A DeepSeek lançou o V4.1-Flash em 10 de setembro de 2026, e não é uma atualização comum. Este novo modelo DeepSeek estreia uma arquitetura completamente nova, incorpora visão nativa e reduz o preço da API. Se você usa o aplicativo DeepSeek ou a API, esta atualização de IA DeepSeek muda o que o modelo pode fazer e quanto custa executá-lo.
Nova arquitetura Causal Encoder-Decoder no DeepSeek V4.1 Flash
A mudança mais profunda está na estrutura do modelo. O DeepSeek V4.1-Flash usa uma arquitetura Causal Encoder-Decoder (CED), diferente do Transformer padrão usado no V4-Flash. A rede principal tem 40 camadas divididas em 20 camadas de codificador e 20 de decodificador, e os dois lados não trabalham igual. O processamento de entrada ativa apenas 8B de parâmetros por token. A geração de saída ativa 16B. Essa assimetria importa. Os agentes de IA gastam a maior parte da capacidade de processamento lendo contexto, não gerando texto. Um agente de programação pode ler 30.000 tokens de um repositório e produzir 200 tokens de código. Ao baratear o lado de leitura, a DeepSeek ataca exatamente o padrão de trabalho que domina no uso real de agentes.
A rede principal tem 552B de parâmetros em uma estrutura Mixture-of-Experts, com 196B adicionais no que a DeepSeek chama de memória condicional Engram. As camadas 1 e 14 contêm esses módulos Engram, que fazem buscas esparsas baseadas em tokens em vez de atenção densa. É uma resposta específica para um problema concreto: recuperação de contexto longo sem crescimento proporcional de memória.
Visão nativa do DeepSeek: integrada, não adicionada
Os modelos anteriores da DeepSeek precisavam de um módulo de visão separado para processar imagens. O V4-Flash-Vision-Exp era esse módulo, um complemento experimental. O V4.1-Flash integra a visão diretamente no modelo base. Você pode enviar uma imagem e fazer uma pergunta sobre ela na mesma solicitação, e o modelo processa ambas sem mudar de modo.
Os formatos suportados incluem JPEG, PNG, GIF e WebP. Casos práticos: análise de capturas de tela, leitura de gráficos, compreensão de páginas web e tarefas de agentes visuais onde o modelo precisa olhar algo antes de decidir o que fazer. A DeepSeek também unificou seus antigos modos rápido, especialista e de visão em um único modo inteligente que detecta automaticamente se há uma imagem e ajusta a profundidade de raciocínio conforme a complexidade da tarefa.
Contexto de 1M do DeepSeek e compressão de cache KV
O V4.1-Flash suporta uma janela de contexto de 1 milhão de tokens. A história real não é o tamanho da janela, mas quanta memória ela consome. Por que isso importa? Porque o custo de memória, não o número de parâmetros, é o que determina se um modelo é barato o suficiente para rodar em escala.
A DeepSeek comprime o cache KV global para 890 bytes por token. Isso é aproximadamente um quarto do que o V4-Flash precisava e um quatrocentos avos do que o DeepSeek V1 consumia. Duas técnicas tornam isso possível. Primeiro, CSA2 (Atenção Dispersa Comprimida 2) compartilha estados de chave-valor entre camadas em três modos: Full, Reindex e Reuse. Uma camada Full calcula seu próprio cache KV. Uma camada Reindex reutiliza o cache da última camada Full, mas o reavalia. Uma camada Reuse pega tanto o cache quanto os índices sem recalcular. Segundo, o cache KV principal é armazenado em formato FP4 (E2M1 com escalonamento E4M3), o que reduz o armazenamento quase pela metade comparado ao FP8 do V4.
No lado da implantação, a atenção de janela deslizante não é mais gravada em SSD. Ela vive em um pool distribuído de DRAM com um tempo de vida de minutos. Quando uma solicitação falha nesse cache, o sistema reproduz apenas os últimos 128 tokens em vez do contexto completo. A DeepSeek chama isso de Encoder SWA Bounded Replay, e reduz o cache persistente para cerca de um oitavo do V4-Flash.
Resultados de benchmarks do DeepSeek V4.1 Flash
Os números da DeepSeek colocam o V4.1-Flash à frente do V4 Pro na maioria das tarefas de agentes e programação:
| Benchmark | V4.1-Flash | V4-Flash | Opus 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 90.6 | 82.7 | 89.1 | 88.8 |
| DeepSWE v1.1 | 74.2 | 54.4 | 74.0 | 73.0 |
| Automation-Bench | 54.8 | 37.7 | 50.3 | 45.8 |
| GPQA Diamond | 90.9 | 89.9 | 93.4 | 94.1 |
| Codeforces (rating) | 3471 | 3289 | N/A | N/A |
Supera o Opus 5 e o GPT-5.6 Sol no Terminal-Bench 2.1 e no DeepSWE v1.1, que são benchmarks de agentes e programação. O GPQA Diamond conta outra história. O V4.1-Flash pontua 90.9, sólido, mas abaixo do Opus 5 (93.4) e do GPT-5.6 Sol (94.1). Então não é um modelo que vence em tudo. É um modelo que vence onde os agentes realmente passam o tempo: lendo, roteando e executando tarefas. Pode substituir um modelo de primeira linha em raciocínio científico? Ainda não.
Preços mais baixos da API e aposentadoria do V4 Pro
A DeepSeek reduziu os preços do V4.1-Flash a partir de 10 de setembro de 2026. O modelo usa preços de horário de pico e de vale. No horário de vale, a entrada com cache hit custa 0,02 yuan por milhão de tokens, a entrada sem cache hit custa 1 yuan e a saída custa 4 yuans. Os horários de pico dobram essas tarifas. Para comparação, o antigo V4-Flash cobrava 0,05 yuan para entrada com cache hit, 1,5 yuan para entrada sem cache hit e 4,5 yuans para saída.
O V4 Pro está sendo aposentado. A partir de 14 de setembro de 2026, as solicitações para deepseek-v4-pro são redirecionadas ao V4.1-Flash e faturadas pelo preço do Flash. A tarifa de saída do V4 Pro era aproximadamente três vezes o que o V4.1-Flash cobra. Os desenvolvedores não precisam mudar o código. O nome do modelo deepseek-flash agora aponta para o V4.1-Flash, e os nomes herdados como deepseek-v4-flash e deepseek-v4-flash-vision-exp também são redirecionados a ele por compatibilidade.
O que significa para os usuários do aplicativo DeepSeek
Se você usa o aplicativo DeepSeek no celular, as mudanças aparecem de duas formas. Primeiro, o modo inteligente unificado significa que você não escolhe mais entre modo rápido, especialista ou de visão. O modelo determina o que você precisa conforme a sua entrada. Envie uma captura de tela com uma pergunta e a visão é ativada automaticamente. Faça uma pergunta de raciocínio complexo e o modelo aumenta a intensidade de pensamento. Segundo, as respostas devem ser mais rápidas e mais baratas de produzir, o que importa para serviços que oferecem preços baseados em uso ou limites de frequência.
A janela de contexto de 1M é mais relevante para desenvolvedores que executam cargas de agentes do que para chat casual. Mas se você esteve colando documentos longos no DeepSeek e atingindo limites de contexto, o V4.1-Flash maneja mais texto por conversa. A compressão de cache KV significa que o lado do servidor pode atender mais usuários simultâneos sem escalar hardware proporcionalmente, o que faz parte do motivo pelo qual o preço caiu.
DeepSeek é um aplicativo de assistente conversacional que oferece respostas rápidas.
Vale a pena atualizar?
Sim. O V4.1-Flash é um modelo melhor a um preço mais baixo, e já é a opção padrão se você usa o aplicativo ou a API. Você pode baixar o aplicativo DeepSeek mais recente na APKPure para obter a experiência atualizada no seu celular. A mudança de arquitetura não é marketing. A ativação assimétrica e a compressão de cache KV são decisões de engenharia mensuráveis que afetam diretamente a velocidade e o custo. Se você estava no V4 Pro, o redirecionamento em 14 de setembro cuida da transição automaticamente, e sua conta diminui. Se você estava no V4-Flash, já está recebendo o V4.1-Flash quando chama deepseek-flash.
Uma ressalva: o V4.1-Flash não supera os modelos fechados de primeira linha em todos os benchmarks. O GPQA Diamond, o Terminal-Bench 4.0 e algumas tarefas de agentes de longa duração ainda favorecem o Opus 5 ou o GPT-5.6 Sol. Mas a uma fração do custo deles, com pesos abertos sob licença MIT no HuggingFace, é a melhor opção de valor por token na oferta atual da DeepSeek.
Como com qualquer ferramenta de IA, tenha atenção à privacidade ao compartilhar informações pessoais no chat e revise as permissões do aplicativo antes de instalar.
Nota de atualização: 10 de setembro de 2026. DeepSeek V4.1-Flash. Nova arquitetura Causal Encoder-Decoder, rede principal MoE de 552B, 196B de parâmetros Engram, visão nativa, contexto de 1M, cache KV de 890 bytes por token, licença MIT. As solicitações ao V4 Pro são redirecionadas ao V4.1-Flash a partir de 14 de setembro de 2026.