A DeepSeek voltou a mexer com o tabuleiro da inteligência artificial. A 21 de agosto de 2026, a startup chinesa colocou em produção o V4-Flash-Vision-Exp, a primeira versão multimodal da sua linha V4-Flash, e publicou de imediato tabelas de benchmarks que colocam o modelo lado a lado com o Claude Opus 4.8 da Anthropic. O resultado: um empate técnico de 2-2 em quatro provas de agentes, com preços que continuam idênticos aos do modelo de texto original. Para quem acompanha a corrida entre laboratórios dos EUA e da China, o lançamento confirma um padrão que já se repete há meses, o de ciclos de lançamento cada vez mais curtos e preços cada vez mais agressivos.
Este artigo analisa os números reais do lançamento, compara o V4-Flash-Vision-Exp com o Opus 4.8 e com os restantes modelos de topo lançados em agosto de 2026, e explica o que a decisão da DeepSeek significa para programadores, empresas e utilizadores em Portugal.
O que é o DeepSeek V4-Flash-Vision-Exp
O V4-Flash-Vision-Exp é uma variante experimental do DeepSeek V4-Flash, o modelo que a empresa colocou em beta pública a 31 de julho de 2026. Segundo o anúncio oficial da DeepSeek na sua plataforma de API, o novo modelo “iguala o DeepSeek-V4-Flash nas capacidades de texto, incluindo agentes, raciocínio e conhecimento geral”, acrescentando como única novidade real a capacidade de processar imagens.
Na prática, isto significa que a DeepSeek não construiu um modelo do zero. Pegou na base de texto já validada do V4-Flash e treinou um ramo multimodal em cima dela, uma abordagem mais barata e mais rápida do que treinar um modelo visual desde a base. A empresa foi clara ao classificar o lançamento como “experimental”, um sinal de que ainda está a testar o apetite do mercado antes de o integrar na linha principal.
Arquitetura: 284 mil milhões de parâmetros, só 13 mil milhões ativos
O modelo usa uma arquitetura de mistura de especialistas (mixture-of-experts, ou MoE), a mesma técnica que a DeepSeek já usava no V4-Flash original. No total, o modelo tem 284 mil milhões de parâmetros, mas apenas 13 mil milhões ficam ativos a processar cada token. É esta separação entre tamanho total e tamanho ativo que permite à DeepSeek manter os custos de inferência baixos apesar de ter um modelo enorme.
A janela de contexto mantém-se em 1.048.576 tokens, o equivalente a cerca de 1 milhão de tokens, com respostas que podem chegar a aproximadamente 384.000 tokens. Para efeitos de comparação, isto dá para processar um livro inteiro numa única conversa. Do lado visual, o modelo aceita até 600 imagens por pedido, com texto e imagem misturados no mesmo input.
A faturação das imagens segue uma regra simples: cada imagem é convertida em tokens de input, com um limite de 384 tokens por imagem, cobrados à mesma taxa que o texto normal. Não há um preço separado para “visão”, o que simplifica bastante o cálculo de custos para quem já usa a API da DeepSeek.
Quanto custa usar o V4-Flash-Vision-Exp
Aqui está talvez o dado mais relevante para quem gere orçamento de API: os preços do V4-Flash-Vision-Exp são idênticos aos do V4-Flash de texto puro. A DeepSeek não cobra um prémio pela capacidade visual, uma decisão que contrasta com a prática habitual da indústria de cobrar mais por modelos multimodais.
| Tipo de token | Preço fora de pico | Preço em horário de pico |
|---|---|---|
| Input (cache miss) | 0,22 $ por milhão de tokens | 0,44 $ por milhão de tokens |
| Input (cache hit) | 0,007 $ por milhão de tokens | 0,014 $ por milhão de tokens |
| Output | 0,66 $ por milhão de tokens | 1,32 $ por milhão de tokens |
| Imagem (input) | Até 384 tokens/imagem, à taxa de input normal | Idem, à taxa de pico |
Os preços em horário de pico são, na prática, o dobro dos preços fora de pico, um sistema que a DeepSeek já usa noutros modelos da gama para distribuir a carga nos seus servidores. Para equipas europeias, isto abre uma janela de poupança real: processar lotes grandes de imagens ou documentos fora das horas de maior procura na China pode cortar a fatura para metade.
DeepSeek V4-Flash-Vision-Exp contra Claude Opus 4.8: os números do empate
A DeepSeek publicou os primeiros resultados de benchmarks de agentes multimodais no próprio dia do lançamento, comparando diretamente o novo modelo com o Claude Opus 4.8 da Anthropic. O resultado, confirmado por várias fontes independentes que replicaram os números, foi um empate de 2 a 2 em quatro provas.
| Benchmark | DeepSeek V4-Flash-Vision-Exp | Claude Opus 4.8 | Vencedor |
|---|---|---|---|
| Agents’ Last Exam (ALE) | 27,3 | 25,7 | DeepSeek |
| ZeroBench (Pass@5) | 35,0 | 34,0 | DeepSeek |
| ApexBench (Pass@1) | 36,5 | 39,4 | Opus 4.8 |
| Chartography | 64,3 | 65,0 | Opus 4.8 |
Nos dois testes que o modelo chinês venceu, a margem é pequena mas consistente: 1,6 pontos no Agents’ Last Exam e 1,0 ponto no ZeroBench. Nos dois testes em que o Opus 4.8 continua à frente, a diferença também é curta, 2,9 pontos no ApexBench e apenas 0,7 pontos no Chartography. Em nenhum dos quatro casos há uma vitória esmagadora, o que reforça a leitura de que os dois modelos operam, hoje, numa faixa de capacidade muito próxima nos testes de agentes com imagem.
Num comunicado publicado na rede social X no dia do lançamento, a própria DeepSeek resumiu assim os resultados: “Nos benchmarks de agentes multimodais, o V4-Flash-Vision-Exp representa um salto grande face ao V4-Flash, aproximando o desempenho de agentes multimodais do nível do Opus-4.8.” É uma formulação cuidadosa, que fala em “aproximar-se” e não em “superar”, apesar dos dois benchmarks em que o modelo chinês efetivamente ficou à frente.
A subida face ao próprio antecessor
Mais relevante do que a comparação com a Anthropic é talvez a comparação interna. Face ao V4-Flash-0731, o seu antecessor direto lançado em julho, o V4-Flash-Vision-Exp melhora em seis dos sete benchmarks de texto avaliados. No ApexBench, por exemplo, a pontuação sobe de 26,2 para 36,5, um salto de mais de 10 pontos. No Agents’ Last Exam, sobe de 25,2 para 27,3.
Este salto interno é o dado que melhor explica por que motivo a DeepSeek decidiu lançar já esta variante experimental, em vez de esperar por um V4.1 ou V5 mais amadurecido. A empresa parece estar a testar em produção real, com utilizadores pagantes, uma técnica de pós-treino que já mostrou resultados sólidos internamente.
Como aceder à API do novo modelo
Para já, o V4-Flash-Vision-Exp só está disponível através da plataforma paga de programadores da DeepSeek, embora já apareça listado em agregadores como o OpenRouter e tenha sido integrado em ferramentas de terceiros como a Writingmate. O modelo é compatível com três formatos de pedido: Chat Completions, um endpoint compatível com o formato /messages da Anthropic, e a Responses API.
Um pedido simples com imagem e texto, usando o formato Chat Completions, tem este aspeto:
curl https://api.deepseek.com/chat/completions \
-H "Authorization: Bearer SUA_CHAVE_API" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash-vision-exp",
"messages": [
{
"role": "user",
"content": [
{"type": "text", "text": "Descreve o que vês nesta imagem"},
{"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}
]
}
]
}'Para quem já usa a API da DeepSeek nos seus projetos, a migração para a variante visual não exige alterações estruturais, basta trocar o nome do modelo e começar a enviar imagens junto do texto.
O contexto mais amplo: uma guerra de preços entre modelos de fronteira
O lançamento da DeepSeek não acontece isolado. Agosto de 2026 tornou-se um dos meses mais concorridos de sempre no topo da tabela de modelos de IA. A OpenAI reorganizou o ChatGPT à volta do GPT-5.6 Sol a 6 e 7 de agosto, e cortou o preço da variante GPT-5.6 Luna em 80%, para cerca de 0,20 dólares por milhão de tokens de input, tornando-a acessível também a utilizadores gratuitos.
A Anthropic lançou o Claude Opus 5 a 24 de julho, posicionado a metade do custo do seu modelo topo de gama Claude Fable 5. A Google levou o Gemini 3.7 Flash a disponibilidade geral estável a 13 de agosto, depois de a versão 3.6 já ter cortado até 65% o consumo de tokens em tarefas longas de agentes. Do lado chinês, a Alibaba lançou o Qwen3.8-Max a 3 de agosto, descrito como o maior modelo de pesos abertos alguma vez lançado, com 2,4 biliões de parâmetros totais e cerca de 95 mil milhões ativos. A Z.ai, por sua vez, lançou o GLM-5.3 a 14 de agosto, um modelo focado em programação que já foi usado para encontrar mais de mil falhas de segurança reais em software amplamente usado.
Onde a DeepSeek se encaixa no panorama de agosto
| Modelo | Empresa | Data de lançamento | Destaque |
|---|---|---|---|
| GPT-5.6 Sol / Luna | OpenAI | 6-7 de agosto de 2026 | Corte de 80% no preço da variante Luna |
| Claude Opus 5 | Anthropic | 24 de julho de 2026 | Metade do custo do Claude Fable 5 |
| Gemini 3.7 Flash | 13 de agosto de 2026 | Até 65% menos tokens em tarefas longas | |
| Qwen3.8-Max | Alibaba | 3 de agosto de 2026 | 2,4 biliões de parâmetros, o maior de pesos abertos |
| GLM-5.3 | Z.ai | 14 de agosto de 2026 | Mais de mil falhas de segurança encontradas |
| V4-Flash-Vision-Exp | DeepSeek | 21 de agosto de 2026 | Primeiro modelo multimodal da linha V4-Flash |
Olhando para esta tabela, fica claro que a DeepSeek chegou por último a este ciclo de lançamentos de agosto, mas fê-lo sem subir o preço, uma estratégia que continua a ser a marca registada da empresa desde o lançamento do R1 em 2025. Enquanto os laboratórios americanos competem sobretudo em capacidade e cortam preços a partir de uma base mais alta, a DeepSeek mantém-se no mesmo patamar de custo desde o V4-Flash original e usa a atualização para adicionar funcionalidade, não para justificar um aumento.
Contexto histórico: da DeepSeek-V3 ao V4-Flash
Para perceber a importância deste lançamento, vale a pena olhar para o percurso da DeepSeek nos últimos dois anos. A série DeepSeek-V3 e a sua atualização V3.1 estabeleceram a reputação da empresa como fornecedora de modelos eficientes e baratos, treinados com uma fração do investimento dos rivais americanos. O DeepSeek-R1, focado em raciocínio reforçado e comportamento agêntico, consolidou essa reputação e tornou-se referência para quem procura alternativas de baixo custo a modelos de raciocínio como o o1 da OpenAI.
O V4-Flash, lançado em beta pública a 31 de julho de 2026, trouxe o salto para o milhão de tokens de contexto e reforçou as capacidades de agentes com uso de ferramentas. O V4-Flash-Vision-Exp, lançado apenas três semanas depois, é a primeira vez que esta linha ganha visão. É um ritmo de iteração que dificilmente se via há dois anos em qualquer laboratório, chinês ou americano, e que hoje passou a ser quase rotina.
Impacto no mercado e na corrida de IA
Os dados disponíveis sobre reação de mercado a este lançamento específico são, para já, limitados. Não há, até à data de publicação, números confirmados de variação em ações de fabricantes de chips como a Nvidia diretamente atribuíveis ao anúncio do V4-Flash-Vision-Exp. O que existe é um contexto mais amplo, amplamente documentado pela imprensa financeira, de que startups chinesas como a DeepSeek continuam a intensificar a procura por capacidade de computação, ao mesmo tempo que operam sob restrições de exportação de chips avançados impostas pelos Estados Unidos.
É precisamente essa restrição que ajuda a explicar a aposta continuada da DeepSeek em arquiteturas MoE eficientes. Com menos acesso a hardware de ponta do que os concorrentes americanos, a empresa tem de extrair mais desempenho por cada unidade de computação disponível, e o rácio de 13 mil milhões de parâmetros ativos em 284 mil milhões totais é um exemplo direto dessa pressão.
O pano de fundo regulatório na Europa
Para leitores em Portugal e no resto da União Europeia, este lançamento também chega num momento de reforço regulatório. O AI Act da UE, juntamente com legislação estadual como a californiana SB 942, entrou em vigor a 2 de agosto de 2026, impondo novas obrigações de transparência a fornecedores de modelos de fronteira. Empresas portuguesas que integrem a API da DeepSeek nos seus produtos vão precisar de documentar essa dependência nas suas próprias avaliações de conformidade, sobretudo se o modelo for usado em decisões automatizadas com impacto sobre pessoas.
Vale ainda notar que, tal como acontece com outros modelos chineses, o uso do V4-Flash-Vision-Exp em contexto empresarial na Europa deve passar por uma avaliação própria de transferência de dados, já que os pedidos são processados em infraestrutura da DeepSeek fora do espaço económico europeu.
Limitações que valem a pena conhecer antes de adotar
Nem tudo no V4-Flash-Vision-Exp é vantagem. O limite de 384 tokens por imagem, embora simplifique a faturação, também impõe um teto de detalhe. Imagens muito densas em texto, como capturas de ecrã com muitas linhas de código ou tabelas complexas, podem perder informação quando comprimidas para caber nesse limite. É uma troca deliberada entre custo e fidelidade visual, e para casos de uso que exigem leitura precisa de texto pequeno dentro de imagens, pode não ser suficiente.
Outra limitação é a própria natureza “experimental” do modelo. A DeepSeek não deu garantias de disponibilidade a longo prazo para esta variante específica, o que significa que projetos em produção que dependam dela devem ter um plano de contingência caso o modelo seja descontinuado ou substituído sem aviso prolongado, algo que já aconteceu com variantes experimentais anteriores de outros laboratórios.
O que isto significa para programadores em Portugal
Para equipas portuguesas de engenharia, o V4-Flash-Vision-Exp representa sobretudo uma opção de custo para tarefas de visão que antes exigiam modelos mais caros. Ler capturas de ecrã de erros para automatizar suporte técnico, extrair dados de faturas digitalizadas, ou dar a um agente a capacidade de “ver” o resultado de uma ação numa interface, são todos casos de uso onde o preço agressivo da DeepSeek pode reduzir significativamente a fatura mensal de API face a alternativas da OpenAI, Google ou Anthropic.
Ainda assim, para aplicações críticas onde a precisão de leitura de texto em imagem é essencial, como documentos legais digitalizados ou contratos, o limite de 384 tokens por imagem justifica um período de testes cuidadoso antes de qualquer substituição de modelos já em produção.
Previsões: o que esperar nos próximos meses
- Mais lançamentos multimodais chineses de baixo custo. Depois do V4-Flash-Vision-Exp e do Qwen3.8-Max, é provável que outros laboratórios chineses, incluindo a Z.ai, sigam o mesmo caminho de adicionar visão a modelos de texto já existentes em vez de treinar do zero.
- Pressão contínua sobre preços de input com imagem. Com a DeepSeek a cobrar o mesmo por texto e imagem, é expectável que outros fornecedores sejam forçados a rever a sua política de preços diferenciados para conteúdo visual.
- Diferenciação por qualidade de agentes, não só por benchmark isolado. Com resultados tão próximos como o empate 2-2 registado aqui, tanto a Anthropic como a OpenAI devem apostar em casos de uso completos e fiabilidade em produção, mais do que em vencer uma tabela específica.
- Maior escrutínio regulatório na Europa. Com o AI Act já em vigor, é expectável que reguladores europeus comecem a pedir mais transparência a empresas que integrem modelos de fornecedores chineses nos seus produtos voltados para consumidores da UE.
- Consolidação de “modelos-teste” como prática comum. O rótulo “experimental” usado pela DeepSeek deve tornar-se cada vez mais frequente entre laboratórios, como forma de validar técnicas em produção real antes de as integrar na linha principal de modelos.
Comparação direta: o que muda para quem já usa modelos de visão
Para quem já usa modelos de visão de outros fornecedores, a principal mudança prática trazida pelo V4-Flash-Vision-Exp é a ausência de sobretaxa. A maioria dos modelos multimodais no mercado cobra mais por token de imagem do que por token de texto, refletindo o custo adicional de processamento visual. A DeepSeek optou por absorver esse custo dentro do preço já praticado para texto, uma decisão que só é sustentável graças à eficiência da sua arquitetura MoE e ao limite relativamente apertado de 384 tokens por imagem.
Do lado do desempenho, o empate técnico com o Opus 4.8 em quatro benchmarks de agentes sugere que, pela primeira vez, um modelo chinês de baixo custo consegue competir com um modelo topo de gama americano em tarefas que combinam raciocínio, uso de ferramentas e compreensão visual, e não apenas em benchmarks de texto puro, onde a DeepSeek já vinha demonstrando resultados competitivos há mais tempo.
Perguntas Frequentes
Quando foi lançado o DeepSeek V4-Flash-Vision-Exp?
O modelo ficou disponível na plataforma de API da DeepSeek a 21 de agosto de 2026, como uma variante experimental do V4-Flash lançado em beta a 31 de julho do mesmo ano.
O DeepSeek V4-Flash-Vision-Exp é melhor do que o Claude Opus 4.8?
Não de forma absoluta. Nos quatro benchmarks de agentes multimodais publicados, o resultado foi um empate de 2 a 2. A DeepSeek venceu no Agents’ Last Exam e no ZeroBench, enquanto o Opus 4.8 manteve vantagem no ApexBench e no Chartography.
Quanto custa usar o V4-Flash-Vision-Exp?
Os preços são idênticos aos do V4-Flash de texto: cerca de 0,22 dólares por milhão de tokens de input fora de pico e 0,66 dólares por milhão de tokens de output, com valores em dobro durante horários de pico. Imagens são faturadas como input, até 384 tokens cada.
Quantas imagens posso enviar num único pedido?
O modelo suporta até 600 imagens por pedido, combinadas com texto no mesmo input, através dos formatos Chat Completions, do endpoint compatível com a Anthropic ou da Responses API.
O V4-Flash-Vision-Exp está disponível em Portugal?
Sim, o acesso é feito através da API pública da DeepSeek, disponível globalmente, incluindo em Portugal. Empresas que o integrem em produtos para utilizadores da União Europeia devem, no entanto, avaliar as obrigações do AI Act e as regras de transferência de dados para fora do espaço europeu.
Qual é a diferença entre o V4-Flash e o V4-Flash-Vision-Exp?
O V4-Flash é o modelo de texto original, lançado a 31 de julho de 2026. O V4-Flash-Vision-Exp é um ramo experimental do mesmo modelo, treinado adicionalmente para processar imagens, mantendo as mesmas capacidades de texto, agentes e raciocínio.
Este modelo vai substituir o V4-Flash normal?
Não há, até à data, anúncio da DeepSeek nesse sentido. O rótulo “experimental” sugere que a empresa está a testar a receção do mercado antes de decidir se a capacidade visual passa a estar integrada por definição na linha V4-Flash principal.
Que arquitetura usa o V4-Flash-Vision-Exp?
Usa uma arquitetura de mistura de especialistas (MoE) com 284 mil milhões de parâmetros totais, dos quais apenas 13 mil milhões ficam ativos por token processado, a mesma base do V4-Flash original.
Cobertura Relacionada
- API DeepSeek: Cria uma App de IA em 14 Passos [2026]
- Gemini CLI: Instala e Configura em 12 Passos, 45 Min [2026]
- Mistral AI Local: 12 Passos com Ollama, 45 Min [2026]
- Meta Muse Glimmer: 30B Parâmetros em Apache 2.0 [2026]
- Agentes de IA Atacam Sistemas Reais 19 Vezes [2026]
- Injeção de Prompt Atinge 73% da IA em Produção [2026]
Para mais cobertura sobre modelos de linguagem, agentes e o panorama da inteligência artificial, consulta a secção de Inteligência Artificial do Shattered.io.
Fontes: anúncio oficial da DeepSeek API, registo de alterações da documentação da DeepSeek, cobertura da SiliconANGLE, análise técnica da eesel.ai, tabela de benchmarks da iweaver.ai e ficha de preços do OpenRouter.
