O Modelo que Não Deveria Existir (Mas Existe)

Eu vou ser direto: se você ainda acha que precisa pagar US$ 25 por milhão de tokens de saída para ter um modelo de IA de ponta, o DeepSeek acabou de provar que você está errado. Por um fator de 20x.

O DeepSeek V4.1 Flash foi lançado oficialmente em 10 de setembro de 2026, e o barulho que está fazendo no Hacker News (561 pontos, mais de 300 comentários) não é à toa. O modelo bate o Claude Opus 5 e o GPT 5.6 Sol em vários benchmarks de engenharia de software e automação, custa uma fração do preço, e ainda por cima é nativo multimodal. Tudo isso com apenas 8 bilhões de parâmetros ativos por token na entrada.

A pergunta que todo dev deveria estar fazendo agora não é “será que ele é bom?”. É “por que eu estou pagando tão caro no concorrente?”.

552 Bilhões de Parâmetros, 8 Bilhões Trabalhando

A arquitetura do V4.1 Flash é onde a coisa fica realmente interessante. O modelo tem 552 bilhões de parâmetros totais num framework Mixture-of-Experts (MoE), mas só ativa 8 bilhões para processar a entrada e 16 bilhões para gerar a saída. Na prática, significa que você tem a inteligência de um modelo gigantesco com o custo computacional de um modelo pequeno.

A grande inovação arquitetural é o que a DeepSeek chama de “Causal Encoder-Decoder assimétrico”. São 40 camadas no total: 20 de encoder processando a entrada e 20 de decoder gerando a saída. O segredo está em como o decoder reutiliza informação do encoder. O cache global de key-value do decoder é projetado a partir dos hidden states finais do encoder, o que cria uma eficiência absurda no uso de memória.

Para quem trabalha com inferência em escala, esse número aqui vai fazer seus olhos brilharem: o cache KV consome apenas 890 bytes por token. Isso é um quarto do que o V4 Flash consumia. Com FP4 caching e uma técnica chamada Compressed Sparse Attention 2 (CSA2), que compartilha keys entre camadas, o footprint persistente de cache cai para um oitavo. Um oitavo.

Em termos práticos, isso significa que o DeepSeek consegue servir contextos enormes (estamos falando de milhões de tokens) em hardware que antes não suportaria nem a metade disso.

Os Benchmarks Que Importam

Benchmark é aquela coisa que todo mundo critica e todo mundo usa. Então vamos aos números que a DeepSeek publicou, e que já foram confirmados por testes independentes.

No DeepSWE v1.1, o benchmark de engenharia de software que mede capacidade de resolver bugs reais em repositórios open source, o V4.1 Flash marcou 74.2. O Claude Opus 5 fez 74.0 e o GPT 5.6 Sol ficou com 73.0. A diferença parece pequena, até você lembrar que o modelo da DeepSeek custa 20 vezes menos para rodar.

No Automation-Bench, que testa capacidade de automação de tarefas, o V4.1 Flash cravou 54.8. O Claude Opus 5 ficou em 50.3 e o GPT 5.6 Sol em 45.8. Aqui a diferença já não é marginal: são quase 5 pontos acima do segundo colocado.

No CyberGym, benchmark focado em cibersegurança, V4.1 Flash marcou 88.1, contra 84.5 do GPT 5.6 Sol e do GLM 5.3. Para quem trabalha com segurança, isso é relevante: o modelo mais barato do mercado também é o melhor em pentesting e análise de vulnerabilidades.

No Agents’ Last Exam, que testa raciocínio complexo em cenários multi-step para agentes de IA, o V4.1 Flash fez 31.8, contra 28.6 do Opus 5 e 26.7 do GPT 5.6 Sol.

Agora, onde o Claude Opus 5 ainda reina? Em conhecimento puro. No HLE (Humanity’s Last Exam), o Opus 5 marcou 56.3 contra 36.8 do V4.1 Flash. No Terminal-Bench 3.0, que testa interações complexas de terminal, o Opus 5 lidera com 43.3 contra 30.0 do Flash. Esses gaps são significativos.

A leitura que eu faço é clara: para tarefas de código, automação e agentes, o V4.1 Flash está no topo ou empatado. Para raciocínio abstrato e conhecimento enciclopédico, o Claude Opus 5 ainda é superior. A questão é: quanto você está disposto a pagar pela diferença?

Preço: A Parte que Dói (Para a Concorrência)

A DeepSeek foi a primeira grande provedora de IA a adotar precificação dinâmica estilo “pico e fora de pico”, similar ao que fazemos com energia elétrica. O V4.1 Flash reduziu os preços em relação ao V4 Flash, que já era barato:

O horário de pico é de segunda a sexta, das 09:00 às 12:00 e 14:00 às 18:00 no horário de Pequim (que equivale a madrugada/manhã no Brasil, então a maioria dos devs brasileiros vai pegar naturalmente o preço mais baixo).

Para colocar em perspectiva: o Claude Opus 5 cobra US$ 25 por milhão de tokens de saída. O V4.1 Flash cobra US$ 0,60. Isso é 41 vezes mais barato. Mesmo no horário de pico, com US$ 1,20, ainda é 20 vezes mais barato.

Em cenários reais, a diferença é brutal. Um teste de design de arquitetura que custa US$ 1,61 e 11,1 minutos no GPT-6 Astra custa US$ 0,023 e 5,3 minutos no V4.1 Flash. Leu direito: 70 vezes mais barato e duas vezes mais rápido.

Multimodal Nativo (Não É Gambiarra)

Uma das mudanças mais significativas do V4.1 Flash em relação ao V4 é a integração multimodal nativa. O V4 original usava um modelo separado chamado Vision-Exp, que basicamente era um encoder visual plugado por cima de um modelo de texto. Funcionava, mas era uma solução “Frankenstein”: dois modelos grudados com fita adesiva.

O V4.1 Flash treinou visão e linguagem juntos desde o início do pré-treinamento. O componente visual, chamado DeepSeek-ViT, foi treinado simultaneamente com o modelo de linguagem. O resultado é que o modelo processa texto e imagem num espaço latente unificado, o que melhora drasticamente o raciocínio cross-modal.

Na prática, isso significa que quando você manda uma screenshot de código com um erro, o modelo não está “olhando a imagem” e “pensando sobre texto” separadamente. Ele está processando tudo junto, entendendo o contexto visual e textual como uma coisa só. Os testes mostraram que o V4.1 Flash evita as alucinações visuais que assombravam modelos anteriores (tipo inventar texto que não está na imagem ou descrever elementos que não existem).

Com isso, o modelo Vision-Exp está sendo descontinuado. Não faz mais sentido manter dois modelos quando um faz tudo.

A Morte Silenciosa do V4 Pro

Uma decisão polêmica que a DeepSeek tomou junto com o lançamento: a partir de 14 de setembro, todo o tráfego direcionado ao endpoint deepseek-v4-pro será automaticamente redirecionado para o V4.1 Flash. E cobrado com os preços do Flash.

Para quem usa a API, isso é transparente: os modelos legados continuam respondendo, só que por baixo dos panos é o V4.1 Flash trabalhando. Mas a mensagem é clara: o V4 Pro não é mais necessário. O Flash superou ele em praticamente todos os benchmarks, então manter dois modelos seria desperdício de infraestrutura.

A DeepSeek promete lançar um V4.1 Pro eventualmente, mas por enquanto, a recomendação é usar o Flash para tudo. Considerando que o Flash já está no nível do Opus 5 em tarefas de código, é difícil argumentar contra.

420 Tokens por Segundo: A Velocidade Impressiona

Durante a janela de testes beta (8 a 10 de setembro), a comunidade reportou throughput de aproximadamente 420 tokens por segundo em tarefas de raciocínio com texto longo. O throughput end-to-end medido foi de 409,5 tokens por segundo.

Os ganhos de velocidade são especialmente dramáticos em cenários específicos:

• Retrieval em contexto de 49K tokens: 5,2x mais rápido que o baseline
• Geração de código SVG: 6,0x mais rápido
• Geração de queries SQL: 5,0x mais rápido
• Implementação de algoritmos: 4,6x mais rápido
• Refatoração de arquitetura: 3,9x mais rápido

A velocidade tem uma explicação técnica direta: com o cache KV 8 vezes menor, o modelo consegue manter muito mais contexto em memória de alta velocidade (HBM/GPU), reduzindo os gargalos de transferência que normalmente desaceleram modelos grandes.

O Modelo de Negócio “Anti-OpenAI”

O que torna a DeepSeek fascinante vai além da técnica. A empresa tem uma cultura completamente diferente das big techs de IA americanas. O CEO detém 84% da empresa e fundou o fundo de investimentos que a financia. Não há pressão de venture capital, não há board mandando pivotar para enterprise, não há corrida para IPO.

Nos comentários do Hacker News, vários engenheiros destacaram que a DeepSeek se posiciona como um “workhorse acessível” e não como um disruptor tentando dominar o mercado. Eles dizem que o modelo de negócio é lucrativo com os custos de hardware amortizados em 10 meses. Dez meses. Enquanto a OpenAI projeta prejuízos de bilhões por ano, a DeepSeek já está no azul.

Outro ponto que chamou atenção: os relatórios técnicos da DeepSeek são recheados de detalhes arquiteturais. Enquanto a OpenAI e a Anthropic publicam “system cards” focados em safety messaging, a DeepSeek publica papers com as decisões de engenharia, as técnicas que funcionaram e as que não funcionaram. Um comentarista resumiu bem: “cada release deles vem com ideias novas e inteligentes, e a gente fica imaginando o que ficou no cutting room floor”.

Quando NÃO Usar o V4.1 Flash

Seria desonesto fazer um artigo inteiro elogiando um modelo sem falar das limitações. Existem cenários claros onde o V4.1 Flash não é a melhor escolha:

Raciocínio abstrato e conhecimento profundo: O gap de 20 pontos no HLE (Humanity’s Last Exam) é grande. Se seu caso de uso envolve perguntas que exigem conhecimento enciclopédico, raciocínio filosófico ou análise de nuances sutis, o Claude Opus 5 continua sendo superior.

Interações complexas de terminal: O Terminal-Bench 3.0 mostra um gap de 13 pontos entre Flash (30.0) e Opus 5 (43.3). Para agentes que precisam navegar em ambientes de terminal complexos com múltiplas sessões e estados, o Opus 5 leva vantagem.

Regulação e compliance: Dependendo da sua indústria, usar um modelo de uma empresa chinesa pode ter implicações regulatórias. Isso não é um problema técnico, mas é um fator real que muitas empresas precisam considerar.

Escrita criativa e tone of voice: Nos testes da comunidade, o V4.1 Flash ainda não iguala o Claude em tarefas de escrita que exigem personalidade, humor e nuance. Para chatbots, copywriting e comunicação, o Claude continua sendo a referência.

O Que Isso Significa Para o Mercado

O lançamento do V4.1 Flash coloca uma pressão enorme sobre Anthropic e OpenAI. Não porque o modelo seja melhor em tudo, mas porque ele é bom o suficiente na maioria das tarefas e absurdamente mais barato.

Para startups e desenvolvedores independentes, a matemática é simples. Se você está construindo um agente de IA que faz code review, automação de deploy ou análise de segurança, o V4.1 Flash entrega performance equivalente ou superior aos modelos premium por uma fração do custo. O dinheiro que você economiza com API pode ir para infraestrutura, contratação ou, sei lá, pizza na sexta.

A precificação dinâmica também é um sinal interessante. A DeepSeek está tratando inferência de IA como commodity, com preços variáveis por demanda. Isso é o tipo de coisa que acontece quando um mercado amadurece. Energia elétrica, banda de internet, cloud computing, tudo passou por esse estágio. Agora é a vez dos LLMs.

A grande questão que fica: a Anthropic e a OpenAI vão ser forçadas a cortar preços drasticamente? O Claude Opus 5 é um modelo incrível, mas a 41x o preço do concorrente, quantos developers vão continuar justificando o custo?

Minha aposta: dentro de 6 meses, ou os preços dos modelos premium caem pela metade, ou a DeepSeek vai dominar o mercado de desenvolvedores que otimizam por custo, o que é, honestamente, a maioria.

Fonte de inspiração: Discussão no Hacker News sobre DeepSeek V4.1 Flash