DeepSeek V4: por que o novo modelo chinês importa além do impacto do R1

O que é o DeepSeek V4?

O DeepSeek V4 é uma nova família de modelos de linguagem da empresa chinesa DeepSeek, lançada em versão de prévia em 24 de abril de 2026. O lançamento inclui dois modelos com pesos abertos — ou seja, que podem ser baixados e executados por desenvolvedores —: o V4-Pro, de maior porte, e o V4-Flash, projetado para oferecer mais velocidade e menor custo.

A novidade provavelmente não terá o mesmo efeito-surpresa do DeepSeek R1. O R1 mudou a percepção do mercado ao mostrar que um laboratório chinês conseguia oferecer bom desempenho em raciocínio a um custo relativamente baixo. Agora, modelos chineses competitivos e mais baratos já são esperados. O impacto potencial do V4 é menos o de um choque repentino e mais o de consolidar uma forma prática de desenvolver e operar IA fora de uma pilha tecnológica controlada pelos Estados Unidos. 1415

Pro e Flash: dois modelos para objetivos diferentes

O DeepSeek-V4-Pro tem 1,6 trilhão de parâmetros no total, dos quais 49 bilhões são ativados a cada token. Já o DeepSeek-V4-Flash tem 284 bilhões de parâmetros, com 13 bilhões ativados por token. Os dois usam a arquitetura mixture of experts (MoE), que aciona apenas parte do modelo em cada operação, e contam com uma janela de contexto de 1 milhão de tokens. 1410

Na prática, o Pro é o modelo principal para tarefas que exigem mais raciocínio, programação, uso de ferramentas e agentes de IA. O Flash, ao ativar uma quantidade menor de parâmetros, busca reduzir latência e custo em aplicações de alto volume.

A DeepSeek disponibilizou os modelos com pesos para download e também por meio de sua API, em vez de restringir o acesso a um serviço fechado hospedado pela própria empresa. Isso dá aos desenvolvedores mais opções para testar, adaptar e hospedar os modelos em diferentes infraestruturas. 1415

Desempenho próximo da fronteira, mas com ressalvas

A DeepSeek afirma que o V4-Pro rivaliza com os principais modelos fechados do mercado e destaca resultados em raciocínio, conhecimento, matemática, ciência, programação e tarefas com agentes. A empresa também o apresenta como um dos modelos abertos mais fortes nesses testes. 1415

Essas afirmações, porém, devem ser lidas com cautela. O V4 ainda era uma versão de prévia no lançamento, e resultados divulgados pelo próprio fornecedor não substituem avaliações independentes, realizadas em diferentes tipos de tarefa e em condições reais de uso.

O mesmo vale para a compatibilidade com ambientes como Claude Code, OpenClaw e CodeBuddy. O fato de o V4 poder ser integrado a esses fluxos de trabalho não comprova que ele tenha desempenho equivalente ao Claude ou a outros modelos fechados líderes. Significa que os desenvolvedores podem experimentar uma alternativa mais barata, acessível por API ou potencialmente executável em infraestrutura própria. 14

O que há de especial no contexto de 1 milhão de tokens?

Uma janela de contexto de 1 milhão de tokens permite enviar ao modelo grandes bases de código, documentos extensos ou históricos muito longos de uma tarefa. Como referência aproximada, 1 milhão de tokens pode corresponder a centenas de milhares de palavras, dependendo do idioma e do tipo de conteúdo.

O diferencial do V4 não é apenas o tamanho dessa janela, mas a tentativa de torná-la mais viável do ponto de vista computacional. Sua arquitetura híbrida de atenção examina o contexto recente com mais detalhes e comprime informações mais antigas em uma representação menor, em vez de tratar todos os tokens da mesma maneira.

Segundo dados divulgados pela DeepSeek e pela Hugging Face, com 1 milhão de tokens o V4-Pro usa 27% das operações de inferência por token exigidas pelo V3.2 e 10% da memória de cache KV. No V4-Flash, os números reportados caem para 10% das operações e 7% da memória de cache. 16

Se esses ganhos se confirmarem em aplicações reais, eles podem reduzir o custo de manter repositórios inteiros de código, acervos de pesquisa e agentes que trabalham por longos períodos com o mesmo histórico.

A dimensão estratégica: Huawei Ascend contra a dependência da Nvidia

O V4 é o primeiro grande modelo da DeepSeek adaptado aos chips Ascend, da Huawei, em vez de depender principalmente de GPUs da Nvidia. A mudança é relevante em um momento de restrições americanas à exportação de chips avançados para a China. Ela ajuda a testar uma rota composta por modelo, chips e software sob controle chinês e se alinha à busca de Pequim por maior autossuficiência em inteligência artificial. 23

A Reuters informou que a Huawei usou seus chips em parte do processo de treinamento e que o V4 foi adaptado para a tecnologia Ascend. Ainda assim, as informações públicas disponíveis não esclarecem qual parcela do treinamento completo do V4 foi realizada em chips domésticos, em oposição ao trabalho de otimização e suporte à inferência. Por isso, afirmações de que o modelo teria sido treinado integralmente em hardware chinês devem ser tratadas como não verificadas.

Isso significa que a Nvidia está sendo substituída?

Não. Fazer um modelo funcionar em chips Ascend é diferente de substituir a plataforma da Nvidia.

A vantagem da Nvidia inclui não apenas o hardware, mas também interconexões entre aceleradores, bibliotecas otimizadas, o ecossistema de programação CUDA, ferramentas maduras, familiaridade dos desenvolvedores e ampla disponibilidade em serviços de nuvem no mundo todo. Migrar um modelo para outra plataforma envolve adaptar software, bibliotecas e rotinas de treinamento e inferência — não apenas trocar uma peça física.

O avanço do V4 deve ser entendido como uma validação importante de uma alternativa, não como prova de que o ecossistema baseado em Nvidia deixou de ser necessário.

Por que os Ascend 950 podem ganhar importância

Após o lançamento do V4, a Reuters noticiou forte demanda por chips Ascend 950, com grandes empresas chinesas de internet tentando garantir encomendas. 1

Se os sistemas da Huawei em escala de supernó conseguirem combinar desempenho utilizável, ferramentas de software, oferta suficiente e custo total menor, eles poderão reforçar os ganhos de eficiência buscados pela DeepSeek. Também poderiam ajudar a formar uma infraestrutura chinesa de IA paralela à predominante no mercado global.

Esse é um caminho estratégico plausível, mas ainda não uma substituição comprovada da infraestrutura baseada em Nvidia.

O que realmente muda com o DeepSeek V4?

O R1 teve impacto por mudar a percepção sobre o que uma empresa chinesa poderia alcançar em raciocínio e custo. O V4 pode ter um efeito mais operacional: oferece modelos abertos, contexto muito longo, versões com diferentes perfis de custo e velocidade, recursos para programação e agentes e uma tentativa concreta de executar tudo isso em infraestrutura chinesa.

Em resumo, o V4 talvez não provoque outro terremoto no mercado. Sua importância pode estar em algo mais gradual e profundo: tornar mais acessível a implantação de modelos avançados e ajudar a conectar um modelo competitivo a uma cadeia chinesa de chips e software.