A DeepSeek apresentou o V4.1-Flash-1017, sua mais recente iteração de modelo de linguagem com foco em tarefas de programação end-to-end. A novidade não é apenas mais um modelo grande: a empresa o descreve como uma melhora de Pareto, com desempenho superior nos benchmarks, conclusão mais rápida de tarefas e saídas mais curtas, tudo isso com custo por tarefa reduzido em relação à versão anterior.
O que muda na prática
A grande diferença está na abordagem de desenvolvimento de projetos completos. O V4.1-Flash-1017 usa aprendizado por reforço com auto-feedback para melhorar o desenvolvimento de projetos de ponta a ponta, incluindo a criação de jogos, modelagem 3D e aplicações web. A empresa demonstrou quatro exemplos concretos: a modelagem 3D da Cidade Proibida de Pequim, um jogo de corrida em ambiente web, uma recriação de Portal 2 construída com o motor Godot e uma cena 3D que traça a evolução da Terra desde a era pré-histórica até o período moderno.
Open-source e API
O modelo já está disponível no site, no aplicativo e na API da DeepSeek. A empresa também liberou o acesso ao Hugging Face e ao ModelScope para quem quer rodar o modelo localmente ou em infraestrutura própria. Os pesos do modelo foram publicados no mesmo dia do lançamento.
Search e Fetch APIs
Além do modelo, a DeepSeek abriu suas APIs de busca e fetch para todos os desenvolvedores. Cada endpoint custa US$ 0,75 por mil chamadas, e as chamadas feitas via ferramentas server-side no DeepSeek Harness, Claude Code e Codex estão gratuitas para usuários da API da DeepSeek até o fim de outubro.
Por que isso importa
O V4.1-Flash-1017 reforça a estratégia da DeepSeek de competir em custo e capacidade simultaneamente. Enquanto modelos concorrentes de 500 bilhões de parâmetros exigem clusters de GPUs de última geração, a DeepSeek entrega resultados competitivos com um modelo que roda em hardware acessível. A otimização para o DeepSeek Harness e para ferramentas de desenvolvimento como CodeBuddy e WorkBuddy sugere que a empresa está apostando em um ecossistema próprio de agentes de IA, e não apenas em benchmarks de laboratório.
Conclusão
O lançamento do V4.1-Flash-1017 é mais um sinal de que a corrida de modelos de IA está se desenhando em duas frentes: capacidade bruta e custo por tarefa. A DeepSeek, mais uma vez, joga na segunda frente — e os exemplos de projetos completos mostram que o modelo não está apenas em boas posições nos benchmarks, mas consegue entregar resultados tangíveis para desenvolvedores que querem criar produtos, não apenas gerar código.
Fontes e referências
Encontrou uma informação que precisa de correção? Fale com a redação.