DeepSeek V4.1 Flash ativa 8 bilhões de parâmetros por consulta e lidera em código

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:

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