DeepSeek relança o V4 Flash: mesmo modelo, novo pós-treino

O lançamento de IA mais comentado do Product Hunt neste 1 de agosto não veio de uma startup em fase de seed, veio de um laboratório chinês fazendo uma coisa pouco glamourosa: pegar um modelo que já existia e treiná-lo de novo. Em 31 de julho de 2026, o DeepSeek publicou o V4-Flash-0731 no HuggingFace e colocou a API oficial em beta público. O anúncio parece incremental até você olhar o que mudou, e o que não mudou.

O que o DeepSeek entregou

O ponto central está na frase do próprio cartão do modelo: a arquitetura e o tamanho não mudaram. O V4 Flash continua sendo um mixture-of-experts de 284 bilhões de parâmetros com 13 bilhões ativos por token e janela de contexto de 1 milhão de tokens, o mesmo desenho da prévia lançada em abril. O ganho todo veio de um novo pós-treino, a etapa em que o modelo já pronto é refinado para tarefas específicas, e não de um modelo novo.

O resultado surpreende. Segundo os números publicados pelo DeepSeek, o V4-Flash-0731 supera a própria versão V4-Pro, mais cara, em todos os nove benchmarks de agente e código divulgados. No Terminal Bench 2.1, o Flash marcou 82,7 contra 72,1 do V4-Pro em prévia. No DeepSWE, foi de 7,3 na prévia do Flash para 54,4 agora. É um salto grande vindo apenas de reprocessar o treino de um modelo que já estava no ar.

O preço é o recado

Se o desempenho chama atenção, o preço é o que muda a conta de quem opera. Na API, o V4 Flash sai por cerca de US$ 0,14 por milhão de tokens de entrada em cache miss, US$ 0,0028 em cache hit e US$ 0,28 por milhão na saída, com limite de 2.500 chamadas simultâneas. Isso é aproximadamente um terço do preço de saída do V4-Pro, que fica em US$ 0,87. Para quem roda loops de agente, que consomem token em volume, essa diferença é a fronteira entre um caso viável e um caso que não fecha.

E os pesos são MIT, sem gate, o que libera uso comercial. Só que aqui vem a ressalva de engenharia: hospedar por conta própria não é para qualquer um. Mesmo ativando apenas 13 bilhões de parâmetros por token, todos os especialistas do modelo ficam residentes em memória. Builds quantizados em 3 bits pedem cerca de 110 GB somando RAM e VRAM, e a precisão cheia roda num nó com quatro GPUs de topo. Para a maioria, o caminho realista é a API barata, não o metal.

O salto do V4 Flash não veio de mais parâmetros. Veio de pós-treino melhor e do harness certo. Em produção, isso vale mais do que a próxima geração de modelo, e custa muito menos.

O que isso ensina para quem opera IA

A tentação, a cada lançamento, é perguntar qual é o modelo mais inteligente do mês e correr para trocar. O caso do V4 Flash aponta para outra pergunta, mais útil. Se dá para tirar esse ganho todo de um modelo sem mexer na arquitetura, o gargalo da sua operação provavelmente não é o modelo. É o pós-treino, o harness que orquestra o agente e a avaliação que mede se a troca vale a pena.

Repare no detalhe que o próprio DeepSeek admite: todos os números são reportados pela empresa, rodados numa versão mínima de um harness que não foi liberado. Benchmark de agente é sensível ao arcabouço que roda em volta, então resultado independente pode divergir bastante. A lição prática é dura e simples: não troque de modelo em produção com base no benchmark do fornecedor. Monte a sua bateria de testes, com as suas tarefas reais, e deixe o número que importa ser o seu.

Esse lançamento também confirma a tendência que vem de todos os lados. O modelo capaz e barato deixou de ser exceção. Vimos isso no Kimi K3, o maior aberto do mundo rodando em chip chinês, e na Rússia abrindo o GigaChat sob sanção. O V4 Flash é a mesma força vista pelo lado do preço: inferência de agente por um terço do custo de meses atrás. É exatamente o movimento que faz Benedict Evans argumentar que o modelo de fronteira caminha para virar commodity.

Vale um olhar rápido no resto do quadro do dia, que reforça o ritmo. Na mesma janela apareceram o MiniMax H3, modelo omni-modal de vídeo com áudio estéreo nativo, e o Instella-MoE-16B-A3B, um MoE totalmente aberto que a AMD treinou nas próprias GPUs Instinct. O padrão é claro: mais modelos capazes, mais abertos e mais baratos, chegando quase toda semana.

Para o operador brasileiro, a mensagem do V4 Flash é encorajadora e exigente ao mesmo tempo. Encorajadora porque o custo de rodar agentes despenca de novo. Exigente porque o diferencial deixou de estar em ter acesso ao modelo, que virou quase commodity, e passou a estar no que você constrói em volta dele: o pós-treino, a orquestração e, acima de tudo, a avaliação disciplinada que separa hype de ganho real.

Se você quer avaliar se um modelo mais barato como o V4 Flash aguenta a sua carga de agentes, com testes nas suas tarefas e não no benchmark do fornecedor, fale com a AI Boutique no WhatsApp. A gente monta a bateria de avaliação e ajuda a escolher o modelo certo por tarefa.