Análise do DeepSeek V4 Flash: 8 trilhões de tokens por dia, diferença de preços de 85 vezes e impacto em modelos de nível médio na economia de agentes

O modelo DeepSeek V4 Flash demonstrou uma demanda colossal, consumindo 8 trilhões de tokens em apenas um dia na ferramenta OpenCode. Este volume excedeu a média diária da plataforma OpenRouter, que é de cerca de 6,6 trilhões de tokens. Este aumento no uso reflete uma mudança fundamental nos métodos de trabalho com IA: se antes a tarefa era concluída com uma simples pergunta e resposta, agora os agentes executam operações mais complexas, como leitura de arquivos, modificação de código, execução de programas e tentativas repetidas após erros, o que aumenta drasticamente o consumo de tokens.

Um exemplo dessa interação complexa foi mostrado por um usuário que criou um projeto de jogo 3D de página única usando o Claude Opus 5. Esse processo resultou em um único arquivo HTML que exigiu 690 milhões de tokens e custou quase 3000 yuans.

Com o surgimento de tarefas executadas por agentes, o critério de avaliação dos modelos mudou da qualidade de uma resposta individual para o custo de execução de uma tarefa longa. Por exemplo, um milhão de tokens de saída custou 2 yuans no DeepSeek, enquanto no Claude Opus 4.8 a mesma operação custou US$ 25, o que equivale a aproximadamente 170 yuans, demonstrando uma diferença de preço de 85 vezes. Embora no índice Artificial Analysis Intelligence Index v4.1 o modelo V4 Flash Max tenha obtido 50 pontos contra 56 do Opus Max, o custo para passar neste teste foi de US$ 72,02 para o V4 Flash contra US$ 3752,55 para o Opus, sendo que o Opus recebeu 6 pontos adicionais com um aumento de custo de cerca de 52 vezes.

O V4 Flash ainda não pode provar superioridade absoluta, mas se ambos os modelos estiverem na mesma lista de candidatos, a diferença de preço de 85 vezes pode mudar o padrão de escolha. Quando um modelo que supera o concorrente por apenas alguns pontos percentuais custa dezenas de vezes mais caro, a matemática da escolha deixa de favorecer a opção mais cara.

Os primeiros a sentir o impacto dessa tendência não são os modelos mais fracos, pois os pequenos modelos continuam adequados para roteamento, e os modelos de ponta continuam lidando com as tarefas mais complexas. Os modelos de nível médio são os mais vulneráveis — eles são mais fortes que o V4 Flash, mas custam dezenas de vezes mais e não são poderosos o suficiente para resolver as tarefas que o V4 Flash resolve. É isso que representa a 'linha de abate' do DeepSeek: os modelos não precisam ser os mais fortes, basta serem bons o suficiente para realizar a maioria das tarefas, utilizando a diferença de preço de quase duas ordens de magnitude para substituir opções mais caras da lista padrão.

No contexto de precificação, o Opus custa US$ 25 por milhão de tokens de saída, o Fable 5 custa US$ 50, e os modelos chineses incluem Qwen 3.8 Max por 36 yuans, Kimi K3 por 100 yuans e GLM 5.2 por 28 yuans.

A capacidade de vender o Mutai a preços de água mineral é determinada pelo custo direto de inferência por token, que depende dos parâmetros ativados, precisão, atenção, cache KV, comprimento da saída, uso de hardware e paralelismo. O V4 Flash possui 284 bilhões de parâmetros totais, mas ativa cerca de 13 bilhões para cada token, usando atenção híbrida, pesos de baixa precisão e otimização de cache. Em um contexto de um milhão de tokens, a carga computacional de inferência é de cerca de 10% do V3.2, e o tamanho do cache KV é de cerca de 7%. A série V4 reformulou o mecanismo de atenção, implementando mecanismos CSA compress-then-focus e HCA full-browse, além de usar o roteamento DeepSeekMoE, direcionando cada token para um pequeno subgrupo de especialistas. A precificação comercial e os custos de serviço seguem essas características técnicas. Assim, a 'linha de abate' redefine a fronteira do desenvolvimento: o fator decisivo torna-se a combinação de desempenho e preço, onde o custo de execução da tarefa é a métrica determinante.