DeepSeek lança v4.1 flash, mais barato e mais capaz que o v4 pro

Capacidades e posicionamento do modelo

• O V4.1 Flash é anunciado como mais barato e mais capaz do que o atual V4 Pro; alguns veem esse padrão de “Flash ultrapassa Pro” como a nova norma.
• Testadores iniciais relatam que ele é comparável ou melhor que o GLM 5.3 Flash e próximo dos modelos de fronteira em muitas tarefas de codificação/agentes, embora não necessariamente de primeira linha em raciocínio puro.
• Há suporte a visão em um modelo de API em prévia, e já estão usando isso para refatorar kernels, portar código e outras tarefas pesadas de programação.

Preços e economia

• O preço oficial (fora do pico) do Flash está caindo para cache hits, cache misses e tokens de saída; houve alguma confusão por comparar provedores diferentes e preços antigos.
• Horários de pico custam 2× o fora do pico, mas isso já era assim; usuários observam que ainda é extremamente barato em comparação com os laboratórios dos EUA, tornando viáveis novos casos de uso de automação.
• Vários argumentam que a mudança principal não é “Flash substitui Pro”, mas “Flash torna muitas tarefas pequenas e repetitivas dignas de automação”.

Desempenho, ferramentas e implantação local

• Testes da versão prévia relatam 300–400 tok/s, às vezes mais rápido do que as ferramentas chamadas.
• Pesos abertos e quantizações GGUF permitem executar modelos grandes de Flash/visão localmente em 128 GB de RAM via llama.cpp, dwarfstar e outros runtimes.
• O Flash é amplamente usado como “worker” com planejadores mais capazes (por exemplo, Opus, Sol, GLM Max), especialmente para implementação de código.

Confiabilidade, raciocínio e ergonomia

• As experiências divergem: alguns acham o V4 Flash extremamente confiável para código e agentes; outros veem loops infinitos, alucinações, chamadas de ferramenta inválidas e cadeias patológicas de “mas espera”, especialmente via provedores de terceiros ou quantização pesada.
• A robustez de chamadas de ferramenta varia; o design do harness (retries, schemas tolerantes, saídas estruturadas) é enfatizado como crítico.
• Os níveis de raciocínio (low/high/max) são criticados: low ≈ off, high ≈ max, causando execuções lentas, verbosas e caras; as pessoas querem um verdadeiro “medium”.

Comportamento de idioma e problemas na interface web

• O chat web frequentemente responde ou “pensa” em chinês mesmo quando recebe instruções em inglês, especialmente após pesquisa na web; adicionar “em inglês” só ajuda parcialmente.
• O uso via API aparentemente não mostra esse problema com tanta frequência; as especulações incluem prompts de sistema em chinês e resultados de busca sobrepondo as instruções de idioma.

Uso em produção, estabilidade do modelo e mudanças de roteamento

• A DeepSeek vai, temporariamente, rotear todas as requisições Pro para o V4.1 Flash com preços de Flash.
  • Os defensores chamam isso de amigável ao usuário e eficiente em computação.
  • Os críticos temem quebrar fluxos de trabalho ajustados e querem modelos explícitos, fixados por versão, ou opções de “Auto” vs “modelo exato”.
• Debate mais amplo:
  • Um lado: LLMs em nuvem são inerentemente não determinísticos, então fixar modelos exatos é irrealista; usuários sérios deveriam auto-hospedar.
  • O outro lado: mesmo com não determinismo, os modelos têm “sabores” característicos, e trocas sem aviso prejudicam avaliações, revisões de segurança e monitoramento.

Privacidade, jurisdição e uso de dados

• Alguns continuam cautelosos com provedores chineses; outros observam que US/Meta/OpenAI também monitoram ou reutilizam dados, então a jurisdição pode não alterar o risco de forma significativa.
• Pesos abertos permitem evitar servidores chineses, embora políticas de “retenção zero de dados” sejam vistas com ceticismo em toda a indústria.
• Um comentarista aponta que a API oficial da DeepSeek treina com dados do usuário, tornando auto-hospedagem ou proxies não chineses atraentes para cargas de trabalho sensíveis.