DeepSeek lançou DeepSeek-V4.1-Flash-1017 em 17 de outubro de 2026, um novo ponto de verificação de sua linha de modelos V4.1 Flash que o laboratório chinês descreve como uma melhoria de Pareto em relação ao seu antecessor: desempenho de benchmark mais forte, conclusão de tarefas mais rápida e resultados mais curtos, sem sacrificar a eficiência. A atualização foi publicada no site, aplicativo e API do DeepSeek no dia do lançamento, e os pesos abertos foram publicados simultaneamente no Hugging Face e ModelScope.
Um ponto de verificação com data marcada, não uma nova geração Para mais contexto sobre esta história, confira nossa tendências de IA.
O “1017” no nome é a data de lançamento – 17 de outubro – e o ponto de verificação segue uma cadência rápida para a família V4. DeepSeek-V4.1-Flash foi lançado em 10 de setembro de 2026, e o histórico de lançamentos da empresa mostra um ritmo constante de atualizações este ano: V4-Pro atingiu disponibilidade geral em 13 de agosto, o experimental V4-Flash-Vision-Exp adicionou suporte de entrada de imagem em 21 de agosto, e o V4 Preview original voltou em 24 de abril.
O enquadramento do título na página de lançamento – “Programação Orientada a Desejos Tornada Real” – captura como DeepSeek está posicionando a atualização: os desenvolvedores descrevem o resultado que desejam, e o modelo lida com a implementação de ponta a ponta, desde a estruturação de um projeto até a iteração até que ele seja executado. É uma mudança de ênfase da assistência no estilo de chat para o trabalho delegado em escala de projeto, e se alinha com o rumo que a indústria mais ampla está tomando, à medida que os agentes se tornam a principal forma de os desenvolvedores interagirem com os principais modelos.
De acordo com as notas de lançamento oficiais, o V4.1-Flash-1017 supera a versão anterior em benchmarks, ao mesmo tempo que conclui tarefas mais rapidamente e gera resultados mais curtos. A DeepSeek caracteriza a mudança como uma melhoria de Pareto tanto no desempenho quanto no custo, o que significa que os usuários obtêm mais capacidade sem pagar mais por tarefa.
Aprendizado por reforço com autofeedback
A mudança técnica de destaque é a abordagem de treinamento. DeepSeek diz que V4.1-Flash-1017 usa aprendizado por reforço com autofeedback para melhorar o desenvolvimento de projetos de ponta a ponta – a capacidade de atender uma solicitação e construir um projeto completo e funcional, em vez de apenas responder a perguntas isoladas.
A empresa publicou projetos de demonstração construídos pelo modelo para ilustrar a afirmação, incluindo um modelo 3D da Cidade Proibida, um jogo de corrida baseado em navegador, uma recriação do Portal 2 construída com o motor Godot e "Valley of Ages", uma cena 3D que traça a evolução desde os tempos pré-históricos até a era moderna.
DeepSeek também afirma que o ponto de verificação é otimizado para chicotes de agentes, nomeando DeepSeek Harness, Tencent CodeBuddy e WorkBuddy. Os desenvolvedores que executam cargas de trabalho de agente são aconselhados a atualizar para o DeepSeek Harness v0.2.1-rc.1 ou posterior para obter a melhor experiência. As notas de lançamento fazem referência aos resultados do DeepSWE v1.1 pass@1 medidos em relação ao custo por tarefa com o chicote mini-swe-v2 como base para a comparação de eficiência.
APIs de pesquisa e busca abertas a todos
Juntamente com o modelo, DeepSeek abriu suas APIs de pesquisa e busca para todos os usuários. Os endpoints são alimentados pelo mecanismo de busca interno da empresa, que, segundo a DeepSeek, atende centenas de milhões de solicitações diariamente em todo o mundo.
O preço é simples: cada endpoint custa US$ 0,75 por 1.000 chamadas. Notavelmente, as chamadas de pesquisa e busca feitas por meio de ferramentas do lado do servidor no DeepSeek Harness, Claude Code e Codex são atualmente gratuitas para usuários da API DeepSeek, com cobrança programada para começar em 31 de outubro de 2026 às 16h UTC.
A mudança posiciona a API do DeepSeek como mais uma plataforma completa para desenvolvedores de agentes, que de outra forma teriam que unir um provedor de modelo com uma API de pesquisa separada.
Pesos abertos, disponibilidade de terceiros no primeiro dia
Fiel à estratégia de peso aberto do laboratório, DeepSeek-V4.1-Flash-1017 foi publicado sob a organização deepseek-ai no Hugging Face e espelhado no ModelScope no lançamento. O ponto de verificação também apareceu no OpenRouter no mesmo dia, permitindo que os desenvolvedores encaminhassem solicitações para ele por meio de uma única API junto com modelos rivais.
O interesse foi imediato. Poucas horas após o lançamento, tanto a listagem do OpenRouter quanto a página Hugging Face chegaram à primeira página do Hacker News, atraindo centenas de pontos combinados – um nível de atenção que poucos lançamentos de modelos alcançam em sua primeira manhã.
O que isso significa para a corrida peso aberto
O estilo de lançamento do primeiro ponto de verificação do DeepSeek está se tornando um padrão que vale a pena observar. Em vez de esperar por um aumento na versão do título, o laboratório itera em público, lançando melhorias com carimbo de data que mantêm seus pesos abertos competitivos com modelos de fronteira fechada em cargas de trabalho de codificação de agentes.
Para os desenvolvedores, a conclusão prática é concreta: resultados mais curtos e conclusão mais rápida significam menor latência e menor custo para loops de agente, e as APIs Search and Fetch incluídas removem mais uma dependência para as equipes que criam agentes com capacidade de navegação. Para os rivais, cada ponto de verificação diminui a lacuna que os laboratórios fechados tradicionalmente defendem – e o lançamento do Hugging Face no primeiro dia significa que cada melhoria é imediatamente inspecionável, quantizável e implantável por qualquer pessoa.
Ainda não se sabe se os ganhos de benchmark do V4.1-Flash-1017 se sustentam em avaliações independentes, como acontece com qualquer número relatado pelo fornecedor. Mas o comunicado sublinha a rapidez com que o ecossistema de peso aberto está a evoluir e como os laboratórios chineses, em particular, estão a comprimir o ciclo entre avanços incrementais.
Há também uma consequência prática para as equipes que executam inferências auto-hospedadas: um ponto de verificação atualizado significa reavaliar regularmente os pipelines downstream, uma vez que a versão fixada na produção hoje pode ser substituída em semanas. Essa cadência é uma característica do desenvolvimento aberto – cada melhoria chega ao público, imediatamente inspecionável – mas exige dos adotantes a mesma disciplina de lançamento que o laboratório aplica em seu lado do pipeline.
---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
