. Điều đáng chú ý là cấu trúc giá mới áp mức cao nhất cho thị trường nội địa Trung Quốc của công ty.

“Đây không phải một đợt tăng giá đơn giản. Đó là một kiến trúc định giá biến thời điểm suy luận thành một biến số kinh tế.” — Sanchit vir Gogia

Tác động đến lợi thế cạnh tranh

Nhà phân tích công nghệ Carmi Levy gọi động thái này là "nước đi tự sát của một nền tảng vẫn đang tìm kiếm sự tin cậy so với các nhà cung cấp AI đã thành danh hơn". Việc tăng giá chắc chắn sẽ ăn vào lợi thế giá của DeepSeek và buộc khách hàng cân nhắc nhiều hơn về lo ngại liên quan đến nguồn gốc Trung Quốc của công ty.

Tuy nhiên, Levy lưu ý rằng DeepSeek vẫn rẻ hơn đáng kể so với các đối thủ như OpenAI, Anthropic, Google, Cohere hay xAI trên mọi thước đo giá. Động thái này buộc DeepSeek phải nhấn mạnh hiệu năng và bảo mật thay vì chi phí, nhưng không xóa bỏ lợi thế giá-hiệu năng đã được chú ý trước đó.

“Lợi thế này sẽ dần bị xói mòn khi DeepSeek liên tục điều chỉnh giá theo thực tế thị trường, nhưng hiện tại vẫn dễ dàng để đưa ra luận điểm kinh doanh.” — Carmi Levy

Ứng dụng trong doanh nghiệp: Tìm đúng vùng phù hợp

Việc áp dụng trong doanh nghiệp vẫn là câu hỏi mở do chi phí, năng lực, độ tin cậy, quản trị dữ liệu và bảo mật. Levy cho rằng một trường hợp sử dụng rõ ràng là xử lý hàng loạt — công việc định kỳ, lặp đi lặp lại, không đòi hỏi trí tuệ đỉnh cao, phù hợp với mô hình rẻ và hiệu quả hơn.

Việc chấp nhận một phần sẽ liên quan đến các quy trình cô lập, không nhạy cảm với tiêu chí thành công minh bạch, giám sát chặt chẽ, kiểm soát quyền hạn và có mô hình dự phòng. Triển khai rộng rãi đòi hỏi DeepSeek và các đối tác hosting phải chứng minh độ tin cậy, bảo mật, quyền riêng tư và khả năng kiểm toán.

Dự kiến sẽ có những thử nghiệm quy mô nhỏ, không được cấp phép trong các phòng lab và môi trường thử nghiệm có kiểm soát khi đội ngũ IT làm quen với mô hình mới trước khi đệ trình ngân sách lên lãnh đạo.

Thử nghiệm tác vụ đa công cụ: Bài học độ tin cậy

Kỹ sư phần mềm Meta, Naman Ahuja, đã xây dựng một agent tự động hóa nhà thông minh với DeepSeek V4 Flash — dự án cá nhân không liên quan đến công việc — để khám phá cách mô hình chi phí thấp hoạt động như lớp điều phối trong quy trình đa công cụ thực sự.

Khi rời nhà, agent phối hợp nhiều hành động: cài điều nhiệt ở chế độ "away" để tiết kiệm năng lượng, kích hoạt hệ thống an ninh Ring, đóng và khóa cửa.

“Điều tôi quan tâm không chỉ là mô hình hiểu mệnh lệnh hay không, mà liệu nó có thể chuyển ý định thành chuỗi hành động trên nhiều công cụ nơi độ tin cậy quan trọng.” — Naman Ahuja

Bài học lớn nhất: một khi mô hình có thể hành động, độ tin cậy quan trọng ngang với trí thông minh. Hệ thống cần đầu ra công cụ có cấu trúc, xác minh hành động thành công, xử lý thử lại/lỗi và ranh giới rõ ràng về những gì mô hình được phép làm. Trong doanh nghiệp, kiến trúc tương tự: thiết bị gia đình chuyển thành hệ thống ticket, cơ sở dữ liệu, nền tảng CRM hoặc API hạ tầng.

“Nhiều agent AI có giá trị sẽ không phải chatbot; chúng sẽ là agent nền phối hợp API, hạ tầng và hệ thống kinh doanh phản ứng với sự kiện.” — Naman Ahuja

Doanh nghiệp cần trường hợp sử dụng cụ thể

API Flash vẫn ở beta công khai, chưa có dấu vết áp dụng doanh nghiệp đã ổn định, triển khai thực tế và khách hàng được nêu tên. Gogia nhận định: "Câu chuyện benchmark lỏng lẻo hơn khi kể lại, câu chuyện danh mục mô hình mới hơn vẻ ngoài, và kinh tế học đã chuyển vào hệ thống quanh mô hình." Sự phổ biến với nhà phát triển đã được chứng minh; sự chuẩn hóa trong doanh nghiệp thì chưa.

Tài liệu tích hợp của DeepSeek cho ít nhất một môi trường agent phổ biến ghi rằng các mục V4 tích hợp sẵn không đủ để vận hành đáng tin cậy nếu không có bản ghi đè tương thích. Lớp phục vụ cũng không khác: cùng trọng số mở nhưng chạy trên các máy chủ khác nhau cho thấy khác biệt rõ rệt về thông lượng và thời gian hoạt động.

Tương lai đa mô hình: Khi giá rẻ không đồng nghĩa an toàn

DeepSeek mang đến trường hợp đáng suy ngẫm cho tương lai đa mô hình. V4 Flash được triển khai như "công nhân khối lượng lớn" trong các hệ thống đa dạng: xử lý tạo sinh định kỳ, truy xuất và tự động hóa nền, trong khi các tác vụ khó hoặc nhạy cảm được chuyển nơi khác.

Adam Dalloul, CEO EmpirioLabs AI — nền tảng lưu trữ hơn 100 mô hình trên một API — cho rằng "lớn hơn không phải lúc nào cũng tốt hơn". Nhóm của ông khi dịch trang web sang nhiều ngôn ngữ đã không cần đến mô hình lớn như GPT 5.6 Sol hay Opus 5. Giải pháp: tạo subagent rẻ hơn, phân việc theo nhiệm vụ — Flash cho công việc hàng ngày, Pro cho việc cần mạnh hơn.

Nhiều công ty đang chuyển sang xây dựng benchmark nội bộ để định tuyến mô hình hiệu quả. Một khách hàng doanh nghiệp của Dalloul chỉ muốn dùng DeepSeek V4 Flash vì nó là mô hình duy nhất đáp ứng tiêu chí tốc độ, chi phí và "ngưỡng thông minh phù hợp".

“Phản hồi văn bản lỗi chỉ bất tiện; một hành động thất bại trong quy trình vận hành có thể gây hậu quả thực sự.” — Naman Ahuja

Bài học cuối cùng: suy luận giá rẻ không tự động đồng nghĩa với tự động hóa rẻ và an toàn. Một khi hệ thống AI có thể hành động, độ tin cậy, xác minh, quyền hạn, xử lý lỗi và bảo mật trở nên quan trọng hơn nhiều. Tiêu chí đánh giá ngày càng chuyển từ chi phí mỗi token sang chi phí mỗi quy trình hoàn thành thành công.