DeepSeek V4 – quase na fronteira, uma fração do preço
DeepSeek V4 – quase na fronteira, uma fração do preço
24 de abril de 2026
O último lançamento de modelo do laboratório chinês de IA DeepSeek foi V3.2 (e V3.2 Speciale) em dezembro passado. Eles acabaram de lançar o primeiro de sua tão aguardada série V4 na forma de dois modelos de visualização, DeepSeek-V4-Pro e DeepSeek-V4-Flash.
Ambos os modelos são uma mistura de especialistas de contexto de token de 1 milhão. Pro tem parâmetros totais de 1,6T, 49B ativos. O flash tem 284B no total, 13B ativo. Eles estão usando a licença padrão do MIT.
Acho que isso faz do DeepSeek-V4-Pro o novo modelo de maior peso aberto. É maior que Kimi K2.6 (1.1T) e GLM-5.1 (754B) e mais que o dobro do tamanho do DeepSeek V3.2 (685B).
O Pro tem 865 GB no Hugging Face, o Flash tem 160 GB. Espero que um Flash levemente quantizado funcione no meu MacBook Pro M5 de 128 GB. Isso é possível o modelo Pro pode ser executado nele se eu conseguir transmitir apenas os especialistas ativos necessários do disco.
No momento experimentei os modelos via OpenRouter, usando llm-openrouter:
llm install llm-openrouter
llm openrouter refresh
llm -m openrouter/deepseek/deepseek-v4-pro 'Generate an SVG of a pelican riding a bicycle'
Aqui está o pelicano para DeepSeek-V4-Flash:
E para DeepSeek-V4-Pro:
Para efeito de comparação, dê uma olhada nos pelicanos que recebi do DeepSeek V3.2 em dezembro, V3.1 em agosto e V3-0324 em março de 2025.
Então os pelicanos são muito bons, mas o que é realmente notável aqui é o custo. DeepSeek V4 é um modelo muito, muito barato.
Aqui está a página de preços do DeepSeek. Eles estão cobrando US$ 0,14/milhão de entrada de tokens e US$ 0,28/milhão de saída de tokens para Flash, e US$ 1,74/milhão de entrada e US$ 3,48/milhão de saída para Pro.
Aqui está uma tabela comparativa com os modelos de fronteira da Gemini, OpenAI e Anthropic:
| Modelo | Entrada ($/M) | Produção ($/M) |
|---|---|---|
| Flash DeepSeek V4 | US$ 0,14 | US$ 0,28 |
| GPT-5.4Nano | US$ 0,20 | US$ 1,25 |
| Gêmeos 3.1 Flash-Lite | US$ 0,25 | US$ 1,50 |
| Pré-visualização em Flash do Gêmeos 3 | US$ 0,50 | US$ 3 |
| GPT-5.4Mini | US$ 0,75 | US$ 4,50 |
| Claude 4.5 Haiku | US$ 1 | US$ 5 |
| DeepSeek V4 Pro | US$ 1,74 | US$ 3,48 |
| Gêmeos 3.1 Pró | US$ 2 | US$ 12 |
| GPT-5.4 | US$ 2,50 | US$ 15 |
| Soneto de Claude 4 / 4.5 | US$ 3 | US$ 15 |
| Fechar Trabalho 4.5 | US$ 5 | US$ 25 |
| GPT-5.5 | US$ 5 | US$ 30 |
DeepSeek-V4-Flash é o mais barato dos modelos pequenos, superando até mesmo o GPT-5.4 Nano da OpenAI. DeepSeek-V4-Pro é o mais barato dos modelos de fronteira maiores.
Esta nota do artigo da DeepSeek ajuda a explicar por que eles podem ter um preço tão baixo para esses modelos – eles se concentraram muito na eficiência com esta versão, especialmente para prompts de contexto mais longos:
No cenário de contexto de 1 milhão de tokens, mesmo o DeepSeek-V4-Pro, que possui um número maior de parâmetros ativados, atinge apenas 27% dos FLOPs de token único (medidos em FLOPs FP8 equivalentes) e 10% do tamanho do cache KV em relação ao DeepSeek-V3.2. Além disso, DeepSeek-V4-Flash, com seu menor número de parâmetros ativados, aumenta ainda mais a eficiência: na configuração de contexto de token de 1M, ele atinge apenas 10% dos FLOPs de token único e 7% do tamanho do cache KV em comparação com DeepSeek-V3.2.
Os benchmarks auto-relatados pela DeepSeek em seu artigo mostram seu modelo Pro competitivo com os outros modelos de fronteira, embora com esta nota:
Através da expansão dos tokens de raciocínio, o DeepSeek-V4-Pro-Max demonstra desempenho superior em relação ao GPT-5.2 e Gemini-3.0-Pro em benchmarks de raciocínio padrão. No entanto, o seu desempenho fica ligeiramente aquém do GPT-5.4 e Gemini-3.1-Pro, sugerindo uma trajetória de desenvolvimento que acompanha os modelos de fronteira de última geração em aproximadamente 3 a 6 meses.
Estou de olho em huggingface.co/unsloth/models, pois espero que a equipe Unsloth lance um conjunto de versões quantizadas em breve. Será muito interessante ver quão bem esse modelo Flash funciona em minha própria máquina.
