DeepSeek V4.1 Flash 1017: uma atualização “menor”?

Ver no idioma original →

Autoria: Prompt Engineering · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: DeepSeek V4.1 Flash 1017: A “Minor” Update? · Canal: Prompt Engineering · 01:02 · Assistir no YouTube

Tópicos: Avaliação e benchmarks de IA, Inferência e otimização de modelos, Modelos de IA, RAG, busca e recuperação de informação

Resumo

O vídeo apresenta o DeepSeek V4.1 Flash 1017, uma atualização descrita como menor, mas que teria avançado em todos os benchmarks citados. No Terminal-Bench 4.0, a pontuação subiu de 31% para 42% em cinco semanas, e o modelo alcançou uma posição de destaque na relação entre desempenho e custo. Segundo a DeepSeek, ele foi treinado com reinforcement learning para construir projetos completos, e a empresa também lançou uma API de busca. O apresentador relata que seus testes geraram cerca de um terço menos thinking tokens e destaca que os pesos do modelo estão disponíveis no Hugging Face.

Pontos-chave

• O DeepSeek V4.1 Flash 1017 teria melhorado em todos os benchmarks apresentados pela empresa.
• No Terminal-Bench 4.0, a pontuação avançou de 31% para 42% em cinco semanas.
• O modelo alcançaria a maior pontuação do gráfico da DeepSeek por cerca de US$ 0,20 por tarefa.
• O vídeo compara seu desempenho ao do GPT 5.6 e destaca o preço de saída muito menor do modelo Flash.
• A DeepSeek afirma ter usado reinforcement learning para treinar o modelo na construção de projetos completos.
• A empresa lançou uma API de busca com 1.000 solicitações por US$ 0,75.
• O apresentador observou cerca de um terço menos thinking tokens em seus próprios testes.
• O modelo mantém o mesmo tamanho da versão anterior, e seus pesos estão disponíveis no Hugging Face.

Capítulos

Início	Capítulo	Resumo
00:00	Melhorias nos benchmarks	O vídeo apresenta a atualização e destaca a subida de 31% para 42% no Terminal-Bench 4.0.
00:31	Preço, treinamento e API de busca	O apresentador compara o custo e o desempenho do modelo, descreve o treinamento informado pela DeepSeek e menciona a nova API de busca.
01:02	Tokens e pesos abertos	O apresentador relata menos thinking tokens em seus testes e afirma que os pesos estão disponíveis no Hugging Face.

Citações

Eles estão chamando de atualização menor, mas os benchmarks contam uma história bem diferente. — 00:00

Em apenas cinco semanas, ele passou de 31% para 42%. — 00:00

Este é um modelo Flash por cerca de um dezesseis avos do preço de saída. — 00:31

Nos meus testes, obtive cerca de um terço menos thinking tokens. — 01:02

Os pesos estão abertos e disponíveis no Hugging Face. — 01:02

Conceitos e entidades

• DeepSeek V4.1 Flash 1017 (modelo): Modelo Flash da DeepSeek apresentado no vídeo como uma atualização com melhorias de desempenho e otimização.
• Terminal-Bench 4.0 (conceito): Benchmark citado para comparar o desempenho do modelo em tarefas de terminal.
• DeepSeek (empresa): Empresa que lançou o modelo e apresentou os dados de benchmark, treinamento e preço.
• GPT-5.6 (modelo): Modelo da Open AI usado no vídeo como referência de comparação de desempenho.
• OpenAI (empresa): Empresa associada ao GPT 5.6 mencionado na comparação.
• Hugging Face (empresa): Plataforma onde, segundo o vídeo, os pesos do modelo estão disponíveis.
• reinforcement learning (conceito): Método de treinamento que a DeepSeek diz ter usado para ensinar o modelo a construir projetos completos.
• Pareto frontier (conceito): Fronteira que representa o equilíbrio entre custo e desempenho, usada no vídeo para destacar a eficiência do modelo.

Tradução completa (pt-BR)

00:00 A DeepSeek acabou de lançar a versão mais recente do modelo Flash. Eles estão chamando isso de atualização menor, mas os benchmarks contam uma história bem diferente. Aqui está tudo o que você precisa saber. O modelo melhorou em todos os benchmarks da tabela deles. No Terminal Bench 4.0, saltou de 31% para 42% em apenas cinco semanas, o que é meio absurdo. Agora, a parte mais interessante é o preço. No gráfico da DeepSeek, ele tem a maior pontuação de todo o gráfico por cerca de 20 centavos por tarefa, o que o coloca bem na fronteira de Pareto. Na verdade, ele é

00:31 comparável ao GPT 5.6 da OpenAI. Esse não é o modelo mais recente da OpenAI, mas este é um modelo Flash que custa cerca de um dezesseis avos do preço de saída, o que é meio absurdo. A DeepSeek diz que o treinou com aprendizado por reforço para construir projetos completos. E aqui estão algumas das demonstrações que eles compartilharam, que parecem incríveis. Eles também estão lançando a própria API de busca, pela qual você pode fazer 1.000 solicitações por um preço incrível: apenas 75 centavos. Eles dizem que as respostas serão

01:02 mais concisas, com menos tokens. Nos meus próprios testes, obtive cerca de um terço a menos de tokens de raciocínio. A DeepSeek sempre se dedicou à otimização e ao desempenho, e esta é a novidade mais recente deles. Agora, é o mesmo modelo de antes, do mesmo tamanho, mas eles avançaram a fronteira de Pareto da otimização. A melhor parte é que os pesos são abertos e estão disponíveis no Hugging Face.

Transcrição original

[00:00] Deepseek just released their latest version of the flash model. They’re calling it a minor update, but the benchmarks tell a very different story. Here is all you need to know. It went on every benchmark in their table. On terminal bench 4.0, it jumped from 31 to 42% in just 5 weeks, which is kind of crazy. Now, the most interesting part is the pricing. On Deep Seek chart, it gets the highest score on the whole chart for about 20 cents a task, which puts it right at the Pareto frontier. It’s actually

[00:31] comparable to Open AI’s GPT 5.6 sold. Now, that is not Open AI’s latest model, but this is a flash model at about a 16th of the output price, which is kind of crazy. Deep Seek says they trained it with reinforcement learning on building complete projects. And here are some of the demos that they shared, which looks pretty amazing. They’re also releasing their own search API, which you can get 1,000 requests for an incredible price of 75 cents only. They say the response is going to be

[01:02] more concise with fewer tokens. In my own tests, I get about a third fewer thinking tokens. Deep Seek has always been about optimization and performance, and this is their latest Now, it’s the same model as before, same size, but they have pushed the Pareto frontier of optimization. The best part, the weights are open, available on Hugging Face.