A DeepSeek oficializou a 13 de agosto de 2026 o lançamento do V4 Pro, a versão de topo da sua família de modelos de linguagem, com uma arquitetura de mistura de especialistas (MoE) de 1,6 biliões de parâmetros totais. A novidade não é só técnica: a Reuters noticiou que a empresa chinesa colocou o preço da API “até 14 vezes mais alto” do que o do irmão mais barato, o V4 Flash, invertendo o guião que tornou a DeepSeek famosa em janeiro de 2025. Desta vez, o objetivo não é disrupção pelo preço, mas conquistar o segmento de programação agenteica e tarefas de raciocínio longo, onde a empresa diz atingir 80,6% no SWE-bench Verified.
Para os leitores em Portugal que acompanham a corrida aos modelos abertos, o V4 Pro chega numa altura em que setembro de 2026 já regista pelo menos seis lançamentos importantes de LLMs, segundo o rastreador themodelgap.com. Este artigo explica os números reais por trás do modelo, compara-o com a concorrência aberta (Llama 4, Mistral Large 3, GLM-5.2) e analisa se a história se repete ou se o mercado financeiro já está imune a este tipo de anúncio.
O que é o DeepSeek V4 Pro e porque chegou agora
O DeepSeek V4 Pro não nasceu do nada em agosto. A empresa vinha a testar o modelo em fase de pré-visualização desde 24 de abril de 2026, quase quatro meses antes da disponibilidade geral (GA) anunciada a 13 de agosto. Essa janela longa permitiu à DeepSeek afinar o comportamento agenteico do modelo antes de o expor a clientes empresariais que pagam por chamadas de API em produção.
O V4 Pro chega poucas semanas depois do lançamento do V4 Flash (build 0731, disponível desde 31 de julho de 2026), pensado como a opção económica da família. Ao contrário do que aconteceu com o R1 em janeiro de 2025, quando a DeepSeek surpreendeu o mercado com um modelo mais barato e igualmente competente, desta vez a estratégia inverteu-se: o V4 Pro é vendido como um produto premium, com um preço que reflete isso mesmo.
Segundo a documentação oficial da API do DeepSeek, o lançamento juntou-se a uma mudança na forma como a empresa cobra pelos tokens processados, passando de uma tarifa fixa para um esquema de preços por hora de pico e fora de pico, uma decisão que a própria DeepSeek justificou como forma de “distribuir os recursos de forma mais racional” perante a procura desigual ao longo do dia.
Os números por trás do modelo: 1,6 biliões de parâmetros e MoE
Tecnicamente, o V4 Pro segue a filosofia que já tinha tornado a DeepSeek conhecida: um modelo gigante no papel, mas económico na prática graças à arquitetura de mistura de especialistas. Dos 1,6 biliões de parâmetros totais, apenas cerca de 49 mil milhões são ativados por cada token processado. É esta diferença entre parâmetros totais e parâmetros ativos que permite a um modelo desta escala correr com custos de inferência muito inferiores aos de um modelo denso equivalente.
A janela de contexto subiu para 1 milhão de tokens, o suficiente para carregar bases de código inteiras, longos históricos de conversa ou múltiplos documentos técnicos numa única chamada à API. Este valor coloca o V4 Pro ao nível dos modelos mais avançados da concorrência aberta em termos de contexto, embora ainda fique aquém do Llama 4 Scout da Meta, que a Meta anuncia com até 10 milhões de tokens de contexto.
Outro ponto que distingue o V4 Pro é a licença: os pesos do modelo foram disponibilizados sob licença MIT, uma das licenças de código aberto mais permissivas que existem, sem restrições relevantes para uso comercial ou auto-hospedagem. Isto significa que qualquer empresa com infraestrutura suficiente pode descarregar o modelo através do repositório da DeepSeek no Hugging Face e correr inferência sem depender da API oficial.
Benchmarks: 80,6% no SWE-bench Verified e outros resultados
O número que a DeepSeek mais destaca na apresentação do V4 Pro é o resultado de 80,6% no SWE-bench Verified, o benchmark que testa a capacidade de um modelo para resolver problemas reais reportados em repositórios de código aberto no GitHub. É um resultado que coloca o modelo no grupo da frente entre os LLMs abertos disponíveis atualmente, embora, como qualquer benchmark divulgado pelo próprio fabricante, ainda careça de validação totalmente independente e replicável por terceiros.
A build 0813 (a versão que passou a GA) trouxe ainda melhorias significativas face à versão de pré-visualização em testes de programação agenteica. No Terminal Bench 2.1, o modelo subiu de 72,1 para 87,9 pontos, um salto de 15,8 pontos. Noutros testes divulgados junto do lançamento, o V4 Pro regista 61,5 no NL2Repo, 83,3 no Cybergym e 62,7 no DeepSWE, segundo dados recolhidos por avaliadores independentes que acompanham os lançamentos da empresa.
Estes números reforçam o posicionamento do V4 Pro como um modelo orientado a fluxos de trabalho de engenharia de software: revisão automática de pull requests, geração de testes, migração de código legado e análise estática de segurança são os casos de uso que a própria DeepSeek destaca na ficha técnica do modelo.
Preços: até 14 vezes mais caro que o V4 Flash
É aqui que o V4 Pro mais se afasta do ADN histórico da DeepSeek. A 16 de agosto de 2026, às 16h00 UTC, entrou em vigor a nova estrutura de preços da API: fora de pico, o modelo custa 0,66 dólares por milhão de tokens de entrada e 1,98 dólares por milhão de tokens de saída. Em horário de pico (definido pela DeepSeek como as manhãs de dias úteis, aproximadamente entre a 1h e as 4h e entre as 6h e as 10h UTC), os preços duplicam para 1,32 dólares de entrada e 3,96 dólares de saída por milhão de tokens.
Antes desta mudança, durante os primeiros dias após a disponibilidade geral, o modelo era cobrado a uma tarifa fixa de 0,435 dólares por milhão de tokens de entrada e 0,87 dólares por milhão de saída, valores que a própria Reuters descreveu como já “várias vezes mais altos” que os do V4 Flash. Com a estrutura de pico já em vigor, a diferença face ao Flash pode chegar às 14 vezes em alguns cenários de utilização, segundo o cálculo feito pela agência.
Vale ainda notar que os tokens de entrada com acerto de cache (cache hit) ficam muito mais baratos: 0,022 dólares fora de pico e 0,044 dólares em pico por milhão de tokens, um incentivo claro para aplicações que reutilizam o mesmo contexto (por exemplo, um agente que consulta repetidamente a mesma base de código) em vez de reenviar o prompt inteiro a cada chamada.
| Tipo de token | Fora de pico (por 1M tokens) | Pico (por 1M tokens) |
|---|---|---|
| Entrada (cache miss) | 0,66 $ | 1,32 $ |
| Entrada (cache hit) | 0,022 $ | 0,044 $ |
| Saída | 1,98 $ | 3,96 $ |
| V4 Flash – entrada (referência) | 0,22 $ | 0,44 $ |
| V4 Flash – saída (referência) | 0,66 $ | 1,32 $ |
Tabela comparativa: DeepSeek V4 Pro frente a Llama 4, Mistral Large 3 e GLM-5.2
O espaço dos modelos abertos ficou mais apertado em 2026. Além da própria DeepSeek, a Meta continua a apostar na família Llama 4, a francesa Mistral mantém o Large 3 sob licença Apache 2.0 e a chinesa Zhipu AI (com o GLM-5.2) também disputa o mesmo território de contexto longo e licenciamento permissivo. A tabela seguinte junta os dados publicamente disponíveis para cada modelo, com a ressalva de que benchmarks entre fabricantes diferentes nem sempre são medidos exatamente da mesma forma.
| Modelo | Parâmetros | Contexto | Licença | SWE-bench Verified |
|---|---|---|---|---|
| DeepSeek V4 Pro | 1,6 biliões (MoE, 49B ativos) | 1M tokens | MIT | 80,6% |
| Llama 4 Maverick (Meta) | ~400 mil milhões (MoE) | 1M tokens | Llama Community License | Não divulgado publicamente |
| Llama 4 Scout (Meta) | Menor densidade que o Maverick | Até 10M tokens | Llama Community License | ~70% |
| Mistral Large 3 | Não totalmente divulgado | 128K tokens | Apache 2.0 | ~73% |
| GLM-5.2 (Zhipu AI) | Não totalmente divulgado | 1M tokens | Aberta (pesos abertos) | Não divulgado (GPQA Diamond 91,2%) |
| DeepSeek V3.2 (antecessor) | ~685 mil milhões (MoE) | 128K tokens | MIT | 67,8% |
Dois pormenores saltam à vista. Primeiro, o V4 Pro lidera claramente no SWE-bench Verified entre os modelos com dados publicados, o que explica a aposta da DeepSeek em vender o modelo como ferramenta de programação, não como assistente generalista. Segundo, a Meta e a Mistral optam por licenças ligeiramente mais restritivas (a Llama Community License impõe limites a empresas com mais de 700 milhões de utilizadores mensais) do que a MIT escolhida pela DeepSeek, o que continua a dar à empresa chinesa uma vantagem competitiva junto de startups e integradores de software que querem total liberdade de utilização.
Como aceder à API do DeepSeek V4 Pro
Para programadores que já usam a API da DeepSeek, a transição para o V4 Pro não exige alterações estruturais: basta apontar o parâmetro do modelo para o novo identificador. Um pedido básico via linha de comandos tem este aspeto:
curl https://api.deepseek.com/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-d '{
"model": "deepseek-v4-pro",
"messages": [
{"role": "user", "content": "Revê este pull request e aponta bugs de seguranca"}
],
"max_tokens": 4096
}'A diferença prática está na faturação: como os preços variam consoante a hora do pedido, equipas que processam grandes volumes de tokens (por exemplo, para gerar testes automatizados em lote) podem reduzir substancialmente a fatura mensal simplesmente agendando essas tarefas para fora das janelas de pico definidas pela DeepSeek. Para quem prefere não depender da infraestrutura da empresa chinesa, a alternativa é descarregar os pesos MIT do modelo e correr inferência em hardware próprio ou alugado, ainda que um modelo de 1,6 biliões de parâmetros exija clusters de GPU consideráveis mesmo com a eficiência do MoE.
O contexto histórico: o “momento DeepSeek” de janeiro de 2025
Para perceber por que o lançamento do V4 Pro está a ser tão escrutinado, é preciso recuar a 27 de janeiro de 2025. Nesse dia, a DeepSeek lançou o R1, um modelo de raciocínio de código aberto que a empresa afirmou ter custado menos de 6 milhões de dólares a treinar, segundo reportagem da CNBC, e que rivalizava com o o1 da OpenAI em vários testes. O choque nos mercados foi imediato: as ações da Nvidia caíram cerca de 17% num único dia, apagando entre 589 e 593 mil milhões de dólares em valor de mercado, segundo cálculos coincidentes da Reuters, da Bloomberg e da CNBC. Foi a maior perda de valor de mercado num único dia da história de uma empresa cotada nos Estados Unidos.
Esse episódio ficou conhecido como o “momento DeepSeek” e mudou a forma como investidores e analistas olham para a corrida à inteligência artificial: passou a existir a hipótese real de que a vantagem competitiva das empresas norte-americanas em modelos fechados podia ser corroída por concorrentes chineses dispostos a publicar pesos abertos e a cobrar preços muito mais baixos.
Reação do mercado em 2026: por que Wall Street não entrou em pânico desta vez
O lançamento do V4 Pro não reproduziu o choque de janeiro de 2025, e há razões concretas para isso. Em primeiro lugar, o modelo já circulava em pré-visualização desde abril, o que retirou o fator surpresa que tanto pesou na reação do mercado ao R1. Em segundo lugar, e mais importante, a estratégia de preços é o oposto: em vez de baratear drasticamente o acesso a um modelo competente, a DeepSeek subiu os preços e posicionou o V4 Pro como oferta premium. A Reuters resumiu bem esta mudança de tom, descrevendo o lançamento como uma tentativa de transformar um desempenho de benchmark mais forte numa oferta de topo premium, não como uma história de disrupção pelo preço.
Esta diferença de abordagem ajuda a explicar por que não há, até à data de publicação, registo de qualquer movimento acentuado nas ações de fabricantes de chips de IA associável diretamente ao lançamento do V4 Pro. O mercado parece já ter incorporado a ideia de que a DeepSeek vai continuar a lançar modelos competitivos com regularidade, o que dilui o efeito de surpresa que qualquer lançamento isolado pode ter.
Impacto para empresas europeias e portuguesas
Para equipas de engenharia em Portugal, o principal efeito prático do V4 Pro é o alargamento da lista de modelos abertos com desempenho de topo em tarefas de código, todos com licenças que permitem auto-hospedagem. Isto interessa em particular a empresas sujeitas a requisitos de soberania de dados, que preferem correr inferência em infraestrutura própria ou em nuvens europeias em vez de enviar código-fonte para APIs alojadas fora da União Europeia.
Ao mesmo tempo, a subida de preços da API oficial da DeepSeek reduz um dos argumentos que mais pesava a favor da empresa chinesa nos últimos dois anos: o custo por token muito abaixo da concorrência ocidental. Equipas que escolheram a DeepSeek sobretudo pelo preço vão ter de refazer as contas, sobretudo se dependerem de picos de utilização coincidentes com o horário europeu, que se sobrepõe parcialmente às janelas de pico definidas pela empresa em UTC.
Licença MIT e o que significa para produção
A escolha da licença MIT para os pesos do V4 Pro não é um pormenor menor. Ao contrário de licenças com cláusulas de utilização condicionadas, como a que a Meta aplica à família Llama, a MIT permite modificar, redistribuir e comercializar derivados do modelo sem restrições sobre o número de utilizadores da empresa que o adota. Isto abre a porta a que fornecedores de software independentes empacotem o V4 Pro dentro dos seus próprios produtos, algo que já aconteceu com versões anteriores da família DeepSeek.
Na prática, a maioria das empresas continuará a preferir a API oficial em vez de auto-hospedar um modelo de 1,6 biliões de parâmetros, dado o investimento em GPUs que isso implica. Mas a existência da opção de auto-hospedagem funciona como um limite natural aos preços que a DeepSeek pode praticar: se a diferença entre a API paga e correr o modelo em casa se tornar demasiado grande, as maiores empresas com equipas de infraestrutura próprias vão simplesmente optar por essa segunda via.
Limitações e riscos do modelo aberto
Nem tudo no V4 Pro é isento de críticas. Os benchmarks divulgados no lançamento vêm da própria DeepSeek ou de avaliadores que reproduziram os testes com acesso limitado ao modelo, e a validação totalmente independente destes números costuma demorar semanas a consolidar-se depois do lançamento inicial. Também o histórico da família DeepSeek já mostrou casos de comportamento inesperado em ambientes de teste isolados (sandbox), o que reforça a necessidade de as empresas testarem exaustivamente qualquer modelo aberto antes de o colocar em produção com acesso a sistemas sensíveis.
Há ainda a questão geopolítica de fundo: a origem chinesa do modelo continua a alimentar debate sobre soberania tecnológica e sobre até que ponto empresas europeias devem depender de modelos de fronteira desenvolvidos fora do bloco ocidental, sobretudo em casos de uso que envolvem código-fonte proprietário ou dados sensíveis de clientes.
A evolução da família DeepSeek: de R1 a V4 Pro
Olhando para trás, é possível traçar uma linha clara entre o R1 de janeiro de 2025 e o V4 Pro de agosto de 2026. A tabela seguinte resume essa evolução, com os benchmarks disponíveis para cada geração.
| Modelo | Data de lançamento | Parâmetros | Destaque |
|---|---|---|---|
| DeepSeek R1 | 27 de janeiro de 2025 | ~670 mil milhões (MoE) | Provocou queda de 17% na Nvidia; MATH-500 97,3% |
| DeepSeek V3.2 | 2025 (versão intermédia) | ~685 mil milhões (MoE) | AIME 2025: 89,3%; SWE-bench Verified: 67,8% |
| DeepSeek V4 Flash | 31 de julho de 2026 | 1,6 biliões (MoE) | Opção económica; líder de utilização no OpenRouter |
| DeepSeek V4 Pro | 13 de agosto de 2026 | 1,6 biliões (MoE, 49B ativos) | SWE-bench Verified 80,6%; preço até 14x mais alto que o Flash |
O padrão que emerge é o de uma empresa que passou de disruptor pelo preço a fornecedor com um portefólio segmentado, à semelhança do que a OpenAI, a Anthropic ou a Google DeepMind já fazem há anos: um modelo económico de alto volume (V4 Flash) e um modelo premium para tarefas exigentes (V4 Pro).
O que vem a seguir: previsões para o resto de 2026
Com base no ritmo de lançamentos observado até agora, há um conjunto de tendências razoavelmente previsíveis para os próximos meses:
- A pressão competitiva deve empurrar a Meta e a Mistral a divulgar benchmarks mais completos e comparáveis para o Llama 4 e o Mistral Large 3, hoje ainda incompletos face aos números que a DeepSeek publica.
- É provável que a DeepSeek introduza um esquema de preços diferenciado por região ou por volume, à medida que clientes empresariais europeus e norte-americanos negociarem condições fora da tabela pública da API.
- O número de lançamentos mensais de LLMs de fronteira deve manter-se elevado: setembro de 2026 já soma pelo menos seis lançamentos relevantes segundo o rastreador themodelgap.com, um ritmo que dificilmente vai abrandar antes do final do ano.
- Modelos abertos com licenças permissivas como a MIT devem continuar a ganhar terreno em empresas europeias preocupadas com soberania de dados, mesmo que isso signifique custos de infraestrutura mais altos do que usar uma API paga.
- É expectável nova validação independente dos números do SWE-bench Verified do V4 Pro nas próximas semanas, o que pode confirmar ou moderar a vantagem de 80,6% anunciada pela DeepSeek.
Nenhuma destas previsões está garantida, mas todas assentam em padrões já visíveis no comportamento da própria DeepSeek e dos seus concorrentes diretos ao longo de 2025 e 2026.
Perguntas Frequentes
O que é o DeepSeek V4 Pro?
É o modelo de linguagem de topo da DeepSeek, lançado oficialmente a 13 de agosto de 2026, com arquitetura de mistura de especialistas (MoE), 1,6 biliões de parâmetros totais e 49 mil milhões de parâmetros ativos por token.
Quanto custa usar o DeepSeek V4 Pro pela API?
Fora de pico, custa 0,66 dólares por milhão de tokens de entrada e 1,98 dólares por milhão de tokens de saída. Em horário de pico, os valores duplicam para 1,32 e 3,96 dólares, respetivamente.
O DeepSeek V4 Pro é gratuito ou de código aberto?
Os pesos do modelo estão disponíveis sob licença MIT, o que permite descarregar, modificar e usar o modelo comercialmente sem restrições relevantes. A API oficial da DeepSeek, no entanto, é paga.
Como se compara o DeepSeek V4 Pro ao Llama 4 e ao Mistral Large 3?
Nos dados publicamente disponíveis, o V4 Pro lidera no SWE-bench Verified com 80,6%, acima do Mistral Large 3 (cerca de 73%) e do Llama 4 Scout (cerca de 70%). A Meta não divulgou publicamente um resultado equivalente para o Llama 4 Maverick.
Porque é que o V4 Pro é mais caro do que os modelos anteriores da DeepSeek?
A DeepSeek decidiu posicionar o V4 Pro como uma oferta premium, ao contrário da estratégia de preço baixo que usou com o R1 em 2025. A empresa também introduziu uma estrutura de preços por horário de pico e fora de pico a partir de 16 de agosto de 2026.
O lançamento do V4 Pro afetou as ações da Nvidia como aconteceu com o R1?
Não há registo de um movimento comparável ao de janeiro de 2025, quando a Nvidia perdeu cerca de 17% do seu valor de mercado num único dia. O lançamento do V4 Pro foi antecedido por meses de pré-visualização e não trouxe o mesmo fator surpresa nem a mesma vantagem de preço.
Qual é a janela de contexto do DeepSeek V4 Pro?
O modelo suporta até 1 milhão de tokens de contexto, o suficiente para processar bases de código extensas ou múltiplos documentos numa única chamada.
Vale a pena migrar do DeepSeek V4 Flash para o V4 Pro?
Depende do caso de uso. Para tarefas simples e de alto volume, o V4 Flash continua a ser a opção mais económica. Para tarefas de programação complexa ou raciocínio agenteico onde a precisão compensa o custo adicional, o V4 Pro justifica-se pelos ganhos de desempenho documentados nos benchmarks.
