DeepSeek V4 em teste: o que dá para concluir após o preview

Mas chamar o V4 de melhor modelo do mundo ainda é um passo além das evidências disponíveis. Em especial, números espetaculares de benchmarks como SWE-bench devem ser tratados com cuidado quando vêm de vazamentos ou imagens sem validação independente.

O que está confirmado sobre o lançamento

A confirmação mais importante vem da própria documentação de API da DeepSeek: o item DeepSeek-V4 Preview Release aparece datado de 24 de abril de 2026. Para quem acompanha o setor, isso muda o status da conversa: V4 deixou de ser apenas rumor de lançamento e passou a existir, ao menos, como preview.

Ainda assim, vale lembrar o contexto. A Kili Technology afirmava em meados de março de 2026 que o V4 ainda não havia sido lançado oficialmente, e a Tokenmix dizia em 21 de abril de 2026 que o modelo continuava indisponível apesar de várias janelas de lançamento previstas. Por isso, a leitura mais prudente não é a de um produto final amplamente estabilizado, mas a de um modelo em avaliação inicial após abertura de preview.

A Pixverse descreveu o preview de 24 de abril como incluindo contexto de 1 milhão de tokens e acesso por API via deepseek-v4-pro e deepseek-v4-flash. Mesmo assim, para qualquer uso real, o ideal é confirmar disponibilidade, limites e nomes de modelos diretamente na documentação oficial da API.

Onde o DeepSeek V4 parece mais forte

1. Programação e tarefas de desenvolvimento

A área que mais chama atenção é código. A NXCode descreve o V4 como um possível modelo MoE de grande escala, com contexto de 1 milhão de tokens e métricas fortes em programação, mas também ressalta que as alegações de benchmark ainda não foram verificadas.

Esse ponto é crucial. O Overchat analisou um suposto vazamento no X com números de SWE-bench Verified que colocariam o V4 no topo dos modelos de codificação; porém, a mesma imagem trazia um resultado de AIME 2026 considerado matematicamente estranho, e notas da comunidade apontaram alta probabilidade de falsificação. Em outras palavras: o V4 pode ser muito bom em código, mas não é sensato escolher uma stack de IA com base apenas em um print viral.

Para equipes de engenharia, o teste que importa é menos glamouroso e mais prático: abrir issues reais do próprio repositório, pedir correções, gerar testes, revisar refatorações e medir quantas sugestões realmente passam no pipeline.

2. Contexto longo e uso com muitos documentos

Vários textos externos mencionam que o DeepSeek V4 pode trabalhar com contexto na casa de 1 milhão de tokens. Na prática, isso significa conseguir enviar muito mais texto, código ou documentação em uma única interação do que em janelas tradicionais menores.

Se funcionar bem em produção, isso pode ser valioso para RAG — geração aumentada por recuperação — em cenários como bases de conhecimento internas, especificações técnicas extensas, contratos, manuais, logs ou repositórios grandes. Mas há uma pegadinha: caber na janela de contexto não é a mesma coisa que encontrar a informação certa e raciocinar corretamente sobre ela.

A SitePoint evita fabricar números sem scores publicados e organiza as expectativas do V4 em torno de programação, geração multilíngue, recuperação de informação em contexto longo e raciocínio estruturado. Essa é uma boa lente: contexto longo é uma vantagem potencial, não garantia automática de qualidade.

3. Eficiência de preço

Outro atrativo é custo. Simon Willison descreveu o DeepSeek V4 como um modelo quase na fronteira, mas por uma fração do preço. Para empresas, isso é relevante porque modelos de IA não competem apenas por precisão; competem também por viabilidade econômica em escala.

Ainda assim, custo real não é só preço por milhão de tokens. Uma avaliação séria precisa incluir latência, taxa de erro, necessidade de reprocessamento, qualidade da primeira resposta, gasto em prompts longos e estabilidade da API. Um modelo barato por token pode sair caro se exige muitas tentativas para entregar o mesmo resultado.

Como ele se compara a GPT e Gemini?

A leitura mais equilibrada, por enquanto, é: o DeepSeek V4 parece muito próximo dos modelos de ponta, mas não há base suficiente para dizer que ultrapassou todos eles de forma clara.

Segundo a análise citada por Simon Willison, o DeepSeek-V4-Pro-Max, usando expansão de tokens de raciocínio, teria desempenho superior ao GPT-5.2 e ao Gemini-3.0-Pro em benchmarks padrão de raciocínio, mas ainda ficaria um pouco atrás do GPT-5.4 e do Gemini-3.1-Pro. Se essa fotografia estiver correta, o V4 não é um azarão distante: é um concorrente de elite. Mas também não parece, ainda, um líder absoluto e incontestável.

Como ler as informações disponíveis

O erro mais comum, neste momento, é pegar o número mais alto disponível e transformá-lo em manchete definitiva. Benchmarks importam, mas só ganham peso quando são reproduzíveis, bem documentados e comparáveis entre modelos.

O que empresas e desenvolvedores deveriam testar

Se a ideia é considerar o DeepSeek V4 para produção, o caminho mais seguro é uma prova de conceito pequena, com tarefas parecidas com as do uso real. Alguns testes úteis:

1. Correção de código: use bugs reais, testes automatizados e revisões humanas para medir acerto, regressões e retrabalho.
2. RAG com documentos longos: verifique se o modelo encontra trechos corretos, cita evidências e não inventa respostas quando a informação não está na base.
3. Fluxos com agentes: avalie planejamento em várias etapas, chamadas de ferramentas, recuperação de erros e consistência em execuções repetidas.
4. Português do Brasil e tarefas multilíngues: teste atendimento, resumo, documentação técnica, tom de marca e nuances de linguagem. A geração multilíngue é uma das áreas em que o V4 é apontado como promissor.
5. Custo total e velocidade: compare preço por token, tempo de resposta, taxa de falha, reenvios e custo de prompts longos.

Veredito provisório

O DeepSeek V4 é, sem dúvida, um modelo para acompanhar de perto. O preview aparece oficialmente na documentação da DeepSeek, e as análises externas indicam potencial forte em programação, contexto longo e eficiência de custo.

Mas ainda não é hora de tratá-lo como campeão absoluto. Há claims de benchmark não verificados, vazamentos com sinais de inconsistência e pouca evidência pública consolidada para afirmar superioridade geral sobre os modelos mais avançados do mercado.

A conclusão mais honesta é: o DeepSeek V4 parece muito bom e pode ser competitivo em nível de fronteira, mas a decisão de adoção deve passar por testes próprios de desempenho, custo e estabilidade.