A DeepSeek lançou a 10 de setembro de 2026 o V4.1 Flash, um modelo com 552 mil milhões de parâmetros que promete preços até 90% mais baixos do que a versão anterior. A folha de especificações impressiona: arquitetura Mixture-of-Experts, contexto de 1 milhão de tokens e suporte nativo a imagens. Mas há um problema incómodo escondido nos dados publicados dias antes do lançamento. Um gráfico divulgado por Boris Cherny, da Anthropic, a 8 de setembro, coloca a família DeepSeek no último lugar de uma tabela com 15 modelos testados contra ataques de injeção de prompt. Juntando isso às descobertas recentes da Wiz e da Zenity sobre falhas em infraestrutura de IA, a história do V4.1 Flash não é só sobre desempenho e preço. É também sobre o custo escondido de correr para o open source mais barato do mercado.
O que é o DeepSeek V4.1 Flash e porque chega agora
O DeepSeek V4.1 Flash entrou em produção às 04:00 UTC de 10 de setembro de 2026, segundo o comunicado oficial da DeepSeek. Antes do lançamento definitivo, a empresa chinesa correu um beta de API de apenas dois dias, com um identificador de modelo temporário que expirava a 10 de setembro, uma prática pouco comum que sugere pressa em validar o modelo em produção real antes de o tornar permanente.
O nome “Flash” mantém-se, mas a substância mudou. Ao contrário do V4-Flash lançado em julho, que era pensado como a opção rápida e barata ao lado do V4 Pro mais robusto, o V4.1 Flash foi desenhado para o substituir de vez. A DeepSeek descreve-o como a maior mudança de arquitetura da linha V4 desde abril, com suporte multimodal nativo em vez de um módulo de visão externo colado ao modelo de texto, uma escolha de engenharia diferente da usada nas versões anteriores.
Esta notícia chega numa altura em que o mercado de modelos de linguagem em código aberto está mais competitivo do que nunca. A Meta, a Alibaba, a Mistral AI e a própria DeepSeek disputam utilizadores com lançamentos quase mensais, cada um a tentar cortar custos sem perder terreno nos benchmarks técnicos.
Arquitetura técnica: um codificador-descodificador causal com 552 mil milhões de parâmetros
Por baixo do capô, o V4.1 Flash usa uma arquitetura Mixture-of-Experts (MoE) com cerca de 552 mil milhões de parâmetros totais, divididos por 384 especialistas encaminhados mais um especialista partilhado. Para cada token processado, apenas seis especialistas são ativados, o que mantém o custo computacional sob controlo apesar do tamanho total do modelo. A DeepSeek treinou o modelo do zero com 45 biliões de tokens.
A grande novidade está no desenho “Causal Encoder-Decoder”, combinado com uma segunda geração de Compressed Sparse Attention. Na prática, o modelo separa o número de parâmetros ativos consoante a tarefa: cerca de 8 mil milhões de parâmetros entram em ação durante o pré-preenchimento (quando o modelo lê o pedido) e 16 mil milhões durante a geração da resposta. Esta divisão ajuda a explicar como um modelo com mais de meio bilião de parâmetros consegue correr a um custo por token tão baixo. A cache de chave-valor em FP4 reduz ainda mais o consumo de memória em contextos longos, que chegam a 1 milhão de tokens.
O suporte nativo a imagens marca outra diferença. Modelos anteriores da DeepSeek, incluindo o V4 Pro, dependiam de módulos de visão anexados ao núcleo de texto. O V4.1 Flash processa texto e imagem dentro da mesma arquitetura desde o treino, o que a empresa diz melhorar a coerência entre as duas modalidades em tarefas como leitura de gráficos ou análise de capturas de ecrã.
Preços: a fatura cai até 90% para quem usa a API
O corte de preços é o argumento comercial mais forte do lançamento. Segundo a tabela oficial da DeepSeek, replicada por vários serviços de monitorização de modelos como o LLM Stats, os novos valores entraram em vigor às 04:00 UTC de 10 de setembro e aplicam uma estrutura de dois níveis, fora de pico e em pico, algo que a DeepSeek já usava noutros modelos mas que agora fica mais acentuado.
| Tipo de token (por milhão) | V4.1 Flash fora de pico | V4.1 Flash em pico | V4 Pro (preço antigo, pico) |
|---|---|---|---|
| Entrada com cache | $0,003 | $0,006 | $0,044 |
| Entrada sem cache | $0,15 | $0,30 | $1,32 |
| Saída | $0,60 | $1,20 | $3,96 |
| Poupança fora de pico vs. V4 Pro | Entre 85% e 93% mais barato, consoante o tipo de token | ||
Fazendo as contas, um pedido com entrada em cache fica quase 93% mais barato fora de pico face ao preço antigo do V4 Pro. A saída, normalmente a fatia mais cara da fatura para quem constrói agentes ou chatbots, cai cerca de 85%. Esta queda de preço acontece meses depois de a própria DeepSeek ter subido drasticamente os preços do V4 Pro quando este foi lançado, uma decisão que já tínhamos analisado no artigo sobre a subida de preço de 14 vezes do V4 Pro. O V4.1 Flash inverte essa tendência e devolve a DeepSeek à sua imagem original de fornecedor de IA barata.
Desempenho nos benchmarks: onde o V4.1 Flash ganha e onde ainda perde
Os números de desempenho divulgados pela própria DeepSeek, e confirmados por análises independentes como a da SiliconANGLE, mostram um modelo que supera claramente a sua própria geração anterior mas que ainda não alcança os líderes ocidentais em todas as tarefas.
No benchmark DeepSWE v1.1, que mede a resolução de problemas reais de engenharia de software retirados do GitHub, o V4.1 Flash resolveu 74,2% das tarefas. Isto compara com 74,0% do Claude Opus 5, 73,0% do GPT-5.6 Sol e apenas 62,7% do antigo V4 Pro. É uma subida de mais de 11 pontos percentuais dentro da própria família DeepSeek, suficiente para empatar tecnicamente com os dois modelos rivais mais caros do mercado.
A imagem muda no Terminal-Bench 4.0, que testa a capacidade de operar uma linha de comandos de forma autónoma durante tarefas longas. Aqui o V4.1 Flash marca 31,2 pontos, mais do que o dobro dos 12,4 do antigo V4 Pro, mas ainda distante dos 51,8 do Claude Opus 5 e dos 39,9 do GPT-5.6 Sol. Nos restantes testes divulgados pela DeepSeek, o modelo atinge 90,9 no GPQA Diamond, 88,1 no CyberGym, 65,4 no NL2Repo-Bench e 63,9 no Humanity’s Last Exam com uso de ferramentas.
O padrão que emerge é claro: a DeepSeek fechou quase todo o fosso em tarefas de codificação isoladas, mas continua atrás em tarefas agênticas de longa duração, onde o modelo precisa de planear vários passos e manter o contexto de uma sessão de terminal. Para equipas que constroem agentes autónomos, essa diferença ainda pesa na escolha do fornecedor.
A app substitui o V4 Pro: o que muda para quem já usa a API
A DeepSeek não se limitou a lançar um novo modelo lado a lado com o antigo. A partir das 04:00 UTC de 14 de setembro de 2026, todos os pedidos feitos ao endpoint “deepseek-v4-pro” passaram a ser automaticamente redirecionados para o V4.1 Flash, cobrados às novas tarifas mais baixas. Esta ponte mantém-se ativa até a DeepSeek lançar uma futura versão “V4.1 Pro”, ainda sem data confirmada.
Na prática, isto significa que qualquer aplicação que apontasse para o modelo Pro passou a correr sobre uma arquitetura diferente sem qualquer alteração de código por parte do programador. Para a maioria dos casos de uso, a mudança traz apenas benefícios: respostas mais rápidas e uma fatura mais baixa no fim do mês. Mas equipas que tenham otimizado prompts especificamente para o comportamento do V4 Pro original podem notar diferenças subtis na formatação das respostas ou na forma como o modelo lida com instruções longas, algo que já aconteceu noutras transições silenciosas de modelo em fornecedores como a OpenAI e a Anthropic.
Da DeepSeek Coder ao V4.1 Flash: cronologia de uma ascensão rápida
Para perceber a velocidade a que a DeepSeek lança modelos, vale a pena olhar para o histórico completo da empresa. Em menos de três anos, a startup financiada pelos lucros do fundo de investimento quantitativo High-Flyer passou de um modelo de programação relativamente obscuro a um dos nomes mais citados da indústria de IA.
| Modelo | Data de lançamento | Especificações principais |
|---|---|---|
| DeepSeek Coder | 2 de novembro de 2023 | Primeiro modelo lançado pela empresa |
| DeepSeek V2 | 6 de maio de 2024 | 236 mil milhões de parâmetros totais, 21 mil milhões ativos, contexto de 128 mil tokens |
| DeepSeek V3 | 26 de dezembro de 2024 | Base da geração que originou o R1 |
| DeepSeek R1 | 20 de janeiro de 2025 | Modelo de raciocínio que provocou o maior tombo de sempre nas ações da Nvidia |
| DeepSeek V3.1 | 21 de agosto de 2025 | Atualização incremental sobre a V3 |
| DeepSeek V4 (preview) | 24 de abril de 2026 | 1,6 biliões de parâmetros totais (MoE), 49 mil milhões ativos por token |
| DeepSeek V4-Flash (beta) | 31 de julho de 2026 | 284 mil milhões de parâmetros totais, 13 mil milhões ativos |
| DeepSeek V4.1 Flash | 10 de setembro de 2026 | 552 mil milhões de parâmetros, arquitetura codificador-descodificador causal, multimodal nativo |
O padrão salta à vista: a cada nova geração, a DeepSeek reduz o número de parâmetros ativos por token enquanto aumenta o total de parâmetros disponíveis, uma estratégia de eficiência que lhe permite competir em desempenho sem disparar os custos de inferência ao mesmo ritmo dos concorrentes ocidentais. Já escrevemos sobre como implantar localmente uma destas versões no guia de instalação do DeepSeek V4 Flash com vLLM e Docker.
Janeiro de 2025: o dia em que a DeepSeek apagou 600 mil milhões de dólares da Nvidia
Nenhuma análise à ascensão da DeepSeek fica completa sem recordar o que aconteceu a 27 de janeiro de 2025. Nesse dia, a Nvidia sofreu a maior queda diária de sempre no valor de mercado de uma empresa cotada em bolsa. As ações caíram cerca de 17% numa única sessão, de $142,62 na sexta-feira anterior para pouco mais de $118 no fecho de segunda-feira, segundo dados recolhidos pela TechCrunch. O tombo apagou entre $589 mil milhões e $593 mil milhões em valor de mercado num único dia.
O gatilho foi o lançamento do DeepSeek R1 alguns dias antes, um modelo de raciocínio que a empresa afirmava treinar a uma fração do custo dos concorrentes americanos. Os investidores entraram em pânico com a possibilidade de a corrida à IA exigir muito menos capacidade de computação (e, logo, muito menos GPUs da Nvidia) do que se assumia até então. Meses depois, o próprio presidente da Nvidia, Jensen Huang, viria a dizer que o mercado tinha reagido de forma exagerada ao impacto real da DeepSeek nas necessidades de infraestrutura de IA.
Esse episódio explica em parte porque cada lançamento da DeepSeek continua a ser escrutinado com tanta atenção. O V4.1 Flash não teve o mesmo efeito sísmico nos mercados, mas o padrão de preços agressivos e eficiência técnica que definiu o R1 mantém-se como assinatura da empresa.
O reverso da medalha: DeepSeek no fundo da tabela de resistência a ataques
Dois dias antes do lançamento do V4.1 Flash, a 8 de setembro de 2026, o programador da Anthropic Boris Cherny publicou um gráfico que ganhou rapidamente atenção na comunidade de segurança de IA. O gráfico classifica 15 modelos de linguagem pela taxa de sucesso de ataques de injeção de prompt, medida com dados agrupados do primeiro e segundo trimestres de 2026, testando cada modelo com 1, 10 e 15 tentativas de ataque.
| Modelo | 1 tentativa | 10 tentativas | 15 tentativas |
|---|---|---|---|
| Claude Opus 5 | 0,4% | 3,6% | 4,8% |
| Gemini 3.7 Flash | 1,1% | 7,3% | 9,2% |
| GPT-6 Astra | 1,1% | 7,3% | 8,5% |
| Qwen 3.8 2,4T-A95B | 3,6% | 23,2% | 28,6% |
| GLM-5.3 | 4,0% | 25,3% | 31,5% |
| Grok 4.6 | 11,7% | 45,6% | 51,8% |
| DeepSeek V4 Pro 0813 | 12,1% | 52,9% | 60,1% |
Uma nota de rigor é importante aqui: os dados de Cherny testam a versão “V4 Pro 0813” da DeepSeek, publicada em agosto, e não o V4.1 Flash lançado dois dias depois da divulgação do gráfico. Ainda não existem dados públicos de terceiros sobre a resistência do próprio V4.1 Flash a este tipo de ataque. Ainda assim, o resultado é relevante: com 60,1% de sucesso ao fim de 15 tentativas, a versão mais recente da DeepSeek testada por Cherny ficou no último lugar da tabela, com uma taxa de falha mais de 12 vezes superior à do Claude Opus 5. A diferença entre correr um modelo mais barato e correr um modelo mais seguro nunca esteve tão visível lado a lado.
Wiz encontra ataques reais contra infraestrutura de IA open source
O contexto de segurança em torno de modelos abertos como os da DeepSeek ficou ainda mais carregado depois de a Wiz Threat Research publicar, a 27 de agosto de 2026, os resultados de 90 dias de honeypots simulando serviços populares de IA: LiteLLM, Flowise, LangChain, Langflow, ChromaDB, Ollama e Node-RED.
A investigação, disponível no blog da Wiz, identificou três padrões distintos de ataque. O primeiro combina duas falhas na gateway MCP do LiteLLM, uma de contorno de autenticação (CVE-2026-59822) e outra de injeção de comandos (CVE-2026-42271), encadeadas para conseguir execução remota de código sem autenticação e instalar mineradores de criptomoeda XMRig. O segundo padrão usa injeção de prompt “cega” contra frameworks como LangChain, Flowise e Node-RED: os atacantes inserem instruções desenhadas para disparar a execução de comandos de shell através do próprio agente e confirmam o sucesso através de pedidos DNS a domínios controlados por eles, já que estas ferramentas raramente registam a saída completa das ações do agente. O terceiro padrão envolve ferramentas de pós-exploração escritas especificamente para ler as chaves de API guardadas em memória pelo processo do LiteLLM.
Estes três padrões mostram que o problema de segurança não está apenas nos modelos, mas em toda a cadeia de ferramentas usada para os colocar em produção. Quem já configurou um gateway deste tipo sabe que a superfície de ataque cresce rapidamente. Cobrimos esse processo em detalhe no guia de configuração do LiteLLM como gateway único para múltiplos LLMs, onde vale a pena rever as recomendações de isolamento de rede à luz destas descobertas.
Zenity expõe falhas zero-click no ChatGPT Atlas da OpenAI
A questão da injeção de prompt não se limita a modelos abertos ou chineses. Na conferência Black Hat USA 2026, a 5 de agosto, investigadores da Zenity apresentaram uma classe de vulnerabilidades chamada “PleaseFix”, com uma técnica batizada de “Intent Collision”. O ataque consegue sequestrar navegadores agênticos de IA sem qualquer clique da vítima, apenas através de conteúdo aparentemente inofensivo, como um comentário numa publicação no X.
Segundo a CSO Online, os investigadores demonstraram o ataque contra o Claude in Chrome, o Gemini in Chrome, o Perplexity Comet, o Copilot Edge e o ChatGPT Atlas da OpenAI. No caso do Atlas, bastou um comentário maliciosamente construído numa rede social para que o agente executasse compras não autorizadas na Amazon e enviasse mensagens de phishing através da sessão autenticada de WhatsApp Web da vítima. A técnica funciona porque o agente trata as instruções escondidas no conteúdo como parte legítima da tarefa que lhe foi pedida, sem qualquer aviso de erro ou pedido de confirmação ao utilizador.
De acordo com a documentação publicada pela própria Zenity, tanto a Anthropic como a OpenAI foram notificadas antes da divulgação pública, respetivamente no final de 2025 e início de 2026, mas nenhuma das duas empresas tinha lançado uma correção definitiva até à data da apresentação em agosto. Já explorámos este tipo de risco estrutural no artigo sobre a injeção de prompt a atingir 73% dos sistemas de IA em produção, e os casos do Atlas mostram que o problema atravessa fronteiras entre fornecedores, não sendo exclusivo de nenhum modelo em particular.
Comparação competitiva: DeepSeek contra Llama 4, Mistral e os rivais ocidentais
Colocado ao lado dos principais modelos abertos e fechados de 2026, o V4.1 Flash entra num mercado já bastante disputado. O Llama 4 Maverick, da Meta, usa uma arquitetura MoE de cerca de 400 mil milhões de parâmetros, licença própria da Meta, janela de contexto de 1 milhão de tokens e 85,5% no MMLU. O Mistral Large 3, da francesa Mistral AI, aposta num modelo mais compacto de cerca de 123 mil milhões de parâmetros sob licença Apache 2.0, com contexto de 128 mil tokens, pontuação semelhante no MMLU e forte cobertura de mais de 80 línguas, além de posicionamento explícito para conformidade regulatória europeia.
O próprio DeepSeek R1, ainda muito usado apesar de já ter mais de um ano e meio, continua competitivo em tarefas de raciocínio puro: 97,3% no MATH-500 e 90,8% no MMLU, com licença MIT totalmente permissiva. Do lado fechado, o GPT-5.6 da OpenAI, lançado a 9 de julho de 2026, marca 88,8% no Terminal-Bench 2.1, enquanto o Claude Sonnet 5 da Anthropic, de 30 de junho de 2026, atinge 85,2% no SWE-bench Verified.
O que distingue o V4.1 Flash não é liderar em nenhum destes números isoladamente, mas sim aproximar-se dos líderes em tarefas de codificação a uma fração do preço. Para equipas europeias sensíveis ao custo por token, essa equação pesa tanto quanto o lugar exato numa tabela de classificação.
Impacto no mercado: o dilema entre poupança e risco para as empresas
Para departamentos de tecnologia em Portugal e no resto da Europa, o V4.1 Flash cria um dilema prático. Por um lado, a redução de até 93% nos custos de entrada com cache torna o modelo atrativo para aplicações de grande volume, como assistentes de atendimento ao cliente ou processamento em lote de documentos. Por outro, os dados de Cherny sobre resistência a ataques de injeção de prompt, ainda que referentes à versão anterior do modelo, levantam questões sobre o risco de expor este tipo de modelo a fluxos de trabalho que lidam com dados sensíveis ou ações automatizadas sem supervisão humana.
Este equilíbrio ganha ainda mais peso à luz do Regulamento de IA da União Europeia, que já exige avaliações de risco documentadas para sistemas de IA usados em contextos sensíveis. Empresas que optem pelo V4.1 Flash pelo custo mais baixo vão precisar de investir em camadas adicionais de validação e monitorização, algo que reduz parte da poupança inicial mas que se torna incontornável perante o histórico de vulnerabilidades encontradas em toda a cadeia de ferramentas de IA aberta, como mostrou a investigação da Wiz.
A pressão competitiva também deve continuar a empurrar os preços da OpenAI, da Anthropic e da Google para baixo. Sempre que a DeepSeek corta preços de forma tão acentuada, os concorrentes ocidentais sentem-se obrigados a responder, ainda que normalmente sem igualar os valores mais baixos praticados pelos laboratórios chineses.
Previsões: para onde vai a IA open source chinesa em 2027
- Os laboratórios chineses, incluindo a DeepSeek, a Alibaba e a Moonshot AI, vão continuar a lançar modelos com ciclos cada vez mais curtos, provavelmente reduzindo o intervalo entre gerações principais para menos de seis meses.
- A pressão de preços deve forçar a OpenAI e a Anthropic a introduzir camadas “flash” ou “mini” ainda mais baratas nos seus próprios catálogos, replicando a estrutura de preços fora de pico já usada pela DeepSeek.
- É provável que surjam auditorias de segurança independentes específicas para modelos abertos chineses, à medida que reguladores europeus e agências como a CISA nos Estados Unidos aumentam o escrutínio sobre a cadeia de fornecimento de IA.
- A diferença de desempenho em tarefas agênticas de longa duração, como o Terminal-Bench, deve continuar a ser o principal argumento de venda dos modelos ocidentais mais caros, pelo menos durante o próximo ano.
- Espera-se que mais fornecedores de infraestrutura, à semelhança da Wiz, publiquem relatórios de ameaças dedicados à cadeia de ferramentas de IA aberta, depois de os três padrões de ataque identificados em 2026 terem mostrado o quão exposta está esta infraestrutura.
Perguntas Frequentes
O DeepSeek V4.1 Flash é gratuito?
Não. É um modelo de pagamento por utilização através da API oficial da DeepSeek, com tarifas que variam entre $0,003 e $1,20 por milhão de tokens consoante o tipo de token e o horário de utilização. Os pesos do modelo podem, no entanto, ser descarregados e corridos localmente por quem tiver capacidade de computação suficiente, uma vez que a DeepSeek costuma disponibilizar as suas versões principais em código aberto.
O V4.1 Flash substitui completamente o V4 Pro?
Sim, do ponto de vista da API. Desde 14 de setembro de 2026, todos os pedidos enviados ao endpoint do V4 Pro são automaticamente redirecionados para o V4.1 Flash às novas tarifas, e esta situação mantém-se até a DeepSeek lançar uma futura versão V4.1 Pro.
É seguro usar o DeepSeek V4.1 Flash em produção?
Ainda não existem dados públicos e independentes sobre a resistência específica do V4.1 Flash a ataques de injeção de prompt. Os dados disponíveis referem-se à versão anterior, o V4 Pro 0813, que registou a pior taxa de resistência entre 15 modelos testados por Boris Cherny, da Anthropic. Isso não significa automaticamente que o V4.1 Flash tenha o mesmo comportamento, mas justifica precaução redobrada até surgirem testes independentes.
Qual a diferença entre o V4.1 Flash e o V4-Flash lançado em julho?
O V4-Flash de julho de 2026 tinha 284 mil milhões de parâmetros totais e funcionava como opção rápida ao lado do V4 Pro. O V4.1 Flash quase duplica esse tamanho, para 552 mil milhões de parâmetros, introduz uma nova arquitetura de codificador-descodificador causal e passa a substituir o próprio V4 Pro em vez de coexistir com ele.
Como se compara o preço do V4.1 Flash com o GPT-5.6 ou o Claude Sonnet 5?
A DeepSeek não divulga comparações diretas de preço com os concorrentes ocidentais nos seus comunicados, e a OpenAI e a Anthropic usam estruturas de preços diferentes. O que é possível afirmar com confiança é que o V4.1 Flash representa uma redução de até 93% face ao preço anterior do próprio V4 Pro, consolidando a reputação da DeepSeek como o fornecedor mais agressivo em preço entre os modelos de topo.
O que é a vulnerabilidade “PleaseFix” encontrada pela Zenity?
É uma classe de vulnerabilidades de injeção de prompt indireta que afeta navegadores agênticos de IA, incluindo o ChatGPT Atlas da OpenAI, o Claude in Chrome da Anthropic, o Gemini in Chrome da Google e o Perplexity Comet. A técnica, chamada “Intent Collision”, permite sequestrar o agente sem qualquer clique da vítima, apenas através de conteúdo malicioso colocado numa página web ou rede social.
Que arquitetura usa o DeepSeek V4.1 Flash?
Usa uma arquitetura Mixture-of-Experts com 552 mil milhões de parâmetros totais, distribuídos por 384 especialistas encaminhados mais um especialista partilhado, com apenas seis especialistas ativos por token. A novidade principal é o desenho “Causal Encoder-Decoder” combinado com Compressed Sparse Attention de segunda geração e suporte nativo a imagens desde o treino do modelo.
