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

Author: Cortes do Rafael Quintanilha · Watch on YouTube

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: DeepSeek V4.1 Flash: para quem é e como aproveitar melhor · Channel: Cortes do Rafael Quintanilha · 08:45 · Watch on YouTube

Topics: Enterprise AI applications, Model inference and optimization, AI models, Privacy and data protection

Summary

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.

Key points

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.

Chapters

Start	Chapter	Summary
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.

Quotes

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

Concepts and entities

DeepSeek V4.1 Flash, Qwen3, Opus 5.5, Fireworks, AWS, Cloudflare, Baseten, Zero data retention, context window

Full transcript (original language)

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?