Este é o lançamento mais significativo do DeepSeek desde a versão R1, que impactou os mercados globais em janeiro de 2025. Aqui está tudo o que você precisa saber.

O que é o DeepSeek V4?

O DeepSeek V4 é a quarta geração da família de modelos principais da DeepSeek, o laboratório de IA com sede em Hangzhou que revolucionou os mercados globais em janeiro de 2025 com o modelo de raciocínio de baixo custo R1. O V4 substitui o DeepSeek V3 e o V3.2, que serão descontinuados após 24 de julho de 2026.

DeepSeek V4 é uma versão de modelo duplo construída sobre uma arquitetura de Mistura de Especialistas (MoE). Ambos os modelos suportam uma janela de contexto de 1 milhão de tokens com uma saída máxima de 384 mil tokens, e ambos são lançados sob a licença MIT — o que significa uso comercial gratuito e acesso completo aos pesos no Hugging Face.

DeepSeek-V4-Pro é o carro-chefe: 1,6 trilhão de parâmetros totais, 49 bilhões de parâmetros ativos por token, pré-treinado em 33 trilhões de tokens. DeepSeek-V4-Flash é a opção mais eficiente: 284 bilhões de parâmetros totais, 13 bilhões de parâmetros ativos por token, treinado em 32 trilhões de tokens.

Isso faz do DeepSeek-V4-Pro o novo maior modelo open-weight disponível. Ele é maior que o Kimi K2.6 (1.1T) e o GLM-5.1 (754B) e tem mais que o dobro do tamanho do DeepSeek V3.2 (685B).

Ambos os modelos estão atualmente em fase de pré-visualização. A Reuters informou que a DeepSeek está utilizando o período de pré-visualização para coletar feedback do mundo real antes de finalizar o modelo, e não forneceu um cronograma para a finalização.

A arquitetura que torna isso possível

O DeepSeek V4 não é simplesmente uma versão maior do V3. O V4 introduz três mudanças arquitetônicas que o diferenciam do V3.2: o mecanismo de atenção híbrido CSA+HCA, as Hiperconexões com Restrição de Variedade (mHC) e o otimizador Muon. Juntos, esses elementos explicam como um modelo tão grande pode ser executado com uma fração do custo de inferência do V3.2.

Atenção Híbrida: CSA + HCA

O principal problema de engenharia que o V4 aborda é o custo de atenção em contextos longos. A atenção padrão do Transformer escala quadraticamente com o comprimento da sequência — executá-la com 1 milhão de tokens em um modelo desse tamanho seria economicamente inviável.

A principal inovação reside em um mecanismo de atenção híbrido que intercala Atenção Esparsa Comprimida (CSA) e Atenção Altamente Comprimida (HCA) entre as camadas do Transformer. A CSA comprime o cache de chave-valor de cada m token em uma única entrada usando um compressor aprendido em nível de token e, em seguida, aplica a seleção dos k melhores valores de chave-valor dependente da consulta. A HCA leva a compressão ainda mais longe para camadas que toleram maior aproximação.

O resultado prático é impressionante. No contexto de 1 milhão de tokens, o DeepSeek-V4-Pro requer apenas 27% das operações de ponto flutuante de inferência de token único e 10% do cache KV Em comparação com o DeepSeek-V3.2, o V4-Flash eleva esse percentual para 10% dos FLOPs e 7% do cache KV.

A principal conclusão é que os números de eficiência não são alcançáveis ​​apenas com CSA ou HCA — o híbrido intercalado é o que mantém a qualidade de contexto longo, reduzindo os FLOPs e o cache KV em uma ordem de magnitude.

Hiperconexões com Restrição de Variedade (mHC)

O mHC aborda um problema fundamental no treinamento de redes neurais profundas: à medida que os modelos crescem para centenas ou milhares de camadas, as conexões residuais padrão criam instabilidade na propagação do sinal. O mHC restringe as matrizes de mistura ao Polítopo de Birkhoff usando o algoritmo de Sinkhorn-Knopp, que preserva a magnitude do sinal em toda a rede. Em termos simples: ele mantém o treinamento com trilhões de parâmetros estável onde as arquiteturas anteriores divergiam.

O Otimizador de Múons

O modelo V4 é treinado usando o otimizador Muon, que aplica iterações de Newton-Schulz para ortogonalizar aproximadamente a matriz de atualização do gradiente antes de aplicá-la como uma atualização de peso. Comparado ao AdamW, o Muon produz convergência mais rápida e maior estabilidade de treinamento — particularmente importante ao treinar um modelo com 1,6 trilhão de parâmetros, onde a instabilidade do otimizador seria catastrófica.

Três modos de raciocínio

Cada modelo V4 expõe três níveis de esforço de raciocínio: Não pensar, Pense Alto, e Pense MaxO modo Max utiliza contextos mais longos e penalidades de comprimento reduzidas em RL, sendo o modo recomendado para as tarefas de raciocínio mais complexas. A diferença é significativa: no HLE, o V4-Pro passa de 7,7 (Non-Think) para 37,7 (Max) — um aumento de quase 5 vezes em relação ao mesmo modelo, simplesmente alocando mais poder computacional para o raciocínio.

Testes de desempenho do DeepSeek V4: O panorama completo

Pontuações V4-Pro-Max 80,6% verificado no SWE-bench e 93,5 no LiveCodeBench — a pontuação de referência de codificação mais alta de qualquer modelo atualmente disponível.

O contexto da competição é importante aqui. O Claude Opus 4.6 tem uma pequena vantagem no SWE-bench Verified (80,8% vs 80,6%) e uma vantagem significativa no HLE (40,0% vs 37,7%) e no HMMT 2026 math (96,2% vs 95,2%). O V4-Pro custa 7 vezes menos por milhão de tokens de saída.

Em matemática formal, os resultados são excepcionais. No Putnam-2025, que combina raciocínio informal com verificação formal e computação mais pesada, o V4 alcança uma pontuação perfeita de 120/120, empatando com o Axiom e superando o Aristotle (100/120) e o Seed-1.5-Prover (110/120). Em benchmarks de matemática competitiva, o HMMT 2026 de fevereiro, com 95,2 pontos, e o IMOAnswerBench, com 89,8, colocam o V4-Pro-Max no mesmo nível do GPT-5.4.

Em programação competitiva, o V4-Pro alcança uma classificação no Codeforces de 3.206, ocupando a 23ª posição entre os competidores humanos.

Onde o V4-Pro-Max fica atrás dos líderes: O V4-Pro-Max fica atrás do Gemini 3.1 Pro na maioria dos benchmarks que exigem grande conhecimento, incluindo MMLU-Pro, SimpleQA, GPQA Diamond e HLE. A diferença diminuiu consideravelmente, mas não desapareceu completamente.

DeepSeek V4 vs GPT-5.5, Claude Opus 4.7 e Gemini 3.1 Pro

O modelo V4 Pro custa US$ 0,145 por milhão de tokens de entrada e US$ 3,48 por milhão de tokens de saída, ficando abaixo do Gemini 3.1 Pro, GPT-5.5, Claude Opus 4.7 e GPT-5.4. O cálculo da relação custo-benefício nesse patamar de preço é difícil para os concorrentes de código fechado.

O DeepSeek-V4-Pro demonstra desempenho superior em relação ao GPT-5.2 e ao Gemini 3.0 Pro em benchmarks de raciocínio padrão, embora seu desempenho fique ligeiramente abaixo do GPT-5.4 e do Gemini 3.1 Pro, sugerindo uma trajetória de desenvolvimento que está cerca de 3 a 6 meses atrás dos modelos de ponta.

Preços: O Número que Muda Tudo

O modelo V4-Flash, de tamanho menor, custa US$ 0,14 por milhão de tokens de entrada e US$ 0,28 por milhão de tokens de saída, ficando abaixo dos preços do GPT-5.4 Nano, Gemini 3.1 Flash, GPT-5.4 Mini e Claude Haiku 4.5.

Considerando as taxas de falha de cache, o V4-Pro custa aproximadamente um sétimo do GPT-5.5 e cerca de um sexto do Claude Opus 4.7 para uma taxa de transferência equivalente.

O V4-Pro-Max, com um custo de US$ 3,48 por milhão de tokens de saída, apresenta um desempenho no benchmark SWE com uma diferença de apenas 0,2 pontos em relação ao Claude Opus 4.6, que custa US$ 75 por milhão de tokens de saída. Isso é um grande diferencial. Redução de custos de 21 vezes com desempenho de benchmark de codificação quase idêntico. Para equipes que executam milhares de tarefas de codificação de agentes por dia, isso altera o que é economicamente viável.

O preço do V4-Flash merece atenção especial para casos de uso de alto volume. A diferença entre o Flash e o Pro é pequena — o Flash perde cerca de 1 a 2 pontos na maioria dos benchmarks em troca de uma redução de 12 vezes no custo da API. Para a maioria das aplicações de produção que não exigem desempenho máximo de raciocínio, o V4-Flash é a opção econômica padrão correta.

Como acessar o DeepSeek V4 hoje

O DeepSeek V4 está disponível de três maneiras. Primeiro, via chat.deepseek.com — o chatbot da web expõe o V4 por meio de duas opções: Modo Especialista (V4-Pro) e Modo Instantâneo (V4-Flash). Em segundo lugar, por meio da API DeepSeek usando IDs de modelo. deepseek-v4-pro e deepseek-v4-flashTerceiro, como pesos abertos no Hugging Face sob a licença MIT, permitindo uso comercial gratuito e implantação local.

Ambos os modelos suportam 1 milhão de contextos e modos duplos (Pensamento e Não-Pensamento). Observe que bate-papo profundo e deepseek-reasoner ficará totalmente desativado e inacessível após 24 de julho de 2026Os desenvolvedores que utilizam aliases existentes devem migrar para os IDs de modelo V4 explícitos antes desse prazo.

Tanto o V4-Pro quanto o V4-Flash são compatíveis com o formato OpenAI ChatCompletions e com o formato da API Anthropic. Para a maioria das equipes, isso significa que a integração requer apenas a atualização do parâmetro do modelo — nenhuma alteração na URL base é necessária.

Para hospedagem própria: os pesos do V4-Flash representam o alvo prático para hospedagem própria. Com 284 bilhões de parâmetros e 13 bilhões ativados por token, o V4-Flash pode ser executado em uma configuração com múltiplas GPUs, acessível para a maioria das equipes de médio porte. O V4-Pro, com 1,6 trilhão de parâmetros totais, exige uma capacidade de cluster significativa para atender à latência de produção — a maioria das equipes utilizará a API DeepSeek para o V4-Pro e considerará a hospedagem própria apenas para o V4-Flash.

Onde o DeepSeek V4 deixa a desejar

Uma análise honesta exige o reconhecimento das limitações reais que o próprio DeepSeek documenta.

Tanto o Flash V4 quanto o V4 Pro suportam apenas texto, diferentemente de muitos concorrentes de código fechado que oferecem suporte para compreensão e geração de áudio, vídeo e imagens. Para aplicações multimodais, o V4 não é competitivo atualmente.

Em tarefas que exigem grande conhecimento, a diferença para os modelos proprietários de ponta ainda persiste. A DeepSeek é excepcionalmente franca no relatório técnico sobre as limitações remanescentes do V4: o V4-Pro-Max fica atrás do Gemini 3.1 Pro na maioria dos benchmarks que exigem grande conhecimento. A diferença diminuiu consideravelmente, mas não desapareceu completamente.

Para fluxos de trabalho agentivos de última geração, o V4-Pro-Max empata com os líderes no SWE Verified (80,6), mas fica atrás no SWE Pro (55,4) e no Terminal-Bench 2.0. Para codificação agentiva pura de última geração, o GPT-5.5 e o Opus 4.7 ainda se destacam.

A DeepSeek também reconhece a complexidade arquitetônica como uma limitação autoidentificada — a equipe descreve a arquitetura V4 como "relativamente complexa" e afirma que as versões futuras buscarão simplificá-la ao máximo, reduzindo-a aos seus elementos essenciais.

A dimensão geopolítica que você não pode ignorar

O DeepSeek V4 não surgiu do nada. O lançamento ocorre um dia depois de os EUA acusarem a China de roubar propriedade intelectual de laboratórios de IA americanos em escala industrial, usando milhares de contas proxy. O próprio DeepSeek foi acusado pela Anthropic e pela OpenAI de "destilar", essencialmente copiar, seus modelos de IA.

A questão do hardware é igualmente importante. A DeepSeek fez uma parceria com a gigante chinesa de tecnologia Huawei, que confirmou o apoio à startup de IA com sua tecnologia "Supernode", combinando grandes clusters de seus chips Ascend 950 para fornecer mais poder de computação.

Ivan Su, analista sênior de ações da Morningstar, disse à CNBC que a estreia da V4 provavelmente não terá o mesmo impacto no mercado que a R1, porque os investidores já precificaram a realidade de que a IA chinesa é competitiva e mais barata de usar. No entanto, o posicionamento mais recente da DeepSeek coloca outros modelos chineses de código aberto como concorrentes diretos. "Uma estrutura que não existia com a R1, e isso por si só demonstra o quanto a competição interna se intensificou."

Quem deve usar o DeepSeek V4?

Perguntas frequentes