DeepSeek supera próprio modelo Pro em benchmarks agentivos com V4-Flash-0731 por US$ 0,14 por milhão de tokens

A DeepSeek publicou o DeepSeek-V4-Flash-0731 no Hugging Face e moveu a API oficial para beta público em 31 de julho de 2026. A empresa foi direta na documentação do modelo: a arquitetura e o tamanho do checkpoint são idênticos ao preview de abril. O modelo mantém 284 bilhões de parâmetros totais, com 13 bilhões ativados por token via Mixture-of-Experts esparsa, janela de contexto de 1 milhão de tokens e saída máxima de 384 mil tokens. O que mudou foi o pós-treinamento, refeito com foco em coding, raciocínio, uso de ferramentas e fluxos agentivos.

Para equipes de produto que já usavam o endpoint deepseek-v4-flash, a transição foi automática: aplicações herdaram o upgrade sem modificação de código. O modelo passou a suportar nativamente o formato Responses API e entrou em beta no Codex API, o mesmo padrão de interface adotado pela OpenAI, o que facilita comparações diretas entre os dois ambientes de ferramentas sem migração de pilha.

Os números são da DeepSeek, e são substanciais

Segundo dados publicados pela própria DeepSeek, o V4-Flash-0731 supera o V4-Pro-Preview em todos os nove benchmarks agentivos da empresa. No TerminalBench 2.1, o novo modelo registra 82,7, ante 72,1 do Pro-Preview e 61,8 do Flash Preview de abril. No DeepSWE, a diferença é ainda mais expressiva: 54,4 no 0731 contra 7,3 no preview, uma variação de 7,4 vezes. O índice de inteligência da Artificial Analysis situa o modelo em 50 pontos, 10 acima do Flash anterior.

A advertência é necessária: todos esses números vêm do harness interno da DeepSeek. Nenhum laboratório independente havia reproduzido as métricas até o fechamento desta matéria. Isso não invalida o dado, mas o mantém no território de declaração do fornecedor enquanto aguarda verificação externa.

O preço é o argumento que não depende de benchmark

O V4-Flash-0731 é listado no OpenRouter a US$ 0,14 por milhão de tokens de entrada em cache miss e US$ 0,28 por milhão de tokens de saída. Hits de cache descem para US$ 0,0028. A Anthropic cobra US$ 2,00 por milhão de tokens de entrada no Sonnet 5, preço introdutório vigente até 31 de agosto de 2026, e US$ 5,00 no Opus 5, segundo tabelas de preço publicadas pela empresa em julho de 2026. A diferença no caso do modelo topo de linha da Anthropic é de 36 vezes.

No TerminalBench 2.1, o Opus 4.8 da Anthropic registra 85,0, segundo a tabela comparativa publicada pela própria DeepSeek, 2,3 pontos acima do V4-Flash-0731. O Sonnet 5, que a Anthropic posiciona como tendo desempenho próximo ao Opus 4.8, custa 14 vezes mais que o V4-Flash-0731 ao preço introdutório. Se os benchmarks da DeepSeek se sustentarem sob avaliação externa, a distância entre o modelo chinês e o topo do mercado ocidental é menor do que a distância entre seus preços.

Da China ao Vale do Silício e a Bengaluru

A DeepSeek é operada pela High Flyer Capital Management, gestora quantitativa com sede em Shenzhen. O modelo distribui pesos abertos via Hugging Face, onde a Inferência hospedada reportou throughput de 400 tokens por segundo a US$ 10 por hora, e está disponível globalmente via API, incluindo pelo OpenRouter e pelo próprio endpoint da DeepSeek.

Nos Estados Unidos, o lançamento coincide com o pico de adoção de agentes de código em ambientes de desenvolvimento. Empresas de software e startups de automação que avaliam custo de inferência em escala têm, agora, um argumento de preço concreto: US$ 0,14 por milhão de tokens de entrada, independente da procedência geográfica do modelo.

Na Índia, Wipro, Infosys e HCL Technologies administram contratos de automação de software avaliados em dezenas de bilhões de dólares. Para arquitetos de solução dessas firmas, um modelo com benchmarks agentivos desta magnitude, por menos de um décimo do preço introdutório do Sonnet 5, requalifica o cálculo entre adotar a infraestrutura de modelo preferida pelos clientes ocidentais e construir pilha própria com alternativas de custo menor.

O que o mercado aguarda nas próximas semanas é direto: reprodução independente. Se laboratórios externos confirmarem os benchmarks agentivos do 0731, o modelo pressiona os provedores ocidentais a justificar margens que hoje se sustentam, em parte, na ausência de alternativas verificadas nessa faixa de preço. Se os números encolherem sob avaliação de terceiros, o episódio endurece o ceticismo crescente sobre benchmarks auto-publicados em um setor onde o incentivo a inflar métricas é estrutural e a capacidade de verificação externa ainda é lenta.