DeepSeek V4.1 Flash v2 iguala Opus 5.5 por 90% menos?

Autoria: Universe of AI · 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 v2 Matches Opus 5.5 for 90% LESS? · Canal: Universe of AI · 10:55 · Assistir no YouTube

Tópicos: Avaliação e benchmarks de IA, Engenharia de software com IA, Geração de conteúdo com IA, Inferência e otimização de modelos, Modelos de IA

Resumo

O vídeo apresenta o DeepSeek version 4.1 flash, destacando seu desempenho em tarefas de programação e criação de mundos 3D, além do custo muito inferior ao de modelos de ponta. Em comparações visuais, o apresentador considera os resultados próximos aos de modelos como Opus 5.5 e Gemini 4 Argon, embora o DeepSeek costume levar mais tempo para concluir as tarefas. O modelo se destaca em benchmarks de engenharia de software, mas fica atrás em algumas avaliações, como Terminal Bench 4.0. O vídeo também aponta que o modelo tende a pensar demais e afirma que seu baixo preço pode intensificar a competição por preços entre empresas de IA.

Pontos-chave

O DeepSeek version 4.1 flash é apresentado como uma atualização menor, mas com melhorias perceptíveis em alguns resultados.
O modelo tem bom desempenho em tarefas de programação, fluxos de trabalho com agents e engenharia de software.
Em alguns testes, seus resultados são semelhantes aos de modelos de ponta, apesar do custo muito menor.
O modelo gerou um mundo 3D em voxel detalhado a partir de um prompt, em uma tarefa que custou cerca de US$ 5.
Em comparações com Gemini 4 Argon e Opus 5.5, o DeepSeek levou mais tempo, mas teve custos inferiores.
O desempenho fica aquém em algumas avaliações, incluindo Terminal Bench 4.0.
O apresentador observa que o modelo pode pensar demais, o que contribui para tempos de geração mais longos.
O baixo preço do modelo pode aumentar a pressão sobre empresas como OpenAI e Anthropic para reduzirem seus preços.

Capítulos

Início	Capítulo	Resumo
00:00	Apresentação do modelo e benchmarks	O vídeo apresenta o DeepSeek version 4.1 flash e analisa seu desempenho em diferentes benchmarks, com destaque para programação.
03:05	Custo por tarefa e geração de mundos 3D	O apresentador compara custos e taxas de aprovação e mostra exemplos de mundos 3D gerados pelo modelo.
06:15	Comparações com modelos de ponta	O DeepSeek é comparado a Gemini 4 Argon, GPT-6.1 Soul Ultra e Opus 5.5 em qualidade, tempo e custo.
09:23	Pressão nos preços e limitações	O vídeo discute a possível guerra de preços, o hábito do modelo de pensar demais e o equilíbrio entre custo e velocidade.

Citações

Este modelo é cerca de 90 vezes mais barato que muitos dos laboratórios de ponta, mas produz resultados praticamente no mesmo nível. — 00:00

Levou cerca de 25 minutos, e o custo foi de apenas cerca de US$ 5 em uso da API. — 04:42

Ele leva mais tempo, mas você vai economizar muito dinheiro usando este modelo. — 08:20

Este não será um modelo super-rápido em comparação com os modelos de ponta, mas será um modelo forte e mais barato. — 10:24

Conceitos e entidades

DeepSeek V4.1 Flash (modelo): Modelo apresentado no vídeo como econômico e especialmente capaz em tarefas de programação e criação de conteúdo 3D.
Opus 5.5 (modelo): Modelo de ponta usado como referência em comparações de resultados, velocidade e custo.
Gemini 4 Argon (modelo): Modelo da Google DeepMind comparado ao DeepSeek em uma tarefa de criação visual.
GPT-6.1 Soul Ultra (modelo): Modelo comparado ao DeepSeek em uma demonstração de resultados e custos.
Deep Software Engineering version 1.1 (conceito): Benchmark citado para comparar taxa de aprovação e custo por tarefa entre modelos.
Terminal-Bench 4.0 (conceito): Benchmark no qual o DeepSeek é descrito como ficando atrás de um modelo de referência.
DeepSeek (empresa): Laboratório de IA associado ao lançamento do modelo e à oferta de modelos de baixo custo.
Anthropic (empresa): Empresa citada como possível alvo da pressão competitiva causada pelos preços do DeepSeek.
OpenAI (empresa): Empresa mencionada na discussão sobre a competição de preços entre laboratórios de IA.

Tradução completa (pt-BR)

00:00 Finalmente aconteceu. Temos um novo modelo dos laboratórios chineses e, desta vez, é o DeepSeek versão 4.1 Flash. E o mais impressionante é que esse modelo custa cerca de 90 vezes menos do que muitos dos laboratórios de ponta, mas produz resultados praticamente no mesmo nível. Então, vamos lá. Ei, antes de começarmos o vídeo, só quero tirar um momento para dizer a vocês que a IA não vai desacelerar tão cedo. E, se vocês quiserem acompanhar tudo o que está acontecendo na IA e ficar por dentro de todos os novos lançamentos de modelos,

00:30 então não deixem de se inscrever no canal. O apoio de vocês significa muito. Agora, vamos voltar ao vídeo. Hoje, a equipe do DeepSeek lançou seu novo modelo, a versão 4.1 Flash, e mencionou que, na verdade, é uma pequena atualização em relação ao antigo modelo Flash. Se olharmos os benchmarks, vemos aqui a versão antiga 4.1 Flash e, em seguida, a que lançaram em 17 de outubro, hoje. Se você está assistindo a este vídeo, esse modelo é bem novo, então talvez nem saiba que ele já foi lançado. A equipe do DeepSeek

01:01 não faz um ótimo trabalho de divulgação. Eles publicam no X e no Hugging Face, e é basicamente isso. Mas vou fazer um vídeo sobre o modelo para que vocês fiquem sabendo. Como vocês vão ver, obviamente, esse modelo não será comparado ao Opus 5.5 nem a nenhum desses modelos, pelo menos nos benchmarks. Mas, quando olharmos os resultados — e vou mostrar isso a vocês —, vamos vê-los lado a lado com os desses laboratórios de ponta. E o impressionante é que esse modelo produz resultados semelhantes aos deles. E, como eu disse, na maioria dos casos, custa cerca de 90 vezes menos do que muitos desses

01:32 modelos. Então, olhando este gráfico de benchmark que vemos agora, uma coisa importante a observar é que esse modelo está chegando perto do nível do Opus 5 e 5.6 Soul e, em algumas áreas, está até superando-o. Especialmente no Automation Bench, aqui: esse modelo marcou 60,5; 35,4 no Agent Slasher Exam; 72,1 no Apex Bench. E, em engenharia de software profunda, esse modelo se destaca bastante. Ele supera o Opus 5 77

02:04 nesse benchmark. E este é, obviamente, um benchmark bastante focado em programação. Então, esse modelo se destaca em tarefas de programação e em workflows agênticos, coisas assim. Onde ele não se sai tão bem em comparação com os demais é, obviamente, no Terminal Bench 4.0, aqui: 42,3 contra 51,8. Então, fica um pouco atrás, mas não muito. Depois, há outros benchmarks aqui, como gráficos, leitura de gráficos com ferramentas e coisas assim. Dá para ver que esse modelo está chegando perto do nível do Opus 5.

02:35 Mas os benchmarks não fazem jus ao modelo. Acho que, quando olharmos os resultados, que vou mostrar daqui a pouco, vamos entender de verdade por que esse modelo é tão querido por todos e por que esse laboratório, em geral, é tão querido: eles conseguem produzir modelos que custam uma fração do preço dos laboratórios de ponta. E, em muitas áreas, pode fazer sentido simplesmente usar o modelo deles, porque vocês vão economizar bastante. Agora, como eu disse, o DeepSeek é conhecido como um laboratório capaz de oferecer o máximo pelo seu dinheiro. E isso fica bem claro neste teste,

03:05 o Deep Software Engineering versão 1.1. Na parte inferior, vemos o custo médio por tarefa e, à esquerda, a taxa de aprovação. O que vemos aqui é que, por cerca de um centavo, temos o modelo de nível baixo, com uma taxa média de aprovação de talvez 75% ou algo assim. Na mesma faixa de preço, vemos modelos mais baratos da equipe da OpenAI, como o GPT-6 Luna, que não têm um desempenho tão bom quanto o modelo DeepSeek versão 4.1 Flash. E não é só isso: se você quiser um nível de desempenho parecido,

03:37 indo um pouco mais para a direita, pode ver que o 6.1 Soul em nível extremo está, na verdade, tendo um desempenho um pouco inferior ao do modelo de nível baixo. Mas, com o modelo versão 4.1 Flash, você obtém um nível superior ao do GPT 6.1 Soul por cerca de 20 centavos, o que é impressionante. E, em geral, dá para ver que até o Astra — esse modelo alcança pontuações semelhantes por cerca de US$ 2, ou provavelmente perto de US$ 4 e alguns centavos. E o Fable 5, que é

04:10 um caso à parte, custa US$ 20 para alcançar uma taxa de aprovação semelhante, enquanto esse modelo alcança uma taxa ainda maior que a do Fable 5 por um custo menor: 20 contra cerca de 10 centavos. Não é impressionante? É por isso que as pessoas adoram esse laboratório. Agora, se olharmos alguns dos resultados que esse modelo está produzindo, vamos ver que eles estão praticamente no mesmo nível. Em algumas áreas, ele supera modelos como o Opus 5.5 e o GPT 6 Astra? Não, mas

04:42 se eu mostrar esses resultados lado a lado, como farei daqui a pouco, vocês vão ver que é difícil notar uma grande diferença. O exemplo que estamos vendo é um mundo voxel medieval, testado com o DeepSeek Harness usando a API, com raciocínio máximo e um prompt bem desafiador, segundo essa pessoa. Foram necessários cerca de 2 milhões de voxels em um único arquivo e aproximadamente 25 minutos; o custo foi de apenas cerca de US$ 5 em uso da API. E dá para ver na parte inferior que o resultado é incrível. Eu não esperava que o DeepSeek fosse capaz de produzir

05:13 isso. Uma das áreas em que, segundo eles, esse modelo se destacou no anúncio foi a renderização de jogos 3D e coisas assim. E dá para ver isso refletido em testes como este. Por isso, muita gente está testando esse modelo para criar, em uma única tentativa, jogos 3D, simulações, mundos e coisas do tipo. E estou bastante impressionado, porque isso está incrível. Há alguns meses, só gerávamos jardins de voxels com modelos desse tipo. Agora, estamos gerando mundos inteiros, simulações e coisas assim, o que

05:43 mostra que o ritmo de desenvolvimento desses modelos aumentou drasticamente em 2026. E, para comparar a atualização do modelo, à esquerda está a antiga versão 4.1 Flash, o primeiro resultado que estou mostrando a vocês. Não é ruim, está razoável, sabe? E, à direita, dá para ver que o nível de detalhe aumentou drasticamente, usando o mesmo prompt. Então, muita gente diz que, embora eles tenham chamado isso de uma pequena atualização na publicação do blog, em termos de usabilidade e dos resultados que gera, às vezes acaba sendo muito mais do que uma pequena atualização,

06:15 o que é impressionante. >> Antes de continuarmos, acabamos de lançar a newsletter Universe of AI. Se quiser ficar por dentro das notícias sobre IA sem precisar sair procurando, o link está na descrição. Não perca. >> Agora, este teste compara o Gemini 4 Argon, o modelo mais novo e mais poderoso do Google DeepMind, com o DeepSeek versão 4.1, o modelo 1017. O Argon levou cerca de 13 minutos e custou cerca de US$ 1,20. O DeepSeek levou mais tempo — algo que estamos vendo em todos os testes —: foram 15

06:45 minutos e custou 4 centavos. Mas, se olharmos o resultado, não estou sendo tendencioso nem nada assim. Na maioria dos aspectos, esses resultados são um pouco semelhantes. Eu diria que o Gemini 4 Argon certamente tem alguns aspectos da física, ou coisas do tipo, mais bem resolvidos do que o modelo DeepSeek versão 4.1 Flash. Mas, se eu apenas olhar este teste, item por item, e observar, é difícil perceber a diferença. Entendem o que quero dizer? Se eu visse esses dois testes, com certeza

07:16 acho que são do mesmo modelo, mas, como eu disse, este custou US$ 1,20, contra 40 centavos, sabe? É louco de ver. Aqui temos um modelo sendo comparado com o GPT-6.1 so ultra, e dá para ver, na parte de baixo, que os resultados estão praticamente no mesmo nível. Tipo, o DeepSeek está gerando um resultado parecido com o Soul ultra, sabe o que quero dizer? E eu não diria exatamente que eles estão em patamares diferentes só de olhar para isso, mesmo que os benchmarks possam indicar isso, sabe o que quero dizer? Mas, se olharmos, o DeepSeek conseguiu fazer isso a um

07:48 custo de cerca de 44 centavos, e o 6.1 Soul custou cerca de 90 vezes mais, o que mostra, mais uma vez, que o laboratório conseguiu de novo. Eles criaram um modelo mais eficiente do que qualquer outro por aí, porque estão alcançando resultados no mesmo nível a um custo 90% menor. Aqui temos um modelo sendo comparado com o Opus 5.5. Aqui está o DeepSeek versão 4.1 contra o Opus 5.5, e, mais uma vez, o DeepSeek levou mais tempo: 1 hora, e custou cerca de 23 centavos. O Opus 5.5 conseguiu fazer isso em 20 minutos e

08:20 custou cerca de US$ 6. Então, como eu disse, essa é uma tendência que estamos percebendo com esse modelo. Ele leva mais tempo, mas você vai economizar bastante dinheiro usando-o. Então, se você tiver tempo e estiver trabalhando em tarefas comuns do dia a dia — e até mesmo às vezes quando estiver fazendo algo que exige muita programação —, mas tiver mais tempo, talvez queira usar o modelo DeepSeek versão 4.1, porque vai economizar bastante dinheiro. Só que isso vai custar tempo. Mas, se olhar para esses resultados, eles são bem parecidos. Não estou tentando enaltecer o modelo,

08:51 mas gosto um pouco mais do resultado do DeepSeek, só por causa dos olhos e da geração. Parece mais natural em comparação com o Opus 5.5, mas isso é só porque sou exigente. No geral, para mim, são praticamente iguais. Agora, o que a DeepSeek, o próprio laboratório, faz muito bem todas as vezes é iniciar uma guerra de preços. Vimos isso quando lançaram o último modelo flash e o modelo pro: eles pressionaram muitos dos laboratórios de ponta, e provavelmente foi por isso que vimos a Anthropic reduzir o preço do Opus 5.5. Agora, o modelo DeepSeek versão 4.1 flash está

09:23 chegando ao nível do Opus 5 por 2% do custo dele. Então, mais uma vez, isso vai pressionar esses laboratórios, especialmente a OpenAI e a Anthropic. E, se mais laboratórios chineses lançarem algo mais capaz — e esperamos mais modelos deles nas próximas semanas —, isso vai pressionar ainda mais esses laboratórios a reduzir os preços. Até a Open AI começou a oferecer o Soul 6.1 por um preço bem mais baixo do que antes. Então, a guerra de preços começou mais uma vez, e tudo isso é

09:53 graças à equipe da Deep Seek. Resumindo, esse modelo é basicamente o estado da arte em engenharia de software avançada. Ele supera de longe praticamente todos os modelos chineses, como essa pessoa diz, e ainda é muito barato. E isso não surpreende vindo desse laboratório. Ele conclui tarefas mais rápido e gera respostas mais curtas. Mas, em algumas respostas, estamos vendo que ele demora mais. Então, os benchmarks não correspondem ao que acontece na prática. Em produção de verdade, parece que esse modelo está levando mais tempo. E já vou explicar por quê. É porque eles não fizeram um

10:24 bom trabalho em corrigir o excesso de raciocínio. Esse modelo pensa muito. E isso é algo que, sabe, as pessoas têm percebido ao trabalhar com ele. E provavelmente é por isso que o modelo demora tanto para gerar resultados: ele passa muito tempo pensando. Isso pode ser bom, como eu disse, porque os resultados ficam muito próximos dos dos laboratórios de ponta. E isso exige planejar e pensar direito. Então, faz sentido. Lembre-se: este não vai ser um modelo super-rápido em comparação com os laboratórios de ponta, mas com certeza será um modelo forte e

10:55 mais barato. Mas é isso para o vídeo de hoje. Não se esqueçam de se inscrever no canal. [música] Acompanhem também nossa nova newsletter em universeofai.beehive.com. E inscrevam-se no canal principal, World of AI, e apoiem a gente no X seguindo também o Universe of AI Z. Até lá, vejo vocês no próximo vídeo.

Transcrição original

[00:00] It has finally happened. We have a new model from the Chinese labs, and this time around, it is DeepSeek version 4.1 flash. And what’s crazy is that this model is about 90 times cheaper than many of the frontier labs, but it is producing outputs that are pretty much on par to them. So, let’s get into it. Hey, before we get into the video, I just want to take a moment to tell you guys that AI is not slowing down anytime soon. And if you guys want to stay on top of everything that is happening in AI, be on top of all the new model

[00:30] drops, then make sure you guys are subscribed to the channel. Your support means a lot, and now, let’s get back into the video. So, the DeepSeek team today dropped their new model, version 4.1 flash, and they mentioned that this is actually a minor upgrade from their old flash model. And if you can look at the benchmarks, we kind of see that this is their older version 4.1 flash, and then this is the one that they dropped on October 17th, which was today. And if you’re watching this video, this model is quite new, so you might not even know that this model is out. The DeepSeek

[01:01] team doesn’t do like a great job of marketing themselves as much. They kind of post on X and Hugging Face, and that’s pretty much it. But, I’m going to make a video on it so you guys are aware. What you’re going to see is that this model, obviously, is not going to be compared to Opus 5.5, any of those models, at least on the benchmarks. But, when we look at the output, which I’m going to show you, we’re going to see them side by side against these frontier labs. And what’s crazy to see is that the this model is producing similar outputs to them. And as I said, it’s about 90 times cheaper than many of

[01:32] these models in most cases. So, if we look at this benchmark chart that we see at the moment, one important thing to note is that this model is now getting close to Opus 5 and 5.6 sole level, and it’s in some areas actually outperforming it. Especially on the automation bench over here, this model is 60.5, 35.4 on Agent Slasher exam, on the Apex bench, 72.1, and the deep software engineering, this model actually excels pretty heavily on this. This model is outperforming Opus 5 77 on

[02:04] this. And this is a pretty, you know, obviously, a very coding-focused benchmark. So, this model excels at coding work. This model excels at agentic workflows, things like that. And where this model does not really do a great job compared to the rest is obviously on Terminal Bench 4.0 over here, 42.3 versus 51.8. So, it’s a bit behind, but not too bad. Then, you know, there’s other benchmarks over here like charts, reading charts with tools and things like that. You can see that this model is getting close to Opus 5 level.

[02:35] But, the benchmarks don’t do it justice. I think when we actually look at the outputs, which I’ll show you in a bit, we can really understand why this model is, you know, loved by everyone and why this lab in general is just loved by everyone because they’re able to produce models that are a fraction of the cost of the furniture labs. And in many areas, it might make sense to just use their model because you’re going to be saving a lot on cost. Now, as I said, DeepSeek is known as a lab who is able to give you the most for your dollar. And we can see clearly from this test,

[03:05] the Deep Software Engineering version 1.1, what we see at the bottom is the average cost per task and on the left, the pass rate. What we can see over here is that for about a cent, we are getting the model, the low level, getting a average pass rate about maybe like 75 or some sort of percentage. And at the same level, we can see cheaper models from the OpenAI team like GPT-6 Luna at the same price point, not performing as well as the DeepSeek version 4.1 flash model. Not only that, if you want like similar

[03:37] level of performance, if you go a little bit to the right, you can see 6.1 Soul at extreme high is actually getting a little bit less of a performance than the one that the low model is getting. But, the version 4.1 flash model, you’re getting a higher level than the GPT 6.1 soul at about 20 cents, which is wild to see. And across the board, you can see even Astra, this model is getting similar levels of scores at like $2 or this is probably close to like $4 and something cents. And Fable 5, which is

[04:10] another beast of itself, $20 for about a similar level of pass rate where this model is achieving it actually higher than Fable 5 and is getting it at cheaper cost compared to that. 20 versus about like 10 cents. Isn’t that wild to see? And this is why people love this lab. Now, if we just look at some of the outputs that we are seeing from this model, what we are really going to see is that this model is producing outputs that are pretty much on par. In some areas, does it beat those models like Opus 5.5 and like GPT 6 Astra? No, but

[04:42] if I give you these outputs side by side, which I will in a bit, you can see that you can’t really tell a big difference. So, this example that we’re seeing is a medieval voxel world and it was tested on the Deep Sea Harness using the API on max reasoning with a pretty challenging prompt this person mentioned. It took about 2 million voxels in a single file and around 25 minutes, and the cost was only about $5 in API uses. And you can see at the bottom, the output is amazing. I did not expect Deep Sea to be able to produce

[05:13] this. One area that they actually mentioned in the release that this model has excelled in is rendering 3D games and things like that. And we can see that translating to tests like these. So, that is why a lot of people are testing this model on just, you know, creating one-shot outputs of 3D games or simulations or worlds, things like that. And I’m pretty surprised with this because this looks amazing. Couple of months back, we were only generating voxel gardens with these type of models. Now, we are generating full-on worlds and simulations, things like that, which

[05:43] tells you the rate of development with these models has increased drastically in 2026. And if you want to compare how this model has been upgraded, on the left you see the old version 4.1 flash model, the first output that I’m showing you guys. It’s not bad, it’s okay, you know? And then on the right you can see the level of detail has increased drastically and this is the same prompt. So a lot of people, even though that they actually say that this is a minor upgrade in their blog post, in usability and the output side it’s generating, sometimes that’s translating into more than just a minor update,

[06:15] which is wild to see. >> Before we continue, we just launched the Universe of AI newsletter. If you want to stay on top of AI news without having to hunt for it, link is in the description. Don’t miss out. >> Now this test is comparing Gemini 4 Argon, Google DeepMind’s newest strongest model against DeepSeek version 4.1, the 1017 one. So Argon actually took about 13 minutes and it cost about $1.20. DeepSeek did take a longer time, which is something that we are seeing across the board, is that DeepSeek took 15

[06:45] minutes and cost 4 cents. But if you look at the output, I’m not being pretty biased or anything like that. In most areas, these outputs are a little bit similar. I would say for sure that Gemini 4 Argon has some of the physics or things like that at a stronger lockdown compared to the DeepSeek version 4.1 flash model, but if I’m just looking at this test one by one and I’m just observing it, it’s hard to tell. You know what I mean? Like if I saw these two tests, I would definitely

[07:16] think that they’re from the same model, but as I said, this cost $1.20 versus 40 cents, you know? It’s crazy to see. Here’s a model being compared against GPT-6.1 so ultra and you can see at the bottom the outputs pretty on par. Like DeepSeek is getting an output that’s similar to Soul ultra, you know what I mean? And like I wouldn’t really say that they’re in a different league if I’m just looking at this, even though the benchmarks might scream that, you know what I mean? But if we look at it, DeepSeek managed to achieve this at a

[07:48] cost of about 44 cents, and 6.1 Soul was about 90 times more expensive than this, which tells you, once again, that the lab has done it again. They have made a more efficient model compared to anything that’s out there, because they are achieving on par results at 90% cheaper cost. Here’s a model against Opus 5.5. Here’s DeepSeek version 4.1 against Opus 5.5, and DeepSeek once again took a longer time, 1 hour, and cost about 23 cents. Opus 5.5 achieved it in 20 minutes and

[08:20] cost about $6. So, as I said, that’s a trend that we are noticing with this model. It does take longer, but you are going to save a lot of money using this model. So, if you have time, and if you’re just working on regular day things, and even sometimes when you’re doing something that is very coding intensive, but if you have more time, you might want to use a DeepSeek version 4.1 model, because it’s going to save you a lot of money. However, it’s going to cost you some time. But if you look at these outputs, they are pretty similar. I’m not trying to gas it up,

[08:51] but I just like the DeepSeek output a little bit more, just cuz of the eyes and the generation. It feels more natural compared to the Opus 5.5, but that’s just me being picky. Uh overall, they’re pretty much the same to me. Now, what DeepSeek, the lab itself, does really well every single time is that it starts a pricing war. We saw when they dropped their last flash model and their pro model, it put pressure on many of the frontier labs, and that is why we probably saw, you know, Anthropic drop the pricing for Opus 5.5. Now, the DeepSeek version 4.1 flash model is

[09:23] getting at Opus 5 level at 2% of its cost. So, that is once again going to put pressure on these labs, especially OpenAI and Anthropic. And if more Chinese labs drop something more capable, which we are expecting more models from them in a few weeks. That is going to put once again more pressure on these labs to reduce their prices. And even Open AI, they started to serve Soul 6.1 at a very, like, you know, cheaper cost compared to before. So, the pricing war has once again started and it’s all

[09:53] thanks to Deep Seek team. So, as I sum it up, this model is basically the state of the art on the deep software engineering. It pretty much mogs all the Chinese models as this person says, while being so cheap. And that is not a surprise from the lab. And it has a faster task completion and shorter outputs. But, in some outputs, we are actually seeing it take longer. So, that is not what the benchmarks actually live up to. In actual production, it looks like this model is taking longer. And I’ll tell you why in a bit. It’s because they have not done a

[10:24] great job of fixing overthinking. This model thinks a lot. And that’s something that, you know, people have experienced when they’re working with this model. And that is probably why it takes so long for the model to generate outputs because they’re spending a lot of time thinking. Which could be a good thing, as I said, because you’re getting very close outputs to the Frontier Labs. And that will require to plan out and think properly. So, makes sense. So, remember, this is not going to be a super fast model compared to the Frontier Labs, but it will be definitely a strong model and

[10:55] a cheaper model. But, that’s it for today’s video. Make sure you guys are subscribed to the channel. [music] Follow our new newsletter as well at universeofai.beehive.com. As well, subscribe to the main channel World of AI and support us on X by following the Universe of AI Z as well. Until then, I’ll see you guys in the next video.