A empresa DeepSeek conquistou reputação devido à sua política de preços. Nos catálogos do OpenRouter, o modelo V4 Flash da empresa está disponível por US$ 0,14 por milhão de tokens de entrada e US$ 0,28 por tokens de saída. No entanto, serviços de terceiros, como DeepInfra, GMICloud e Baidu Qianfan, oferecem tarifas mais baixas do que a API oficial. A compressão é notável aqui: a taxa da DeepInfra é de aproximadamente 64% do preço anunciado da DeepSeek.
No entanto, a questão mais interessante não é se terceiros podem contornar a DeepSeek hoje, mas o que acontecerá se a DeepSeek aumentar seu preço base em trinta vezes.
Um engenheiro da plataforma OpenCode apresentou recentemente um método para replicar a política de preços atual da DeepSeek mesmo ao usar GPUs alugadas. Ele sugeriu que o aumento de preços iminente é mais uma ferramenta de balanceamento de carga do que uma medida impulsionada por custos. A carga do servidor desde o lançamento do V4 Flash tem permanecido no nível de capacidade máxima. A opinião da comunidade é unânime: no mercado global que opera 24 horas por dia, os períodos de pico e baixa se compensam, sem deixar lacunas. A demanda excede a capacidade, e a precificação é uma alavanca que a DeepSeek está disposta a usar.
A principal razão técnica que permite à DeepSeek estabelecer um preço mais alto sem perder clientes reside em sua arquitetura de cache. Quando um Agente de codificação de longo prazo está em operação, ele processa novamente enormes volumes de contexto anterior a cada passo. Se o prefixo corresponder, esses tokens são tarifados pela taxa de acerto em cache. Se não houver correspondência, os mesmos tokens são pagos pelo custo total. Um estudo realizado pelo pesquisador da comunidade Su Chi Dan Dao, que incluiu 20.000 solicitações, mostrou que a DeepSeek manteve uma taxa de acerto de cache de 100% durante intervalos de 12 horas, enquanto o GLM caiu para 25% em apenas 5 minutos. Os modelos Kimi e GPT mostraram resultados entre esses dois valores.
Isso tem implicações estruturais. O preço base não reflete o que a maioria dos usuários da DeepSeek paga. Um usuário que mantém a estabilidade das solicitações efetivamente paga quase nada pelos dados de entrada. Um usuário que reescreve frequentemente o contexto paga quase o preço total. Assim, a mesma API atende tanto um amador com um orçamento mensal de cinco dólares quanto um grande projeto corporativo com um volume de trabalho de cinco dígitos, tudo isso sem uma precificação multinível explícita. O aumento do preço base em 30 vezes terá significado apenas para o segundo grupo, pois o custo efetivo do primeiro grupo já é amplamente determinado pelos acertos em cache.
Isso também explica por que a assinatura anunciada do OpenCode por US$ 10 nem sempre supera a API oficial da DeepSeek. Testes de carga de trabalho real mostram que o OpenCode Go custa de 2 a 10 vezes mais caro que a API direta da DeepSeek em sessões longas, e isso ocorre exatamente devido ao acúmulo de falhas no cache. Preços mais baixos em plataformas de terceiros podem ser enganosos: a API oficial se mostra mais vantajosa quando é possível manter a estabilidade do prefixo. A DeepSeek é a mais barata não porque seu preço base seja baixo, mas porque seu cache faz com que o preço real tenda a zero.
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.
A MiniMax lançou seu primeiro modelo generativo multimodal de código aberto, H3, em 31 de julho. Este modelo suporta o processamento de texto, imagens, áudio e vídeo, oferecendo saída direta em resolução 2K e geração de conteúdo audiovisual de 15 segundos. O lançamento do H3 ocorreu após o modelo M3, apresentado cinco meses antes, mas seus resultados insatisfatórios provocaram uma queda de 15% nas ações em um único dia.
Em julho, a indústria enfrentou uma certa 'linha de sobrevivência': a Moonshot AI divulgou os pesos do modelo Kimi K3, e a DeepSeek reduziu o custo do cache V4-Flash para 0,02 yuans por milhão de tokens. O modelo Kimi K3, com 2,8 trilhões de parâmetros, tornou-se o primeiro modelo de escala de trilhão de parâmetros aberto no mundo, ocupando o quarto lugar no ranking mundial e o primeiro entre modelos de código aberto. O custo de saída do modelo DeepSeek V4-Flash é de cerca de 0,28 dólares americanos por milhão de tokens, o que é aproximadamente 90 vezes mais barato que o Claude Opus 4.8. O modelo, que não consegue superar o Kimi K3 em desempenho e não possui a política de preços da DeepSeek, corre o risco de desaparecer do mercado.
O modelo H3 ocupa uma posição intermediária: ele ocupa o primeiro lugar mundial em edição de vídeo de acordo com o ranking da Artificial Analysis, garantindo geração em 2K por 0,8 yuans por segundo, o que é três vezes mais barato do que soluções líderes comparáveis. No entanto, ele não é líder nem em desempenho geral nem em preço. A escolha pelo código aberto é vista como um passo mais passivo, visando reduzir os limiares na área de IA, atrair fabricantes de chips e desenvolvedores para otimização com compatibilidade com chips domésticos, além de garantir seu lugar no segmento de vídeo, dominado pela Seedance, através do ecossistema e da escala de desenvolvedores. O valor comercial do código aberto será testado pelos indicadores financeiros.
O código aberto é uma faca de dois gumes: a longo prazo, cria vantagens ecossistêmicas mais profundas do que patentes de sistemas fechados, como demonstraram Linux e Android. No entanto, a curto prazo, ele abdica da monetização direta, e o código aberto por si só não gera receita. Empresas de código aberto geralmente têm uma receita uma ordem de magnitude menor do que suas concorrentes fechadas: a OpenAI ganha cerca de 13 bilhões de dólares americanos, e a Anthropic cerca de 45 bilhões de dólares anualmente, enquanto a receita mensal da Seedance 2.0 ultrapassa 100 milhões de yuans. O código aberto pode conquistar reputação, comunidade e desenvolvedores, mas ainda não conseguiu gerar lucro.
Os relatórios financeiros da MiniMax para 2025 demonstram tensão: a receita foi de 79,04 milhões de dólares americanos, um aumento de 158,9%, com lucro bruto de 20,08 milhões de dólares americanos e margem de 25,4%. No entanto, os gastos com pesquisa e desenvolvimento (P&D) aumentaram 33,8% para 253 milhões de dólares americanos, principalmente devido aos custos de nuvem de treinamento e mais de três vezes o volume de produção. O prejuízo líquido ajustado em 2025 atingiu 251 milhões de dólares americanos, em comparação com 240 milhões em 2024: a receita aumentou pela metade, enquanto as perdas permaneceram estáveis, o crescimento foi impulsionado por investimentos de escala semelhante, e não por maior eficiência. A criação de uma plataforma de código aberto exige ferramentas para desenvolvedores, operação comunitária, suporte corporativo e adaptação a chips, e cada um desses aspectos requer capital. Surge a questão de quanto tempo os acionistas esperarão pacientemente por uma empresa forçada a continuar queimando caixa em busca de um caminho mais valioso. A MiniMax apostou em superar a linha de sobrevivência através do ecossistema e da relação custo-benefício extrema, e não através da escala de parâmetros.
A versão oficial do DeepSeek-V4-Flash, um modelo leve com 304 bilhões de parâmetros, foi lançada pela DeepSeek em 2 de agosto. Esta versão demonstra uma superioridade significativa sobre a versão preliminar V4-Pro após um ajuste fino mínimo e atinge um nível de desempenho comparável ao Claude Opus-4.8.
Os pesos do modelo foram abertos para a comunidade e imediatamente ocuparam o segundo lugar nas tendências do HuggingFace, ficando atrás apenas de Kimi K3. De acordo com os benchmarks da comunidade, o modelo apresentou um desempenho de 82,7 com um custo de apenas US$ 0,14 por milhão de tokens de entrada e US$ 0,28 por milhão de tokens de saída, oferecendo uma relação custo-benefício significativamente melhor do que os principais modelos fechados.
Testes independentes na plataforma VulcanBench colocaram o DeepSeek-V4-Flash em primeiro lugar, superando o Claude Fable 5. Este lançamento foi amplamente reconhecido na indústria como o 'terceiro momento DeepSeek', seguindo o DeepSeek-R1, que desencadeou uma primeira revisão global dos preços de IA em janeiro de 2025, e o ciclo de lançamento do K3, que mudou o cenário dos pesos abertos.
A versão oficial do V4-Flash foi analisada usando a nova estrutura DeepSeek Harness — um conjunto de ferramentas desenvolvido para avaliação estruturada de tarefas de engenharia de agentes de software. O framework Harness fornece interfaces padronizadas para verificar a conformidade do contrato da ferramenta, vincular evidências a conclusões e fluxos de trabalho de verificação, indicando a expansão das atividades da DeepSeek além do simples lançamento de modelos para a infraestrutura de codificação de IA.
A metodologia de teste usada para confirmar o desempenho do V4-Flash também se baseou no DeepSeek Harness, sugerindo que a empresa desenvolveu uma camada de orquestração e avaliação de agentes que poderia servir de base para o futuro produto DeepSeek Code. O mercado de codificação de IA pode sofrer mudanças fundamentais se a DeepSeek combinar as capacidades do modelo de classe V4 com um framework de avaliação aberto e precificação agressiva.
Além disso, o lançamento confirmou que a versão oficial do DeepSeek-V4-Pro está em desenvolvimento. Dado que a versão leve Flash já se aproxima do desempenho de sistemas fechados avançados, espera-se que o modelo completo Pro aumente significativamente os indicadores de capacidade. A DeepSeek ainda não anunciou prazos para o lançamento oficial do V4-Pro. A empresa continua sua estratégia de abertura de pesos com manutenção de preços competitivos, tornando a DeepSeek um ponto de referência para o ecossistema chinês de IA de código aberto e um ponto de preço no mercado global de API.
Este terceiro momento DeepSeek reflete o ritmo acelerado de lançamento de modelos chineses de pesos abertos. O Kimi K3, com 2,8 trilhões de parâmetros, estabelece o teto de escala para código aberto; o MiniMax H3 introduziu geração com funcionalidade modal completa por um terço do preço dos concorrentes, e agora o DeepSeek-V4-Flash demonstra que um modelo de 304 bilhões de parâmetros, submetido a treinamento disciplinado, pode se aproximar do desempenho de ponta. A convergência de pesos abertos, ferramentas Harness e precificação agressiva intensifica a pressão competitiva sobre fornecedores de soluções fechadas e muda a abordagem dos desenvolvedores na escolha de provedores de modelos. A versão oficial do DeepSeek-V4-Flash com pesos abertos e o framework Harness pode marcar a transição da DeepSeek de laboratório de pesquisa para um jogador completo na área de infraestrutura de IA, com a codificação de IA posicionada como o próximo campo de batalha onde convergem as capacidades do modelo, a infraestrutura de avaliação e a experiência do usuário do desenvolvedor.
