DeepSeek V4.1 Flash ativa 8 bilhões de parâmetros por consulta e lidera em código
Modelo chinês usa arquitetura Mixture-of-Experts para cortar custo de inferência e diz superar Kimi K3 e GPT-5.6 Sol em benchmark de tarefas reais de terminal.
A DeepSeek anunciou nesta quinta-feira (10) o V4.1 Flash, o menor modelo de sua nova série, afirmando que ele supera o antigo carro-chefe da empresa em tarefas de código, cibersegurança↳Segurança171 conteúdosCibersegurança no Brasil: 6 passos para sair da estagnaçãoDevSecOps · jul 2025O papel do CISO para transformar a cibersegurança em uma alavanca de reputação para as empresasDevSecOps · mar 2024Itaipu Parquetec e Exército Brasileiro realizam exercício de cibersegurança em BrasíliaDev (Back & Front) · set 2025Ver tudo em DevSecOps → e agentes autônomos, ao mesmo tempo em que reduz o custo de inferência e aumenta a velocidade. É mais um lance na guerra de preço e desempenho que domina o mercado chinês de IA↳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 →, segundo o South China Morning Post.
O truque está no MoE, não no tamanho bruto
O V4.1 Flash é construído sobre um framework de 552 bilhões de parâmetros, mas usa um design de Mixture-of-Experts (MoE) com uma nova arquitetura que a DeepSeek chama de "Causal-Encoder-Decoder".
A diferença prática importa para quem paga a conta de compute. Num modelo tradicional (denso), toda consulta passa pelo sistema inteiro. Num MoE, o roteamento manda a tarefa só para as subredes mais adequadas. No caso do Flash, a empresa afirma que apenas 8 bilhões de parâmetros são ativados para processar a entrada e 16 bilhões para gerar a resposta, o que reduz de forma significativa o poder computacional gasto por requisição.
Na prática, é o mesmo princípio que fez a DeepSeek chamar atenção lá atrás: entregar raciocínio de ponta a um custo operacional de fração de centavo por request. O modelo também traz compreensão visual multimodal nativa, segundo a companhia.
Os números que a DeepSeek colocou na mesa
O destaque do anúncio é o Terminal-Bench 2.1, um benchmark que avalia a IA em tarefas reais de computação, mais próximas do trabalho de um dev do que de perguntas de múltipla escolha. A DeepSeek reportou a seguinte tabela de resultados:
| Modelo | Terminal-Bench 2.1 |
|---|---|
| DeepSeek V4.1 Flash | 90,6 |
| OpenAI GPT-5.6 Sol | 88,8 |
| Moonshot AI Kimi K3 | 88,3 |
| DeepSeek V4 Pro | 87,9 |
Vale o registro de sempre: esses números vêm da própria DeepSeek, não de uma avaliação independente. A empresa afirma que o Flash superou o V4 Pro (seu modelo maior e mais caro) nas provas de código, cibersegurança e tarefas de agente. O que ainda está em aberto é como esses resultados se sustentam fora do laboratório e em avaliações de terceiros.
Por que isso mexe com o baseline de custo
O pano de fundo é o cerco de compute: com custos de hardware em alta e restrições de exportação de chips apertando o acesso das empresas chinesas, o caminho encontrado por elas é a eficiência. Em vez de escalar parâmetros ativos, o jogo virou "quão pouco compute consigo gastar mantendo raciocínio de ponta". O MoE do V4.1 Flash é a materialização disso: 552B no papel, 8B a 16B ativos na prática.
Esse movimento é o que torna a notícia relevante para quem constrói software fora do eixo OpenAI/Anthropic. Quando um modelo com número de agente competitivo ativa poucos bilhões de parâmetros por request, ele desloca a régua do que é "caro demais para rodar". Isso vale tanto para o custo de API quanto para a viabilidade de servir modelos abertos em infraestrutura própria (a linha DeepSeek historicamente tem pesos abertos, embora este anúncio específico não detalhe o licenciamento do V4.1 Flash).
O que muda para o dev brasileiro
O recado prático é que a corrida de eficiência chinesa está empurrando para baixo o piso de custo de tarefas que interessam a quem escreve código: geração e revisão de código, automação de agentes que operam terminal e fluxos de segurança. Se o V4.1 Flash entrega desempenho de agente perto de GPT-5.6 Sol gastando menos compute por chamada, o cálculo de "vale a pena depender de um único fornecedor gringo?" muda de figura.
Para o time de engenharia BR, os pontos concretos a acompanhar:
- Custo por request em real: com câmbio pesando, modelos de fração de centavo por chamada abrem espaço para automações que antes não fechavam a conta.
- Terminal-Bench como sinal: é um benchmark de tarefa real de terminal, então é um proxy melhor para agentes de dev do que provas acadêmicas. Se os números se confirmarem em avaliação independente, é um candidato a testar em pipelines de agente.
- Dependência estratégica: ter alternativas viáveis a OpenAI e Anthropic reduz risco de lock-in de preço e de política de acesso.
O que fica pendente é o de sempre com anúncios de fabricante: onde ficam os pesos, como é o acesso via API fora da China, latência real para servir daqui e, principalmente, se os 90,6 do Terminal-Bench se sustentam quando quem roda o teste não é a própria DeepSeek. Até lá, o dado central é claro, a briga de eficiência continua puxando o custo de IA para baixo, e isso é bom para quem constrói.
Fonte: SCMP Tech
Este artigo foi escrito por Redação iMasters. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
PS5LM roda modelos GGUF via llama.cpp dentro de um PS5 jailbroken
Projeto de código aberto coloca o llama.cpp para rodar na GPU do console e expõe o modelo carregado por uma API compatível com OpenAI e Anthropic, acessível a qualquer dispositivo da rede local.
