DeepSeek V4.1 Flash: para quem é e como aproveitar melhor

Autoria: Cortes do Rafael Quintanilha · 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: português

Vídeo original: DeepSeek V4.1 Flash: para quem é e como aproveitar melhor · Canal: Cortes do Rafael Quintanilha · 08:45 · Assistir no YouTube

Tópicos: Aplicações empresariais de IA, Inferência e otimização de modelos, Modelos de IA, Privacidade e proteção de dados

Resumo

Os apresentadores destacam que o DeepSeek V4.1 Flash tem desempenho competitivo em benchmarks de programação, apesar de ser bem menor que o Qwen 3. Também ressaltam a redução do custo por tarefa e a importância de comparar preços entre provedores, levando em conta o cache e os limites de uso. O modelo é apontado como uma opção interessante para empresas que precisam reduzir custos, hospedar o modelo em uma rede privada ou atender a requisitos de retenção de dados. Para tarefas longas, recomendam dividir o trabalho em partes menores, pois o desempenho pode degradar conforme a context window se enche.

Pontos-chave

O DeepSeek V4.1 Flash é apresentado como um modelo menor que o Qwen 3, mas competitivo em benchmarks de programação.
Segundo a comparação comentada no vídeo, o custo por tarefa caiu de cerca de 50 para 20 centavos de dólar.
A escolha do provedor influencia o preço; os apresentadores citam Fireworks e AWS como referências de comparação.
O cache pode reduzir significativamente o custo, especialmente em comparação com outros modelos.
O BaseTen é mencionado por sua alta velocidade, embora possa impor limites de uso por minuto.
A hospedagem em rede privada e a possibilidade de rodar o modelo internamente podem ser vantajosas para empresas.
Em tarefas de longa duração, o modelo pode não ter o mesmo desempenho que o Opus 5.5.
Dividir tarefas longas em especificações menores pode ajudar a contornar a degradação de desempenho associada ao preenchimento da context window.
A retenção zero de dados é apontada como uma vantagem para empresas e usos governamentais.

Capítulos

Início	Capítulo	Resumo
00:00	Comparação de desempenho e tamanho	Os apresentadores comparam o DeepSeek V4.1 Flash com outros modelos e comentam seu desempenho em benchmarks.
02:03	Custo por tarefa e comparação de preços	A conversa destaca a redução de custo por tarefa e compara preços entre modelos e provedores.
04:38	Provedores, velocidade e limites de uso	Os participantes discutem preços em diferentes provedores, o efeito do cache e os limites de uso do Baseten.
06:43	Uso empresarial e tarefas longas	Os apresentadores explicam por que o modelo pode ser útil em ambientes privados e recomendam dividir tarefas longas em partes menores.
08:14	Retenção de dados e aplicações sensíveis	A conversa termina destacando a retenção zero de dados e possíveis usos em empresas e governos.

Citações

Eles conseguiram deixar o que era barato mais barato ainda. — 03:05

300 tokens por segundo não dá para ter muito limite, senão você vai bater no limite. — 06:12

Em vez de trabalhar com tarefas de longa duração, quebre em especificações menores. — 07:43

Você consegue rodar ele com retenção zero de dados. — 08:14

Conceitos e entidades

DeepSeek V4.1 Flash (modelo): Modelo discutido por seu desempenho, custo e potencial de uso em ambientes empresariais.
Qwen3 (modelo): Modelo usado na conversa como referência de tamanho para comparar com o DeepSeek V4.1 Flash.
Opus 5.5 (modelo): Modelo citado como referência de desempenho em tarefas de longa duração.
Fireworks (empresa): Provedor citado como referência para comparar os preços de uso dos modelos.
AWS (empresa): Provedor mencionado como outra referência para comparar preços.
Cloudflare (empresa): Provedor mencionado durante a comparação de preços e do impacto do cache.
Baseten (empresa): Provedor cuja velocidade é elogiada, com ressalvas sobre limites de uso.
Zero data retention (conceito): Política de retenção zero de dados, apontada como importante para organizações que precisam proteger informações.
context window (conceito): Janela de contexto que, segundo os apresentadores, pode contribuir para a degradação do desempenho quando fica preenchida.

Tradução completa (pt-BR)

00:00 Esse é um corte do podcast Limite Semanal, que acontece toda segunda-feira às 7 da noite, comigo e com o Vini, lá da AI Coders. Se você quer ficar por dentro de tudo que acontece de relevante no mundo da IA, considere se inscrever no canal pelo link que está tanto na descrição quanto no comentário fixado. Comparativo. >> O que chama a atenção, Rafa? Lembra quando a gente falou do Kimi 3 aqui na live? A gente falou: “Pô, o Kimi 3 vai abrir a porteira para muita coisa e tudo mais”. Atualmente, o novo modelo da DeepSeek, que

00:31 é o V4.1 Flash, já passa o carrinho aqui no Kimi 3, tá? E também no GLM 5.3. Então, o modelo Flash, se a gente puxar lá no OpenRouter… >> Diferença de tamanho. Diferença de tamanho de um para o outro. >> Exato. É bizarro isso aí. >> O Kimi tem quase 3 trilhões de parâmetros, não é isso? Era 2,7. >> Isso. Kimi, 3 trilhões de parâmetros. O DeepSeek, nessa versão atual… >> 500 bilhões, né? 500 bilhões de tamanho. >> É por aí. 500 bilhões. A gente já pode abrir a aba. >> Acho que é mais ou menos essa, ali, de 5 bilhões. É um modelo que tem um quinto do tamanho do

01:03 Kimi 3, né? >> Exato, cara. E, assim, está entregando bem. Entregando bem no Deep SWE, entregando bem no Program Bench. Se você comparar, ele está superando aqui os modelos mais recentes da família GPT-6, né? Vamos pegar a família 5.6. Está superando aqui na maioria dos benchmarks. Isso é bem interessante. Só que a parte de que eu gosto muito é esta daqui, Rafa. Deixa eu ver se a gente abre essa imagem numa nova aba para destacar isso aqui, ó. O Deep SWE está até me deixando chateado, Rafa. Eles não estão atualizando.

01:33 >> É, pô. Manda mensagem. Será que os caras estão bem? Alguém já foi lá ver no escritório dos caras? Os caras estão vivos? >> Manda no chat aí, galera. Vamos mandar alguém para dar uma olhada nos caras lá. Acorda, Deep SWE. Atualiza aí. >> [risadas] >> Dá um F5 lá, pô. >> Pô, porque os caras nunca mais atualizaram. Mas o pessoal da DeepSeek fez uma gentileza para a gente aqui, cara. E eu vou até salvar isso porque ficou bom, tá? Temos uma versão atualizada agora, em que está do lado certo, né? Os caras trouxeram aqui, ó, da esquerda para

02:03 a direita: quanto mais barato, mais à esquerda; quanto mais alto, melhor. Olha que doideira, Rafa, comparando inicialmente DeepSeek com DeepSeek. >> É porque não tem o Opus 5.5 aí, né? >> Exato. Mas vamos pegar o DeepSeek V4 Flash, tá? Aqui, ó, o inicial. Ele estava aqui embaixo, né? Vamos dizer que estava em 52%. Ele subiu, no V4.1 Flash, para a faixa dos 60 e poucos por cento, entregando bem aqui no low, no high e no max. Só que agora ele subiu um pouco

02:34 mais, né? Não foi um salto tão grande, mas reduziu significativamente a quantidade de custo, a quantidade de tokens — não, não, não, de tokens também — e o custo por tarefa. Chuta quanto está custando esse quadrante aqui, Rafa? Em centavos de dólar? >> Dois centavos. >> Não, aí também não. O pior é que é mesmo. Não, é 20 centavos. >> 20 centavos, 20 centavos. >> [risadas] >> Pô, mas 20 centavos de dólar para entregar o que o mesmo modelo entregava há pouco tempo por 50

03:05 centavos de dólar. Então, eles conseguiram deixar ainda mais barato o que já era barato. Isso aqui foi o que me chamou muita atenção, porque eu achava que era impossível ficar mais barato. E até nas nossas lives, quando a gente falou do lançamento do Raiko 5.5, do GPT-6 Luna, a gente falou: “Pô, o desafio agora para a DeepSeek é o seguinte: talvez não faça mais sentido usar a DeepSeek se eu também tenho um modelo barato da Anthropic, um modelo barato da OpenAI”. E os caras conseguiram deixar o negócio mais barato. Quando você vai

03:37 olhar para o GPT-6 Luna, que é barato, vai falar assim: “Caramba, ele é tão barato quanto o GPT-6 Luna, mas entrega mais”. Isso aqui me chamou muita atenção. A gente não tem o Raiko 5.5 neste gráfico. Ele deve estar mais ou menos por aqui, tá? Não deve estar ficando muito distante, não. Mas olha a distância para o Gemini 3.8 Flash, por exemplo. Talvez desse para comparar com o DeepSeek V4.1 Flash. Ele está tendo um desempenho muito bom aqui dentro desse benchmark e vem com algumas

04:08 promessas. Aqui também, Rafa, agora que virou moda fazer joguinho 3D, olha, pelo menos no exemplo que eles trouxeram, né? Eu ainda não testei. Pessoal do chat que testou, manda para a gente se é tudo isso mesmo, mas, aparentemente, ele também é um bom modelo de modelagem 3D, o que seria uma grande vantagem do modelo atual do Gemini 4 Argon. E, se isso for uma grande vantagem e a DeepSeek estiver entregando tudo isso por essa fração do preço, que é exatamente

04:38 um quinto… Peraí, vou atualizar agora aqui, né? Atualizaram, ó. Não é só isso mesmo? >> Não, é porque você está pegando também, pode ser, o provedor mais barato, né? E aí, às vezes, tem uns provedores que oferecem muito mais barato ali, mas… >> Ah, vou pegar o DeepSeek aqui, ó. Vou pegar o… >> Eu gosto de usar como referência o Fireworks ou até mesmo a AWS. >> O Fireworks. >> Porque o Fireworks é uma empresa que vende serviços, então dificilmente tem subsídio, porque eles realmente… >> Flare, Rafa. 10 centavos o input, 60

05:11 centavos o output. >> É loucura, né? Se a gente botar aqui, ó, a comparação dele com os outros que seriam seus concorrentes, só para ilustrar rapidinho, Vini, ó. Botei aqui o V4.1. Vamos tirar, então, e colocar aqui no Cloudflare, em vez do Flash, para a gente comparar os preços, ó. >> Perfeito. >> Estariam basicamente no mesmo preço aqui, ó: o V4.1 Flash, a 10 e 17, o Raiko 5.5

05:41 e o GPT-6 Luna. Só que a grande questão é o cache, né? Eles fazem alguma coisa com o cache, como a DeepSeek faz, que fica muito abaixo dos outros e, aí, deixa o negócio muito mais barato. >> Agora, Rafa, rapidão, joga aí no Baseten, de provider. >> Eu estava vendo aqui o… >> Olha, olha o TPS disso aí, cara. Isso está bizarro, cara. >> Caraca! >> Alguém aqui já usou o Baseten? Alguém aqui já usou o Baseten? Pessoal do

06:12 chat, vocês… >> É no chat aí. >> Olha, vou colocar um crédito lá para brincar, vou colocar gasolina lá, vou brincar. >> Tá, Rafa, tem um detalhe: ele tem um limite ali, um rate limit por minuto meio chatinho, tá? >> Hum. >> Quando você for usar, ou paga caro para conseguir usar mesmo, ou pega o modo demo; aí, para uso de codificação, você vai ficar batendo no limite. >> É, porque 300 TPS, 300 tokens por segundo, não dá para ter muito limite, senão você vai cair, vai bater no limite, né?

06:43 >> Agora, o que é interessante a gente ressaltar nesse lançamento? Quando a gente observa a quantidade de provedores que estão servindo esse modelo agora, até a Cruzoé… Cruzoé brasileira mesmo? É a revista, né, Cruzoé? >> É, pode ser Robson Cruzoé também. >> É, então, enfim, mas, assim, a quantidade de provedores que estão servindo ele… É aquele ponto de que a gente sempre fala: para que eu usaria o DeepSeek V4.1 Flash se posso usar os outros modelos? Porque você consegue rodar numa rede privada, proprietária; o modelo está

07:13 entregando bem, a um custo baixo. Para empresas, faz muito sentido quando você está trabalhando na escala de centenas de funcionários. Às vezes, você vai usar esse modelo; ele vai entregar tão bem quanto os outros, mas por uma fração do custo, e você consegue rodá-lo internamente. Tem outro detalhe: “Ah, Vini, ele não tem um desempenho tão bom em tarefas de longa duração.” Esse é o grande ponto que o pessoal comenta sobre o Deep Seek. De fato, quando você pega tarefas de longo prazo, de longa duração, não vai conseguir ter o mesmo desempenho que tem com o Opus 5.5, por exemplo.

07:43 Não vai. Mas aí é uma questão estratégica: em vez de trabalhar com tarefas de longa duração, você muda a sua estratégia e as divide em specs menores. Daí consegue trabalhar e obter o melhor do modelo. O problema dele geralmente é a degradação do contexto, né? Você vai ter uma degradação do modelo à medida que a janela de contexto vai enchendo. Então é só trabalhar com isso também. Mas, na minha opinião, ele volta ao mercado para ser lembrado, Rafa, porque a galera tinha se esquecido dele, tá?

08:14 >> É, porque acaba que, com até o GPT Luna e o Haiku, né, a gente acaba tendo essas assinaturas pagas ali e acaba não trocando, né? >> Exatamente. >> Agora que ele veio com essa capacidade, cara, é realmente incrível pelo preço. E tem outra vantagem em relação ao que você falou também: o fato de que você consegue rodá-lo com ZDR, né? Zero data retention.

08:45 Tem muitas empresas que precisam disso, né? Então, às vezes, você não vai conseguir usar um Opus para isso. Mas você pega um Gemini 1.5 Pro, Flash 1.5, 1.7, coloca em um provedor hospedado nos Estados Unidos ou roda localmente, se tiver capacidade computacional para isso, e pronto, né? Ninguém tem acesso aos seus dados. É excelente rodá-lo em governos, >> Exato. >> no geral, né?

Transcrição original

[00:00] Esse é um corte do podcast limite semanal que acontece toda segunda-feira às 7:00 da noite comigo e com o Vini lá da AI Coders. Se você quer ficar por dentro de tudo que acontece de relevante no mundo da IA, considere se inscrever no canal através do link que está tanto na descrição quanto no comentário fixado. Comparativo. >> O que que chama atenção, Rafa? Lembra quando a gente falou do quimica 3 aqui na live? Que a gente falou: “Pô, o quimica 3 vai abrir a porteira para muita coisa e tudo mais”. Atualmente o modelo novo do Deep Psy que

[00:31] é o 4.1 Flash e já passa o carrinho aqui no quimica 3, tá? E também no GLM 5.3. Então o modelo Flash que se a gente puxar lá no Open House >> Diferença de tamanho. Diferença de tamanho de um para o outro. >> Exato. É bizarro isso aí. >> O quimica tem quase 3 trilhões de parâmetros, não é isso? Era 2.7. >> Isso. Quimica 3 trilhões de parâmetros. O Deep Psy que nessa versão atual >> 500 500 B, né? 500 B de tamanho. >> é por aí. 500 B. A gente pode abrir já a aba. >> Acho que é essa mais ou menos ali de 5 B. É um modelo que é 1/5 do tamanho do

[01:03] quimica 3, né? >> Exato, cara. E assim, entregando bem. Entregando bem no Deep SWE, entregando bem no Program Bench. Assim, se você comparar, ele tá superando aqui os modelos mais recentes de 7 anos 6, né? Da família 6, né? Vamos pegar a família 5.6. Tá superando aqui na maioria dos benchmarks. Isso é bem interessante. Só que a parte que me agrada muito é isso daqui, Rafa. Deixa eu ver se a gente abre essa imagem numa nova aba para a gente dar esse destaque aqui, ó. O Deep SWE, eu tô até chateado com ele, Rafa. Que eles não tão atualizando.

[01:33] >> É, pô. Manda mensagem. Será que os caras tão bem? Alguém já foi lá ver no escritório dos caras? Os caras tão vivos? >> Manda no chat aí, galera. Vamos vamos mandar alguém que dê uma para os caras lá. Acorda, Deep SWE. Atualiza aí. >> [risadas] >> Dá um F5 lá, pô. >> Pô, porque nunca mais os caras atualizaram. Mas o o o pessoal do Deep Psy que fez uma gentileza para a gente aqui, cara. E eu vou até salvar esse trem porque ficou bom, tá? A gente tem uma versão atualizada agora aonde tá do lado certo, né? Os caras trouxeram aqui, ó, de da esquerda para

[02:03] direita mais barato é, sendo mais para esquerda e mais alto aqui o melhor. Olha que doideira, Rafa, comparando inicialmente Deep Seek com Deep Seek. >> É porque não tem o Opus 5.5 aí, né? >> Exato. Mas pegando o Deep Seek V4 Flash, tá? Aqui, ó, o inicial. Ele tava aqui embaixo, né? Vamos colocar 52%, vamos dizer assim. Ele subiu pro no V4 .1 Flash para a casa aqui dos 60 e poucos por cento entregando bem aqui no low, no high e no max. Só que agora ele subiu um pouco

[02:34] mais, né? Não foi tão um salto tão grande, mas reduziu significativamente a quantidade de custo é o quantidade de token não não não token é tokens também e o custo por tarefa. Chuta quanto que tá valendo esse quadrante aqui, Rafa? Em centavos de dólar? >> Dois centavos. >> Não, aí também não. O pior que é mesmo não, é 20 centavos. >> 20 centavos, 20 centavos. >> [risadas] >> Pô, mas 20 centavos de dólar para entregar o que ele o mesmo modelo, né, entregava há pouco tempo atrás por 50

[03:05] centavos de dólar. Então, assim, é eles conseguiram deixar o que era barato mais barato ainda. Isso aqui foi o que me chamou muita atenção porque eu achava que era impossível ficar mais barato. E até nas nossas lives quando a gente falou do lançamento do Raiko 5.5, do GPT6 Luna o a gente falou, pô, o desafio agora para o Deep Seek é o seguinte, talvez não vai fazer mais sentido usar o Deep Seek se eu tenho um modelo barato também da Anti-Óptica, um modelo barato da OpenAI. E os caras conseguiram deixar o negócio mais barato quando que você vai

[03:37] olhar pro GPT6 Luna que é barato e eu vou falar assim, caramba, ele é barato igual o GPT6 Luna, mas entrega mais. Isso aqui me chamou muita atenção. A gente não tem aqui o Raiko 5.5 nesse gráfico. Ele deve tá mais ou pelo por aqui, tá? Não deve estar ficando muito distante não. Mas olha a distância do mercado de Gemini 3.8 Flash, por exemplo, talvez daria para comparar versus Deep Seek V4.1 Flash. Ele tá performando muito bem aqui dentro desse benchmark e é, vem com algumas

[04:08] promessas. Aqui também, Rafa, agora que virou moda fazer joguinho 3D, olha, pelo menos o exemplo que eles trouxeram, né? Eu não testei ainda. Galera do chat que testou, manda para a gente se tá isso tudo mesmo, mas aparentemente ele também é um bom modelo de modelagem 3D que seria um grande, a grande vantagem ali do modelo atual da, do Gemini 4 Argon. E se for uma grande vantagem e o Deep Seek estiver entregando isso aqui tudo por essa fração de preço, que é exatamente

[04:38] um cinco, peraí, atualizar agora aqui, né? Atualizaram, ó. Não é só isso mesmo? >> Não, é porque, é porque você tá pegando também aí, pode ser o provedor mais barato, né? E aí às vezes tem uns provedores que que oferecem mais, muito mais barato ali, mas >> Ah, vou pegar o Deep Seek aqui, ó. Vou pegar o >> Eu gosto de usar como referência, é, eu gosto de usar como referência o Fireworks ou até mesmo a AWS. >> o Fireworks. >> Porque o Fireworks ele é uma empresa mesmo que vende serviço, então é difícil, ali não, dificilmente tem subsídio, porque eles realmente >> Flare, Rafa. 10 centavos o input, 60

[05:11] centavos o output. >> É loucura, né? É, se a gente botar aqui, ó, é, se a gente, vamos botar aqui a comparação dele com o com o, com os outros que seriam seus competidores, só um, só para ilustrar aqui rapidinho, Vini, ó. Eu botei aqui o, o 4.1, vamos tirar então, vamos botar aqui no Cloud Flare em vez do Flash, para a gente ficar com preço, ó. >> Perfeito. >> Estariam basicamente no mesmo preço aqui, ó, o V4.1 Flash no 10, 17, o Raiku 5.5

[05:41] e o GPT-6 Luna. Só que a grande questão é o cache, né? Eles fazem alguma coisa que o Deep Seek faz com o Cloud com o cache Que é muito abaixo dos outros e aí deixa o negócio muito mais barato >> Agora Rafa, rapidão, joga aí no base ten De provider >> Eu tava vendo aqui o >> Olha, olha o TPS cara disso daí Isso tá bizarro cara >> Caraca >> Alguém aqui já usou o base ten? Alguém aqui já usou o base ten? Pessoal do

[06:12] chat, vocês >> É no chat aí >> Olha, eu vou botar, eu vou botar um crédito lá pra eu brincar, vou botar gasolina lá, vou brincar >> tá Rafa, tem um detalhe, ele tem um um limite ali de É um rate limite por minuto chatinho tá >> Hum >> Quando você for usar ele ali, ou você paga caro pra você conseguir usar mesmo ou você vai pegar ali o modo demo, aí no pra uso de codificação você vai ficar batendo no limite >> É, porque 300 TPS, 300 token por segundo não dá pra ter muito limite, senão você vai cair, vai bater né

[06:43] >> Agora, o que que é interessante a gente ressaltar nesse lançamento? Quando a gente observa a quantidade de provedor servindo esse modelo agora, até o Cruzoé, Cruzoé, é Cruzoé brasileiro mesmo? É a revista né, Cruzoé >> É, pode ser Robson Cruzoé também >> É, então, enfim, mas assim, a quantidade de provedor servindo ele, é aquele ponto que a gente sempre fala Pra que que eu usaria o Deep Seek V4.1 flash se eu posso usar os outros modelos? Porque você consegue rodar numa rede privada, proprietária, o modelo tá

[07:13] entregando bem, tá um custo baixo e pra empresas faz muito sentido quando você tá trabalhando na escala de centenas de funcionários, as vezes você vai pegar esse modelo, ele vai entregar tão bem quanto Os outros, mas por uma fração de de custo e você consegue rodar internamente e tem um outro detalhe, ah Vini, ele não performa tão bem em tarefas de long running, é é o grande ponto que o pessoal fala sobre o Deep Seek e de fato, quando você pega tarefas de longo prazo Né, de longa duração, você não vai conseguir ter a mesma performance que o você tem com o Opus 5.5, por exemplo,

[07:43] não vai. Mas aí é questão estratégica, você vai mudar a sua estratégia ao invés de trabalhar com tarefas de longa duração, quebra em specs menores. Daí você consegue trabalhar e obter o melhor do modelo, que o problema dele geralmente é da questão do context hot, né? Você vai ter uma degradação de modelo do da janela do modelo enquanto vai enchendo a janela de contexto. Então é só trabalhar ali com isso também. Mas vem pro mercado de novo, ao meu ver, pra ser relembrado, Rafa, porque a galera tinha dado uma esquecida, tá?

[08:14] >> É, porque acaba que acaba acabou que eu acho que com com até o GPT Luna e o Haiku, né? É, a gente acaba que a gente acaba tendo essas assinaturas ali, né? Né? Pagas e acaba não trocando, né? >> Exatamente. >> agora que que ele veio aí, né? Com essa capacidade, cara, é realmente incrível pelo preço e tem outra outra vantagem em relação ao que você falou também, é o fato de que você consegue rodar ele ZDR, né? Zero data retention.

[08:45] Tem tem muitas empresas que precisam disso, né? Então às vezes pra você usar um Opus lá, você não vai conseguir fazer. Mas você pega um Gemini 1.5 Pro Flash 1.5 1.7, bota ele num provedor ali hosteado nos Estados Unidos ou bota local se você tiver compute pra isso e acabou, você, né? Ninguém ninguém tem acesso aos seus dados. É excelente você rodar ali em governos, >> Exato. >> no geral, né?