DeepSeek lançou discretamente uma versão atualizada de seu modelo de peso aberto em 17 de outubro, enviando V4.1-Flash-1017 com raciocínio, codificação, agente e recursos visuais mais fortes - e, em sua configuração superior, uma colocação entre os dois primeiros em uma das tabelas de classificação independentes mais observadas do setor.

O lançamento atualiza o modelo Flash V4.1 que o laboratório chinês lançou em setembro, em vez de iniciar uma nova família de modelos, informou o TechNode. Os pesos estão disponíveis no Hugging Face sob a licença permissiva do MIT, juntamente com código de inferência e instruções de implantação para desenvolvedores que desejam executar o modelo em sua própria infraestrutura.

O que mudou na V4.1-Flash-1017

De acordo com DeepSeek, a principal melhoria é a velocidade de execução: a empresa afirma que o modelo agora conclui tarefas com mais rapidez e resultados mais curtos, permitindo que os usuários concluam o mesmo trabalho com menor custo. Resultados mais curtos são tão importantes quanto a velocidade bruta para as equipes que executam o modelo em escala, porque a maioria dos provedores de API cobra por token.

As melhorias focadas no desenvolvimento visam fluxos de trabalho de agentes – o padrão no qual um sistema de IA planeja um projeto, escreve código, chama ferramentas externas e itera em direção a um resultado funcional. O relatório da TechNode descreve a atualização como fortalecendo exatamente esse ciclo, juntamente com ganhos na compreensão visual das entradas de imagem.

Exibição de benchmark independente da variante Max

Artificial Analysis, uma empresa independente que avalia modelos de fronteira, lista o DeepSeek V4.1 Flash 1017 (Max) com uma pontuação do Índice de Inteligência de Análise Artificial de 45 – o segundo entre os 121 modelos que rastreia, e bem acima da mediana de 19. A mesma entrada registra uma velocidade de saída de aproximadamente 230 tokens por segundo, uma janela de contexto de 1 milhão de tokens e suporte para entrada de texto e imagem.

Os preços continuam agressivos. A Análise Artificial relata US$ 0,30 por milhão de tokens de entrada e US$ 1,20 por milhão de tokens de saída para a variante Max, abaixo de suas medianas rastreadas de US$ 0,43 e US$ 1,68, respectivamente. Um desconto de cache de 98% se aplica ao contexto repetido, e a empresa estima o custo de uma única tarefa de avaliação do Índice de Inteligência em cerca de US$ 0,26.

A empresa de benchmarking sinaliza uma compensação: verbosidade. A variante Max gerou cerca de 210 milhões de tokens em suas avaliações do Índice de Inteligência – cerca de 50% a mais do que a mediana de 140 milhões de tokens – o que pode compensar algumas das economias por token na prática.

A comunidade de desenvolvedores toma conhecimento

O lançamento atraiu atenção imediata no Hacker News, onde a lista Hugging Face acumulou mais de 900 votos positivos e a lista OpenRouter ultrapassou 500 em poucas horas – um nível de tração que os lançamentos de modelos abertos de laboratórios ocidentais raramente alcançam. O entusiasmo reflecte tanto a posição de referência do modelo como o seu licenciamento: a licença do MIT permite a utilização comercial, modificação e redistribuição com restrições mínimas, tornando o modelo uma base prática para startups que se baseiam em pesos abertos.

Como o DeepSeek publica código de inferência e instruções de implantação junto com os pesos, as organizações com sua própria capacidade de GPU podem servir o modelo sem depender de provedores externos de API – uma opção que se tornou cada vez mais relevante à medida que as empresas avaliam as preocupações de residência de dados e controle de custos com a conveniência da inferência hospedada.

Por que o desempenho da agência é importante agora

A ênfase na codificação de agentes reflete a evolução da concorrência entre os laboratórios de fronteira. Os ganhos de referência em conjuntos de perguntas estáticas tornaram-se incrementais; o diferencial em 2026 é a confiabilidade com que um modelo sustenta o trabalho em várias etapas – planejamento, escrita de código, execução, leitura de erros e correção de curso sem intervenção humana.

A atualização do DeepSeek segue exatamente esse eixo. Um modelo que conclui tarefas de codificação em menos iterações e com menos desperdício de produção reduz diretamente o custo de execução de frotas de agentes, que consomem tokens em uma escala que os usuários individuais de chat nunca veem. Para as equipes de engenharia que avaliam opções de pesos abertos em relação a APIs fechadas, a combinação de uma classificação de inteligência número 2 e licenciamento do MIT é um pacote notavelmente forte.

A guerra de preços não mostra sinais de esfriamento

DeepSeek construiu sua reputação com base em preços agressivos e a V4.1-Flash-1017 continua esse padrão. O desconto de cache de 98% – a redução de preço aplicada quando uma solicitação reutiliza o contexto que o provedor já processou – está entre os mais generosos do setor, recompensando efetivamente os aplicativos que mantêm conversas de longa duração ou reutilizam grandes bases de código em consultas.

Com preço de entrada de US$ 0,30 por milhão de tokens e produção de US$ 1,20, a variante Max reduz os preços médios que a Análise Artificial rastreia em todo o mercado, mesmo antes do desconto de cache ser aplicado. Para cargas de trabalho sensíveis ao custo – processamento em lote, resumo de alto volume, geração de recuperação aumentada – a economia é difícil para os provedores proprietários igualarem.

O lançamento também ocorre em meio ao escrutínio intensificado das cadeias de fornecimento de hardware dos laboratórios de IA chineses, uma área onde o DeepSeek já havia chamado a atenção por reduzir o desempenho de nível de fronteira da computação restrita. A empresa não divulgou treinamento detalhado ou especificações de hardware para esta atualização.

O que assistir a seguir

A cadência do DeepSeek – uma atualização do Flash em setembro, uma atualização 1017 direcionada em outubro – sugere que o laboratório está iterando mais rápido do que os tradicionais ciclos de lançamento de seis a doze meses de seus concorrentes ocidentais. Classificações independentes de Análise Artificial e benchmarks comunitários mostrarão se os ganhos se mantêm fora das avaliações da própria empresa.

Por enquanto, os números verificáveis ​​de forma independente são fortes: uma classificação de inteligência em segundo lugar entre 121 modelos rastreados, quase 230 tokens por segundo de rendimento de saída, uma janela de contexto de 1 milhão de tokens e alguns dos preços mais baixos do mercado – tudo sob uma licença que permite a qualquer um pegar os pesos e construir.

Fique à frente da IA

O cenário da IA avança rapidamente — siga AI Buzz Wire para obter as últimas notícias sobre IA, lançamentos de modelos e análises do setor.

Leia mais notícias sobre IA →