DeepSeek-V4-Flash abre o código e baixa o preço da IA gigante

A DeepSeek pegou num dos seus modelos de produção mais ambiciosos e abriu-o ao mundo. O DeepSeek-V4-Flash, um Mixture-of-Experts (MoE) com 284 mil milhões de parâmetros, passou a estar disponível sob licença MIT. Não é um brinquedo de laboratório. É o modelo que a própria empresa usa em produção, posto a nu para quem quiser descarregar, auditar e adaptar.

Na prática, o V4-Flash é um MoE em que só 13 mil milhões de parâmetros são activados por token, o que lhe dá escala de “modelo gigante” com custos de execução mais contidos. Se se contar o módulo adicional DSpark de speculative decoding, o repositório sobe para 304 mil milhões de parâmetros. O modelo está já no Hugging Face, onde saltou para o topo dos trending, e pode ser usado via API da DeepSeek com preços agressivos: US$0,14 por milhão de tokens de entrada (~0,13€) e US$0,28 por milhão de saída (~0,26€), com um valor residual de US$0,0028 (~0,003€) por milhão de tokens em cache hits. Para equipas que hoje olham para as tabelas da OpenAI ou da Anthropic e engolem em seco, isto é uma pedrada no charco.

Tecnicamente, o V4-Flash não vive só de números grandes. A DeepSeek aposta em quantização FP4 para os “experts” e FP8 para as restantes camadas, e junta dois esquemas de atenção comprimida, CSA e HCA, para cortar até 90% da memória do KV cache. Em português simples: mais contexto por GPU, menos contas na factura da cloud. Quem já usa motores de serving como vLLM ou SGLang pode activar o módulo DSpark de speculative decoding com uma única flag de configuração, o que mostra que o alvo não são só investigadores, são equipas que querem pôr isto em produção amanhã.

O modelo chega também com um ciclo de pós-treino a sério: reinforcement learning, supervised fine-tuning e teacher distillation. A versão Flash de produção deixa para trás a preview anterior e aproxima-se do desempenho de modelos de fronteira em benchmarks de engenharia de software e agentes. Para quem anda a experimentar agentes de IA em contexto real, como nos esforços de pôr agentes em produção à lá OpenAI Presence, isto significa ter uma alternativa aberta que não obriga a assinar o cheque a um único fornecedor.

Há também decisões curiosas no interface. A DeepSeek abandona os templates de chat em Jinja e empacota em vez disso um conjunto de scripts Python, encoding_dsv4, para conversão de strings. Dentro desse pacote surge um parâmetro reasoning_effort com três níveis, low, high e max, que permite controlar dinamicamente quanto tempo o modelo passa a “pensar” antes de responder. Ou seja, a empresa está a admitir à partida que o custo e a latência da deliberação vão ser um “slider” operacional, não um pormenor escondido no papel técnico.

Para validar o lançamento, a DeepSeek criou ainda o DeepSeek Harness, uma toolchain de avaliação desenhada para tarefas estruturadas de engenharia de software com agentes e para workflows de verificação evidência-conclusão. É uma forma de tomar conta da própria narrativa de benchmarks, em vez de esperar pelos rankings tradicionais. Para quem desenvolve IA na Europa e se preocupa com dependência de caixas negras proprietárias, a jogada é clara: abrir um modelo massivo sob MIT e ao mesmo tempo fornecer ferramentas de avaliação e custos transparentes é pressão directa sobre quem continua fechado. Se isto será suficiente para mudar o equilíbrio de poder entre open source e os gigantes fechados é outra conversa, mas a partir de hoje, quem disser que não há alternativas sérias está a falar por inércia.

Fonte: Open Source For You