DeepSeek abre o código do DeepInfer, framework que usa para baratear a inferência de IA

A DeepSeek, startup chinesa de inteligência artificial↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI →, abriu nesta terça-feira (20 de outubro de 2026, horário de Pequim) o código do DeepInfer, um framework de inferência desenvolvido internamente para rodar seus modelos de forma mais barata. A notícia foi publicada pelo SCMP Tech. Inferência é a etapa de servir e executar um modelo já treinado, em oposição ao treinamento em si, e é nela que recai boa parte do custo operacional de qualquer empresa que coloca IA em produção.

O que o DeepInfer faz na prática

O framework foi construído sob medida para rodar o DeepSeek-V4.1-Flash, modelo lançado em setembro de 2026 com uma arquitetura que reduz a quantidade de memória necessária para operar, superando o desempenho do V1 Pro anterior da própria empresa. Uma atualização do V4.1-Flash lançada no sábado anterior (17 de outubro) tornou o modelo um dos mais potentes e eficientes em custo entre os modelos de peso aberto do mercado, segundo a empresa de benchmarking independente Artificial Analysis.

Como o V4.1-Flash é um modelo de peso aberto, qualquer provedor de nuvem pode servi-lo na própria infraestrutura. Abrir o DeepInfer junto, segundo a DeepSeek, ajuda a comunidade a "reduzir o custo computacional, diminuir o consumo de energia e tornar a IA mais acessível".

Os números que a DeepSeek divulgou

Em um artigo técnico publicado na plataforma chinesa de perguntas e respostas Zhihu nesta terça-feira, a DeepSeek afirmou que um único cluster de computação rodando o V4.1-Flash sobre o DeepInfer pode gerar receita equivalente a US$ 38 por GPU por hora, com base em preços de horário fora de pico. A empresa não divulgou seus custos operacionais nem margem de lucro, então esse número vem de uma estimativa de receita, não de economia direta comprovada por terceiros.

O ganho de eficiência, segundo a empresa, vem em parte da retenção de informações já processadas por mais de 72 horas, o que evita recomputação repetida de contexto já visto pelo modelo. Esse tipo de cache de contexto é a mesma lógica por trás de técnicas como prefix caching, já usadas em frameworks de inferência como vLLM e SGLang, mas aqui aplicada à arquitetura específica do V4.1-Flash.

Nvidia e Huawei na mesma jogada

O DeepInfer foi desenhado para suportar tanto as GPUs Blackwell SM100 da Nvidia quanto os chips Ascend 950 da Huawei Technologies. Essa dupla compatibilidade importa porque reduz a dependência de um único fornecedor de hardware para rodar o modelo em produção: quem serve o V4.1-Flash não fica preso ao ecossistema CUDA da Nvidia se tiver acesso a clusters Huawei, algo mais relevante hoje para provedores chineses do que para infraestrutura disponível no Brasil, mas que sinaliza para onde o mercado de chips de IA está indo.

A declaração de guerra verbal

O lançamento veio acompanhado de uma fala incomumente combativa de Chen Deli, pesquisador sênior da DeepSeek, em post nas redes sociais:

Open source contra closed source... Uma batalha decisiva entre dois futuros, dois destinos para a humanidade.

Open source vs closed source … A decisive battle between two futures, two destinies for humanityChen Deli, pesquisador sênior da DeepSeek

Ele completou, em tom ainda mais direto:

Por quanto tempo eles quiserem lutar, vamos lutar. Até a vitória total.

However long they want to fight, we'll fight. Until total victory.Chen Deli, pesquisador sênior da DeepSeek

Cui Tianyi, que lidera o time Harness da DeepSeek, também comentou o lançamento em post próprio, dizendo esperar que mais empresas e organizações ao redor do mundo "implantem modelos da DeepSeek e lucrem com isso" (no original, em inglês: "deploy DeepSeek models and profit from doing so").

O contexto da disputa China x EUA

As falas de Chen e o lançamento do DeepInfer acontecem num momento em que empresas chinesas de IA, como Moonshot AI e Z.ai, seguem lançando atualizações de modelos de peso aberto, desafiando rivais americanos como Anthropic e OpenAI, que defendem publicamente o modelo fechado. O CEO da Anthropic, Dario Amodei, já afirmou repetidamente que a IA de código aberto↳Open source71 conteúdosComo o Open Source Está Liberando o Poder da Automação para TodosDev (Back & Front) · out 2025Código aberto: programadores criam software da NASA sem saberDev (Back & Front) · abr 2021N8N: O que é a ferramenta open source que está revolucionando a automação em TI?Dev (Back & Front) · dez 2025Ver tudo em Dev (Back & Front) → representa riscos para a humanidade, além de acusar empresas chinesas de "roubar" tecnologia americana de IA, incluindo uma acusação recente de que concorrentes chineses usariam secretamente o Claude.

Ao mesmo tempo, Pequim propôs na semana passada controles de exportação para 23 tecnologias ligadas a IA. Um porta-voz do governo chinês afirmou, porém, que o país continuará incentivando a IA de código aberto e promovendo sua adoção mundo afora, com foco especial no Sul Global.

O que muda pra quem constrói com IA no Brasil

Para quem já roda modelos de peso aberto em produção, como Llama, Qwen ou os próprios modelos da DeepSeek, o DeepInfer é mais uma peça no ecossistema de frameworks de inferência, ao lado de vLLM, SGLang e TensorRT-LLM. A diferença é que ele foi otimizado especificamente para a arquitetura do V4.1-Flash, o que tende a gerar melhor desempenho nesse modelo específico do que um framework genérico, mas também significa menos flexibilidade para quem quer servir outros modelos com ele.

O ponto prático é o cache de contexto de 72 horas: times que fazem muitas chamadas repetidas com o mesmo prefixo de prompt (agentes que reusam contexto de sistema extenso, por exemplo) são os que mais sentem esse tipo de otimização na fatura de GPU. Vale olhar o repositório do projeto para avaliar se a integração compensa frente ao que já está em produção, mas o cenário de preço do V4.1-Flash via API segue sendo a forma mais simples de testar o modelo antes de investir em infraestrutura própria.

O que ainda fica em aberto

A DeepSeek não publicou benchmarks independentes comparando o DeepInfer a frameworks concorrentes, nem detalhou custo de operação real dos US$ 38 por GPU por hora citados. Também não há, até o momento, relatos de grandes provedores de nuvem ocidentais adotando o framework em produção. O movimento é mais um sinal da estratégia de open source agressivo da DeepSeek do que uma mudança imediata no dia a dia de quem já trabalha com inferência de LLM fora da China.

Fonte: SCMP Tech