Criação e fluxos de trabalho
DeepSeek V4.1-Flash-1017: um Modelo de Código Mais Barato, Agora com sua Própria Camada Web
Em 17 de outubro, a DeepSeek publicou o checkpoint DeepSeek-V4.1-Flash-1017, uma atualização do pós-treinamento de seu V4.1-Flash de setembro, servido agora sob o nome de modelo existente deepseek-flash. Junto ao modelo, a DeepSeek abriu a todos os desenvolvedores suas APIs de Search e Fetch — impulsionadas por um mecanismo de busca próprio. Para quem constrói agentes, o lançamento é duas coisas ao mesmo tempo: um movimento paretiano no custo dos agentes de código e uma camada web própria que compete com fornecedores independentes de APIs de busca.
Redação assistida por Muse; o proprietário revisou os fatos e as oito traduções. Não se trata de revisão independente por um modelo. Este artigo foi redigido com assistência de IA e revisado por um verificador de fatos de IA sob autorização do proprietário. O proprietário não o revisou pessoalmente; nenhuma verificação humana independente é afirmada. Os números de benchmarks são da própria DeepSeek, sem reprodução independente observada; os dados de API e preços vêm do model card público e da documentação da API da DeepSeek.
Um checkpoint, não um modelo novo
DeepSeek-V4.1-Flash-1017 é um checkpoint atualizado do pós-treinamento do V4.1-Flash lançado em setembro — não uma arquitetura nova. Está disponível no site, no app e na API da DeepSeek sob o nome de modelo existente deepseek-flash; os identificadores legados deepseek-v4-flash e deepseek-v4-flash-vision-exp estão aposentados, mas continuam aceitos, servidos pelo novo checkpoint e faturados ao preço Flash. A DeepSeek o apresenta como uma melhoria paretiana em desempenho e custo: pontuações mais altas, tarefas concluídas mais rápido e saídas mais curtas. O checkpoint 1017 é otimizado para o DeepSeek Harness — recomenda-se a versão v0.2.1-rc.1 ou posterior — além de Tencent CodeBuddy e WorkBuddy, com aprendizado por reforço com auto-feedback para trabalho de projetos de ponta a ponta.
O model card do Hugging Face para V4.1-Flash afirma que o repositório e os pesos do modelo estão sob a licença MIT. A cobertura de terceiros marca a licença dos pesos do checkpoint 1017 como não divulgada, de modo que não se confirmou separadamente nas páginas observadas se a declaração MIT cobre especificamente os pesos 1017 — um detalhe a verificar antes de tratar o checkpoint como MIT em uma implantação sensível a conformidade.
A história da memória é a manchete
O relatório técnico que o acompanha se chama “DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression”, e o título é a tese. O modelo é uma mistura de especialistas multimodal com um backbone de 552B parâmetros construído como um Transformer Causal Encoder-Decoder de 40 camadas — um codificador causal de 20 camadas seguido de um decodificador de 20 camadas — cujo cache KV global do decodificador é projetado a partir dos estados ocultos finais do codificador. Esse desenho ativa apenas 8B parâmetros por token durante o prefill e 16B durante o decode. Compressed Sparse Attention 2 e o cache KV principal em FP4 (E2M1) reduzem a pegada KV global a 890 bytes por token, cerca de um quarto do V4-Flash; o SWA Bounded Replay reduz a pegada KV persistente a cerca de um oitavo. Ao lado, há 196B parâmetros de memória condicional Engram, um corpus de pré-treinamento de 45T tokens, uma janela de contexto de 1M tokens e até 384K tokens de saída.
Faça a conta: a 890 bytes por token, um contexto completo de 1M tokens ocupa cerca de 0,9 GB de cache KV persistente — uma rubrica menor que a própria pegada dos pesos do modelo. Para cargas de trabalho agênticas intensivas em entrada, a restrição dominante sai da capacidade de VRAM e vai para o desenho da orquestração e das chamadas de ferramentas. Esse é o argumento econômico de todo o lançamento: o contexto longo deixa de ser um luxo de memória e vira uma decisão arquitetural que se pode precificar.
Benchmarks, com notas de rodapé
A própria tabela da DeepSeek para o checkpoint 1017 reporta DeepSWE v1.1 em 77,0, ante 74,2 e acima dos 74,0 de Claude Opus 5 e dos 73,0 de GPT-5.6 Sol; Terminal-Bench 4.0 em 42,3, ante 31,2 mas ainda atrás dos 51,8 de Opus 5; Automation-Bench v1.0.6 em 60,5; Agents’ Last Exam em 35,4; Apex Bench v1.1 em 72,1; ProgramBench em 29,1; NL2Repo-Bench em 68,2; e HLE sem ferramentas em 42,6 contra 56,3 de Opus 5. Nos 11 benchmarks que a DeepSeek reportou, o checkpoint supera o Flash de setembro entre 2,0 e 11,1 pontos.
Todos esses números são da própria DeepSeek, executados em seu framework interno, e nenhuma reprodução independente foi publicada; as pontuações dos concorrentes são as comparações reportadas pela DeepSeek, não verificadas de forma independente. Isso não torna a tabela inútil — a direção e os deltas são informação real — mas significa que os números são direcionais até que outro execute o harness. Os fatos duradouros e contratuais deste lançamento são a superfície da API e a tabela de preços, não o ranking.
Uma camada web própria para agentes
A metade de infraestrutura do lançamento pode importar mais que o modelo. A DeepSeek abriu suas APIs de Search e Fetch a todos os desenvolvedores: POST /v1/tools/search e POST /v1/tools/fetch em api.deepseek.com. O faturamento é por solicitação bem-sucedida — US$ 0,75 por 1.000 solicitações para cada endpoint — e uma solicitação só conta quando retorna HTTP 200 com resultado; solicitações falhas, resultados de busca vazios e timeouts são gratuitos. Cada API é limitada a 5 QPS por conta. As chamadas do lado do servidor feitas via DeepSeek Harness, Claude Code ou Codex continuam gratuitas até que o faturamento por solicitação comece à 00:00 hora de Pequim em 1º de novembro de 2026.
A API de Search devolve resultados estruturados do mecanismo próprio da DeepSeek: de 1 a 50 resultados por consulta, operadores como site:, lang:, after: e before:, uma pontuação de rerank de 0 a 3 e um nível de autoridade de 0 a 4 em cada resultado. A API de Fetch recupera uma única página e devolve seu título mais o conteúdo em Markdown. Atrás da mesma chave de API e do mesmo saldo do modelo, isso transforma a pilha de agentes — modelo mais recuperação — em uma única superfície faturável, e coloca a DeepSeek em competição direta com fornecedores independentes de APIs de busca para cargas de trabalho de agentes.
O que fazer com isso
O preço do modelo não muda: pico de US$ 0,30 por 1M tokens de entrada com cache miss (US$ 0,15 fora de pico), US$ 1,20 por 1M tokens de saída (US$ 0,60 fora de pico), com as tarifas fora de pico à metade do pico. Nada do lançamento pede que você migre — o nome do modelo não mudou, o preço não mudou, e o checkpoint chega como uma melhoria in-place. A única data do calendário que importa é 1º de novembro: terminam as chamadas de busca gratuitas do lado do servidor e a camada web passa a ser medida.
Para equipes que rodam agentes de código em escala, isto é um evento de procurement tanto quanto um evento de modelo. A avaliação correta é o custo medido por tarefa concluída dentro do seu próprio harness, não a tabela de classificação do fornecedor — e, de quebra, uma comparação real do nível de US$ 0,75 por milhar de buscas contra o provedor de navegação que seus agentes usam hoje.
Fontes e leituras
O proprietário revisou os registros de fontes; não se afirma verificação independente dos fatos nem revisão independente por um modelo.
- DeepSeek-V4.1-Flash — model card (DeepSeek, Hugging Face)
DeepSeek (Hugging Face model card)
Recorded publication date ·
Recorded verification time ·
- Documentação da API da DeepSeek — Modelos e preços
DeepSeek (API docs)
Source publication date not verified
Recorded verification time ·
- Documentação da API da DeepSeek — guia de Search e Fetch
DeepSeek (API docs)
Source publication date not verified
Recorded verification time ·
- MarkTechPost — cobertura independente
MarkTechPost
Recorded publication date ·
Recorded verification time ·