DeepSeek sắp khai tử API deepseek-chat, deepseek-reasoner ngày 24/7: vì sao phải chuyển sang V4
DeepSeek thông báo sẽ chính thức ngừng hỗ trợ hai API mô hình cũ deepseek-chat và deepseek-reasoner từ ngày 24/7/2026, buộc toàn bộ nhà phát triển đang tích hợp phải chuyển sang DeepSeek-V4. Đây là thời điểm thích hợp để nhìn lại sức mạnh thực sự của V4, từ kiến trúc Mixture-of-Experts khổng lồ, cửa sổ ngữ cảnh 1 triệu token, cho tới khung suy đoán giải mã DSpark vừa được mã nguồn mở giúp tăng tốc độ phản hồi tới 85%.
DeepSeek-V4 là mô hình AI mã nguồn mở đang tạo áp lực cạnh tranh giá lớn lên toàn ngành. Nguồn: YouTube
DeepSeek thông báo sẽ ngừng hỗ trợ hoàn toàn hai API mô hình cũ deepseek-chat và deepseek-reasoner từ ngày 24/7/2026, yêu cầu toàn bộ nhà phát triển chuyển sang dòng DeepSeek-V4 ra mắt từ 24/4/2026. V4 gồm hai phiên bản V4-Pro (khoảng 1,6 nghìn tỷ tham số) và V4-Flash (284 tỷ tham số, 13 tỷ tham số kích hoạt), đều hỗ trợ cửa sổ ngữ cảnh mặc định lên tới 1 triệu token. Ngày 27/6, DeepSeek tiếp tục ra mắt khung suy đoán giải mã DSpark, giúp tăng tốc độ sinh phản hồi tới 85%, đồng thời mã nguồn mở toàn bộ nghiên cứu cùng bộ công cụ DeepSpec. Giá sử dụng V4-Flash chỉ từ 0,14 USD cho một triệu token đầu vào, tiếp tục gây áp lực cạnh tranh giá lên toàn ngành AI.
DeepSeek, startup AI mã nguồn mở gây chấn động toàn cầu vào đầu năm 2025, vừa gửi thông báo tới các nhà phát triển đang tích hợp API của hãng rằng hai mô hình deepseek-chat và deepseek-reasoner sẽ chính thức bị ngừng hỗ trợ hoàn toàn từ ngày 24/7/2026, chỉ còn hơn một tuần kể từ hôm nay. Đây là bước đi buộc toàn bộ hệ sinh thái ứng dụng đang dựa vào hai mô hình cũ phải hoàn tất chuyển đổi sang dòng DeepSeek-V4 trước khi hạn chót có hiệu lực.
| Ngày ra mắt | 24/4/2026 (V4-Pro, V4-Flash) |
| Kiến trúc | Mixture-of-Experts (MoE) |
| Tham số V4-Pro | Khoảng 1,6 nghìn tỷ tham số |
| Tham số V4-Flash | 284 tỷ tổng, 13 tỷ kích hoạt |
| Cửa sổ ngữ cảnh | 1 triệu token mặc định |
| Cập nhật DSpark | 27/6/2026, tăng tốc suy luận tới 85% |
Vì sao mốc 24/7/2026 quan trọng với nhà phát triển
Với những đội ngũ kỹ thuật tại Việt Nam đang xây dựng sản phẩm dựa trên API deepseek-chat hoặc deepseek-reasoner, việc bỏ lỡ hạn chót 24/7 đồng nghĩa các lệnh gọi API sẽ ngừng hoạt động hoàn toàn, có thể gây gián đoạn dịch vụ đang chạy thực tế. DeepSeek khuyến nghị chuyển thẳng sang endpoint của V4-Flash cho các tác vụ cần tốc độ phản hồi nhanh và chi phí thấp, hoặc V4-Pro cho các bài toán suy luận phức tạp đòi hỏi độ chính xác cao hơn. Quá trình migrate được mô tả là tương đối đơn giản do V4 giữ nguyên định dạng API tương thích ngược ở phần lớn tham số cơ bản.
Hạ tầng suy luận AI giá rẻ như DeepSeek-V4 đang giúp nhiều dịch vụ số tại Việt Nam, từ chatbot tới công cụ phân tích dữ liệu thể thao, giảm đáng kể chi phí vận hành. Nguồn: YouTube
Kiến trúc Mixture-of-Experts và cửa sổ ngữ cảnh 1 triệu token
DeepSeek-V4 được xây dựng trên kiến trúc Mixture-of-Experts, cơ chế chỉ kích hoạt một phần nhỏ mạng nơ-ron cho mỗi lượt xử lý thay vì toàn bộ mô hình, giúp tiết kiệm đáng kể tài nguyên tính toán so với model đặc (dense model) cùng quy mô tham số. Phiên bản V4-Pro sở hữu tổng cộng khoảng 1,6 nghìn tỷ tham số, trong khi V4-Flash gọn nhẹ hơn với 284 tỷ tham số tổng nhưng chỉ kích hoạt 13 tỷ tham số mỗi lượt suy luận. Cả hai đều hỗ trợ cửa sổ ngữ cảnh mặc định lên tới 1 triệu token, đủ để xử lý toàn bộ một cuốn sách dài hoặc kho mã nguồn cỡ trung bình trong một lượt gọi duy nhất.
Để đạt hiệu quả xử lý ngữ cảnh dài mà không làm tăng vọt chi phí tính toán, DeepSeek-V4 tích hợp kiến trúc attention lai gồm hai cơ chế Compressed Sparse Attention (CSA) và Heavily Compressed Attention (HCA), cho phép mô hình nén thông tin ngữ cảnh hiệu quả hơn so với cơ chế attention truyền thống, một hướng tiếp cận đang được nhiều phòng lab AI lớn trên thế giới quan tâm khi ngữ cảnh xử lý ngày càng dài hơn, tương tự cách các mô hình đối thủ như Claude Sonnet 5 vừa được Anthropic ra mắt cũng liên tục cải thiện khả năng xử lý tác vụ agentic phức tạp trong thời gian dài.
DSpark: khung suy đoán giải mã tăng tốc tới 85%
Ngày 27/6/2026, DeepSeek tiếp tục gây bất ngờ khi công bố DSpark, một khung suy đoán giải mã (speculative decoding) được phát triển hợp tác cùng Đại học Bắc Kinh. Cơ chế của DSpark không thay đổi kiến trúc gốc của model, mà bổ sung một module giải mã tích hợp vào nền tảng V4-Pro để tối ưu hiệu suất vận hành. Kỹ thuật suy đoán giải mã hoạt động bằng cách dùng một model nhẹ tạo trước các phương án dự đoán token tiếp theo, sau đó model chính chỉ cần xác minh lại thay vì phải sinh tuần tự từng token, qua đó giảm đáng kể thời gian xử lý và lãng phí tính toán mà không làm thay đổi chất lượng câu trả lời cuối cùng.
Theo số liệu DeepSeek công bố, tốc độ sinh phản hồi cho một người dùng đơn lẻ có thể tăng từ 60% tới 85% đối với V4-Flash, và từ 57% tới 78% đối với V4-Pro, so với baseline sản xuất MTP-1 trước đó, trong khi vẫn giữ nguyên mức thông lượng tổng thể của hệ thống. Đáng chú ý, DeepSeek quyết định mã nguồn mở toàn bộ nghiên cứu DSpark trên GitHub và Hugging Face, đồng thời công bố thêm bộ công cụ DeepSpec, nhằm khuyến khích cộng đồng nghiên cứu tiếp tục tối ưu hiệu suất suy luận cho các mô hình ngôn ngữ lớn nói chung, một chiến lược mở tương tự cách nhiều startup robot học như Neura Robotics tại Đức vừa gọi vốn 1,4 tỷ USD từ Nvidia và Amazon để đẩy nhanh tốc độ nghiên cứu mở.
Giá rẻ tiếp tục là vũ khí cạnh tranh chính của DeepSeek
Bên cạnh hiệu năng, yếu tố khiến DeepSeek-V4 tiếp tục gây áp lực lớn lên toàn ngành AI chính là mức giá. Phiên bản V4-Flash hiện được cung cấp với chi phí chỉ 0,14 USD cho mỗi một triệu token đầu vào và 0,28 USD cho mỗi một triệu token đầu ra, thấp hơn đáng kể so với phần lớn các model đóng nguồn cùng phân khúc hiệu năng từ những phòng lab lớn khác. Chiến lược định giá cực thấp này từng khiến cổ phiếu công nghệ toàn cầu chao đảo khi DeepSeek lần đầu gây chú ý vào đầu năm 2025, và với V4 cùng DSpark, hãng tiếp tục củng cố vị thế là lựa chọn có tỷ lệ hiệu năng trên chi phí hấp dẫn bậc nhất, đặc biệt phù hợp với các đội ngũ phát triển sản phẩm tại thị trường Việt Nam vốn nhạy cảm về chi phí vận hành AI. Đây cũng là một phần lý do khiến DeepSeek song song đầu tư mạnh vào chip AI tự phát triển nhằm giảm phụ thuộc vào Nvidia, hướng tới việc kiểm soát toàn bộ chuỗi chi phí từ phần cứng tới phần mềm.
