Como o DeepSeek V4.1 Flash Consegue Ser TÃO barato?

Video authored by the channel shown, not by IANIA; all rights belong to the creator. Transcript and summary generated automatically; the original-language content is preserved.

Original language: Portuguese

Original video: Como o DeepSeek V4.1 Flash Consegue Ser TÃO barato? · Channel: Vini Lana · 11:25 · Watch on YouTube

Topics: Software engineering with AI, Model inference and optimization, Markets and economy, AI models, Local and open-source models

Summary

O vídeo apresenta o DeepSeek V4.1 Flash, destacando seu desempenho em benchmarks de desenvolvimento de software, o suporte a imagens e o baixo custo. O apresentador relaciona a polêmica sobre distillation attacks à concorrência entre modelos open weight e serviços de inferência voltados a empresas. Também compara a estratégia de preços da Anthropic com a da OpenAI e sugere que um modelo mais barato da Anthropic poderia competir melhor. Por fim, ressalta que o DeepSeek V4.1 Flash pode ser uma boa opção para codificação, mas que pode apresentar limitações em tarefas com agentes de IA e no atendimento ao público.

Key points

O vídeo contextualiza as acusações da Anthropic de distillation attacks contra empresas chinesas, incluindo a DeepSeek.
Segundo os números apresentados no vídeo, o DeepSeek V4.1 Flash melhora em relação à versão anterior em um benchmark de desenvolvimento de software.
O modelo também é descrito como competitivo em outros benchmarks, incluindo Cyber Gin, Terminal Bench 3.0 e Automation Bench.
A redução da camada de KV cache é apontada como um fator que contribui para diminuir o custo e aumentar a velocidade.
O DeepSeek V4.1 Flash aceita texto e imagem como entrada e está disponível no Hugging Face.
O apresentador argumenta que modelos open weight baratos podem pressionar o negócio de inferência empresarial de empresas como a Anthropic.
A comparação com o GPT-5.6 Luna ilustra a estratégia da OpenAI de oferecer um modelo de bom desempenho a um custo menor.
O modelo é recomendado para desenvolvimento de software, mas o apresentador relata limitações em tarefas de agentes de IA, incluindo respostas ocasionais em espanhol.

Chapters

Start	Chapter	Summary
00:00	Lançamento e polêmica sobre distillation attacks	O vídeo introduz o DeepSeek V4.1 Flash e contextualiza as acusações da Anthropic contra empresas chinesas.
02:05	Desempenho, custo e multimodalidade	O apresentador compara resultados em benchmarks, discute a redução do KV cache e destaca o baixo custo e o suporte a imagens.
05:45	Impacto dos modelos open weight no mercado empresarial	O vídeo explica como modelos baratos podem afetar a receita de inferência empresarial e compara as estratégias da Anthropic e da OpenAI.
08:20	Comparação com modelos da OpenAI e da Anthropic	O apresentador avalia o GPT-5.6 Luna e sugere que a Anthropic poderia competir com um modelo mais acessível, como um Haiku 5.
10:54	Casos de uso e corrida entre Estados Unidos e China	O vídeo conclui com limitações do modelo, seu uso recomendado para codificação e uma reflexão sobre a disputa por liderança em IA.

Quotes

É um salto animal da versão anterior para essa versão de agora. — 02:35

Agora também está redondinho entregando texto e imagem como input. — 05:45

Então, fica indiferente para mim. — 08:51

Mas para desenvolvimento de software, esse cara manda bem. — 10:54

Concepts and entities

DeepSeek V4.1 Flash, DeepSeek, Anthropic, OpenAI, distillation attacks, KV cache, OpenRouter, Hugging Face, GPT-5.6 Luna, Vini Lana

Full transcript (original language)

00:00 Vamos lá, DeepSeek V4.1 Flash foi lançado e junto com o DeepSeek V4.1 Flash veio um caminhão de polêmica. De um lado você tem a Anthropic acusando as empresas chinesas de distillation attacks e de outro lado você tem as empresas chinesas como a DeepSeek te entregando na sua mão um modelo muito bom e barato. Eu quero saber de você sem frescura aqui nos comentários e sem treta também, hein? De que lado você tá? Do lado das empresas que estão te entregando os modelos do DeepSeek ou do

00:31 lado da Anthropic? Deixa nos comentários aqui e bora para esse vídeo que eu vou te mostrar tudo que tá chegando de novidade com esse modelo novo. Bora. A IA já mudou bastante a maneira como a gente aprende a fazer as coisas. Você não vai mais fazer um curso de 40 horas para aprender a fazer back-end, front-end ou qualquer outra coisa. Primeiro agora, se você for uma pessoa sensata, você vai tentar fazer na prática junto com um um agente de inteligência artificial e ir aprendendo junto com ele. A questão é que não existe uma maneira estruturada de você aprender, sei lá, inglês, francês, desenvolvimento de software, back-end, front-end com a

01:02 inteligência artificial. Então tem muita gente tentando aprender as paradas com IA, mas na verdade não tá conseguindo aprender direito. E na nossa live de quinta-feira aqui do canal dessa semana, que é gratuita e você é meu convidado, o link que tá aqui já no primeiro comentário fixado e na descrição, eu vou falar disso. Como é que tem algumas estratégias super legais que você pode usar já no seu dia a dia para melhorar a maneira como você usa a própria inteligência artificial para aprender melhor. Então, conteúdo top quinta-feira, te espero lá. A polêmica começou mais ou menos da seguinte forma, tá? A gente vai observar aqui que dentro

01:34 do site da Anthropic tem aqui um relatório imenso dizendo como as empresas como a DeepSeek estão fazendo ataques de destilação, mas não só isso, é até roteamento de modelos para usar os modelos da própria Anthropic. E aí, galera, isso aqui é uma polêmica muito grande. Eu não vou entrar tão a fundo dentro disso aqui, mas é importante para contextualizar vocês que isso também não é a primeira vez que é reportado. Isso já aconteceu lá em fevereiro desse ano, 23 de fevereiro desse ano, eles falaram detecting and preventing distillation

02:05 attacks. Parece que eles postaram, fizeram um blog post sobre como detectar e prevenir, mas não conseguiram detectar e prevenir depois. Fato é que DeepSeek v4.1 Flash acabou de chegar no mercado e ele chegou com os dois pés no peito, porque dá uma olhada nesse cara aqui, ó. Tá aqui nos gráficos ele dá um salto muito interessante em relação à sua versão anterior. Vamos pegar o DeepSeek aqui, ó. Versão anterior DeepSeek v4 Flash, 53% 53 pontos no

02:35 DeepSeek no DeepSeek 1.1. Nessa versão nova, pelo menos o que eles divulgaram, é 74.2%. Poxa, galera, é um salto animal da versão anterior para essa versão de agora. A gente tá falando de pelo menos 21 pontos percentuais. E ele começa a encostar em em outros LLMs do nível do Opus 5 e GPT-5 dentro desse benchmark específico que mede tarefas de desenvolvimento de software da vida real, ok? Então, muito bom, esse cara chega bem aqui também. Chega bem também no Cyber Gin com 88% de aproveitamento dentro

03:08 desse benchmark. Chega bem também no terminal bench 3.0 com 30%. Aqui, naturalmente, os modelos do Opus 5 mandam bem para caramba nesse benchmark. Não tão mandando tão bem dentro do Harness e do Cloud Code, mas nesse benchmark tá mandando bem. E você vai observar que também o DeepSeek v4.1 Flash chega mandando bem aqui. Manda bem também no benchmark de Automation Bench. Só que tem uma outra parada que é onde ele manda melhor ainda, que é no custo desse cara. Vamos lá, o v4.1 Flash, ele vem com uma mudança agora muito

03:40 interessante em relação à velocidade e preço. Isso tá 100% relacionado a essa novidade aqui, ó. Eles mudaram a maneira como o arquitetura funciona e conseguiram uma redução absurda da camada de KV cache, que é onde você vai bater mais vezes ali quando você tiver consumindo o modelo. Ou seja, se eu consigo reduzir o custo e consumo de KV cache, eu consigo também diminuir o custo para você na ponta. E aí quando a gente abre agora o Open Router, o que a gente vai observar ali dentro do Open

04:10 Router agora com o V4.1 Flash é exatamente isso daqui. Deixa eu puxar ele aqui para a gente ver. V4.1 Flash. Olha que doideira que está acontecendo aqui agora. Vários providers com um custo muito barato, tá? 15 centavos de input, 60 centavos de output a média, isso nos horários de menos uso, que aqui para a gente seria o nosso horário comercial do Brasil, né? Horário de menos uso os na China. Mas os outros providers conseguiram acompanhar isso também. E você vai ter providers como o Gemini Cloud entregando a 102 tokens por

04:43 segundo, o Base Ten entregando entregando aqui a 58, não está tão bom. O Modal entregando a 111 tokens por segundo. O outro provider o Wafer a 114 tokens por segundo. Então você vai ver que no geral todos os providers, inclusive os americanos que são maioria aqui, estão conseguindo entregar esse modelo a uma velocidade muito interessante. E é um custo de input e output muito bom também. É um custo que está bem parecido, bem próximo ao GPT 5.6 Luna, mas que está entregando aqui também mais

05:13 qualidade nos benchmarks. Então se você colocar em comparação ele com o Luna, o Luna você só consegue ter os resultados que o DeepSeek está tendo hoje no V4.1 Flash no modo max. Aqui você tem o DeepSeek V4 Flash V4.1 Flash performando bem interessante já no modo high dele. Beleza? Novidade também que depois da versão que lançaram com imagem, esse também vem multimodal texto e imagem. A gente falou disso aqui no lançamento do V4 Flash, que era o maior problema dele, que era um LLM só texto para texto. Agora também está redondinho entregando

05:45 texto e imagem como input. Isso aqui é maravilhoso para desenvolvimento de software assistido por inteligência artificial. Para você que tem um data center aí no fundo das suas casas, que tá acabando com a água do mundo, dá para rodar esse modelinho aqui, ó, já tá disponível no Hugging Face. Brincadeiras à parte, mas isso aqui é a parte mais importante desses lançamentos recentes e é isso que tá gerando toda essa confusão aí por parte dos grandes laboratórios de inteligência artificial. Por quê? Hoje, você que tá pagando 200 dólares aí

06:15 numa assinatura do Claude, tá podendo, né? Tá com muita grana aí, mas olha só, não é só isso não. Você não tá deixando o Dario mais rico, não, meu querido. Na verdade, é o contrário. Esses planos de 200 dólares, 100 dólares, você tem um subsídio muito alto. Aí, se você rodar ali o CC e o Sage, você vai ver que o que você tá gerando de prejuízo para os caras é muito maior do que você tá pagando. Então, na prática, aonde que a Anthropic, a OpenAI e outros ganham e tem ali a sua receita, né? Onde tem lucro? Justamente no Enterprise. Ou seja, eu vou vender a inferência, o

06:46 custo por token, diretamente para uma empresa, uma empresa que tenha seus 1.000, 2.000 funcionários. Essa empresa, sim, ela vai gerar lucro e receita para a Anthropic, por exemplo. Porém, uma empresa que tem esse número de funcionários, quando ela se depara com o modelo do DeepSeek v4.1 Flash, que é bom o suficiente para fazer a maioria das tarefas, que tá em vários benchmarks batendo de frente com os modelos top do mercado, ela vai fazer a seguinte conta: quanto é que custa para eu rodar essa parada aqui internamente, ao invés de

07:18 pagar por inferência direto lá para a Anthropic? E aí, a a partir do momento que o custo por inferência, ele vai ficando menor quando eu rodo na minha própria infraestrutura, esses modelos open weight ameaçam o modelo de negócio atual de empresas como a Anthropic. Então, toda essa treta não é só porque você tá preferindo rodar ali, usar o seu plano do Open Code Go, por exemplo, que tá bom para caramba. Não é isso não, é por conta justamente dessa concorrência a nível de Enterprise. E aí, meus amigos, é um problemaço, mas que eu digo para vocês, a Anthropic, ela tem um

07:49 jeito de resolver isso. E na verdade, a OpenAI já fez. E eu não entendo até agora por que que a Anthropic não conseguiu fazer isso. Aliás, não conseguiu ou não quis. Que é o seguinte, quando você olha aqui para o e você olha pelo custo aqui, então, olhando da direita para a esquerda, quanto mais para a esquerda, mais caro, você vai observar que os modelos da Anthropic são os mais caros. OK? E aqui, inclusive, eles estão escondendo o nível max do Sonnet 5, que vai lá para as alturas. E aqui, em contrapartida, você vai ter os modelos da OpenAI, aqui você observa

08:20 o, por exemplo, o GPT-5.6 Luna, que está performando super bem a um custo bem baixo, 61 centavos para ter uma performance semelhante que outros modelos top de linha. Ou seja, a OpenAI, ela já entendeu que, para ela não perder mercado para os chineses, ela precisa ter um LLM que é bom e barato. Que ele não precisa ser nível Fable, mas que ele consiga entregar o suficientemente bom para tarefas do dia a dia, sei lá, fazer um CRUD, criar um teste unitário, por exemplo. E aqui tem o Luna, ele faz isso, tá? O Luna, ele manda bem para esse tipo de tarefa. Então, quando você

08:51 coloca o Luna com o V4-Flash, por exemplo, cara, eu vou falar, “Poxa, por que que eu vou querer usar o V4-Flash se eu posso pegar a assinatura da OpenAI e usar o Luna?” Então, fica indiferente para mim. Só que quando a gente compara o DeepSeek V4-Flash e o DeepSeek V4.1-Flash com a assinatura da Anthropic, daí não fica tão diferente assim. Então, hoje, o grande turning point aqui, na minha visão, para a Anthropic, que ela conseguiria, eh, de fato, nem fazer as empresas talvez cogitarem rodar uma infraestrutura local, seria trazer, dentro da sua

09:21 família de modelos, um modelo como o Haiku, por exemplo, um Haiku 5, que conseguisse entregar e performar igual o DeepSeek V4.1-Flash performa. Se o V4.1-Flash é fruto de distillation attacks da China em cima da Anthropic, significa que a Anthropic poderia fazer isso, né? Ou será que eles não conseguem? Aí é uma dúvida que eu deixo para vocês responderem aqui nos comentários. E onde que eu consigo usar esse cara? Poxa, um dos caminhos pode ser lá pelo Open Router, com vários providers que a gente já tem ali dentro do próprio Open

09:51 Router, já mostrei para vocês aqui. Cada um desses caras vai ter um estilo diferente de cobrança. O outro deles pode ser dentro do próprio Open Code, né? O Open Code hoje, no plano de 10 dólares deles, poxa, que é um absurdo de barato, você consegue usar tanto o Deep Psychic V4.1 Flash, quanto o Muse Spark 1.3 Contributor, tá? E a gente tem uma dicotomia, né? O modelo americano e o modelo chinês, mas que ambos estão com custo-benefício sensacional. A não ser que você esteja preocupado com os seus dados serem retidos para treinamento. Se você não tiver essa preocupação, vai com

10:22 tudo que esses caras vão te entregar um código suficientemente bom e muito barato pelo que eles estão cobrando. Para quem está falando para você que o Deep Psychic V4.1 Flash é melhor do que o Fable 5, o cara está maluco, não é, mas nem ferrando que é melhor do que o Fable 5. Mas é um bom modelo, tá? É um bom modelo para codificação. Não é um bom modelo talvez para tarefas de agentes de IA, de atendimento ao público, por exemplo. Você vai observar esse cara alucinando, falando em espanhol algumas vezes. Já aconteceu com alguns agentes meus, eu tive que trocar lá para o Muse Spark 1.3. Então, fique

10:54 atento e a esses casos de uso, mas para desenvolvimento de software, esse cara manda bem, OK? Agora, a gente observa cada vez mais uma tendência, cada vez mais uma tensão entre Estados Unidos e China. Cada vez mais uma responsabilidade desse conflito está sendo delegada de, em vez de empresas privadas falando sobre a China, talvez querendo chamar a responsabilidade do governo norte-americano em relação a esse, a essa corrida, de fato, que está acontecendo na inteligência artificial para rumo a AGI. E eu quero saber de

11:25 você aqui nos comentários, quem é que você acha que vai ganhar essa corrida? Você acha que algum deles vai conseguir alcançar a ETI ou não? Vai desmoronar essa parada toda? É bolha? Vai estourar tudo? E quem fez, fez, quem não fez, não faz mais? Quero saber sua opinião. No mais, eu sou o Vini, esse é o canal da ETI Coders, estamos juntos, aquele abraço e valeu.