Em 31 de julho de 2026, a DeepSeek atualizou o V4-Flash na API e colocou a versão oficial em beta público. Segundo o histórico técnico da empresa, a arquitetura e o tamanho do modelo foram preservados; a mudança ficou no pós-treinamento, com foco declarado em agentes e suporte nativo ao formato Responses API.
A atualização chegou uma semana depois da data marcada para a retirada dos identificadores antigos deepseek-chat e deepseek-reasoner. Ela também deu continuidade a uma mudança iniciada em 24 de abril, quando a empresa chinesa apresentou o V4-Flash e o V4-Pro, passou a oferecer contexto de 1 milhão de tokens como padrão e reuniu resposta direta e raciocínio no mesmo modelo.
A página atual de modelos da DeepSeek apresenta V4-Flash e V4-Pro como as opções oficiais, enquanto a documentação marcou 24 de julho de 2026 como a data de retirada dos dois identificadores antigos. Em outras palavras: não se trata apenas de repetir um lançamento de abril. A atualização de julho reforça uma alteração técnica que pode quebrar código desatualizado e mudar a forma de escolher entre velocidade, custo e raciocínio.
Quando isso aconteceu
A versão oficial do V4-Flash entrou em beta público em 31 de julho de 2026. No histórico oficial de mudanças, a DeepSeek diz que o modelo manteve a arquitetura e o porte da versão Preview e recebeu novo pós-treinamento. A empresa publicou resultados de benchmarks de agentes, mas eles foram produzidos pelo próprio fornecedor e não foram reproduzidos pelo Bastidores da IA. O V4-Pro e os modelos usados no aplicativo e na versão web não foram alterados nessa atualização.
O anúncio oficial do DeepSeek V4 Preview foi publicado em 24 de abril de 2026. Na ocasião, a empresa informou que os dois modelos estavam disponíveis imediatamente pela API compatível com o formato da OpenAI e também por uma interface compatível com o formato da Anthropic.
No mesmo comunicado, a DeepSeek avisou que deepseek-chat e deepseek-reasoner seriam aposentados em 24 de julho, às 15h59 UTC. Durante a transição, os nomes antigos apontariam, respectivamente, para os modos sem raciocínio e com raciocínio do V4-Flash. O histórico oficial de mudanças repete esse cronograma, e a página atual de modelos e preços lista apenas deepseek-v4-flash e deepseek-v4-pro como modelos disponíveis.
Essa sequência é importante porque separa três coisas que facilmente se confundem: o lançamento em abril, o período de compatibilidade temporária e a configuração esperada depois de julho. Um tutorial escrito no começo do ano pode continuar parecendo correto, mas utilizar um nome de modelo que já deveria ter sido substituído.
O que mudou na prática
A primeira mudança visível é a existência de duas variantes. O V4-Flash é apresentado como a opção mais rápida e econômica. O V4-Pro é posicionado para tarefas mais exigentes. Os dois aceitam o modo de raciocínio ativado ou desativado, de acordo com a documentação atual.
Antes, o nome escolhido na requisição já indicava o comportamento desejado: deepseek-chat para conversa comum e deepseek-reasoner para raciocínio. No V4, a seleção passa a combinar o modelo com um controle de modo. A documentação de Thinking Mode mostra que o desenvolvedor pode enviar thinking.enabled ou thinking.disabled. Para controlar o esforço de raciocínio, a API documenta os níveis high e max.
Isso dá mais flexibilidade, mas também transfere uma decisão para a aplicação. Uma mesma ferramenta pode responder rapidamente a uma pergunta simples e ativar mais processamento em uma tarefa de programação, planejamento ou análise. O ganho só aparece quando essa escolha é feita de forma consciente. Manter o raciocínio máximo em todas as requisições pode aumentar latência e consumo sem melhorar proporcionalmente cada resposta.
Contexto de 1 milhão de tokens não significa memória infinita
O número mais chamativo do anúncio é o contexto de 1 milhão de tokens. Segundo a DeepSeek, essa capacidade é padrão nos serviços oficiais do V4. A página atual da API também informa saída máxima de até 384 mil tokens para os modelos listados.
Uma janela maior permite enviar documentos extensos, repositórios, históricos de conversa e conjuntos de instruções que antes precisariam ser divididos. Isso pode ser útil em revisão de contratos, análise de código, pesquisa assistida e agentes que mantêm uma sequência longa de ações.
Mas contexto não deve ser confundido com memória permanente nem com compreensão perfeita. O modelo só recebe aquilo que a aplicação inclui na requisição ou recupera de outro sistema. Além disso, caber no limite técnico não garante que toda informação receba a mesma atenção ou que uma resposta extensa esteja correta. Quanto maior o material enviado, mais importante se torna organizar fontes, eliminar duplicações e indicar claramente o objetivo.
Também existe um custo operacional. Milhões de tokens precisam ser transmitidos, processados e, em muitos casos, armazenados em logs ou sistemas de observabilidade. Antes de despejar um arquivo inteiro na API, vale perguntar se uma busca por trechos relevantes, uma indexação ou uma etapa de resumo verificável não resolveria o problema com menos exposição de dados e menor consumo.
Compatibilidade não elimina a necessidade de revisão
A DeepSeek preservou o endereço-base da API no formato OpenAI, https://api.deepseek.com, e oferece também uma interface no formato Anthropic. Essa compatibilidade reduz o trabalho inicial de integração, mas não torna todas as bibliotecas intercambiáveis.
No modo de raciocínio, a resposta pode trazer o conteúdo intermediário no campo reasoning_content e a resposta final em content. A documentação explica ainda que, quando há chamadas de ferramentas, o histórico de raciocínio precisa ser devolvido corretamente nas requisições seguintes. Uma aplicação que ignora essa regra pode receber erro ou perder a continuidade da execução.
Parâmetros tradicionais também merecem atenção. A página de Thinking Mode informa que temperature, top_p, presence_penalty e frequency_penalty não têm efeito quando o raciocínio está ativo, embora o envio desses campos não gere necessariamente um erro. Esse é um caso clássico em que o código “funciona”, mas não se comporta como o desenvolvedor imagina.
Preço: registre a data antes de fazer qualquer conta
Em consulta realizada em 8 de agosto de 2026, a página oficial exibia preços por 1 milhão de tokens diferentes para entrada em cache, entrada fora do cache e saída. Para o V4-Flash, os valores mostrados eram US$ 0,0028, US$ 0,14 e US$ 0,28, respectivamente. Para o V4-Pro, US$ 0,003625, US$ 0,435 e US$ 0,87.
Esses números são uma fotografia da documentação nesta data, não uma promessa permanente. A própria DeepSeek avisa que os preços podem mudar. Para estimar custo real, uma empresa precisa observar a proporção entre entrada e saída, a taxa de acerto do cache, o tamanho médio do contexto, o modo de raciocínio e o número de tentativas necessárias até chegar a uma resposta utilizável.
Também não faz sentido comparar APIs apenas pelo preço nominal de um milhão de tokens. Qualidade na tarefa, estabilidade, tempo de resposta, disponibilidade regional, política de dados, suporte e esforço de integração podem pesar mais do que a tarifa isolada.
O que a DeepSeek afirma, e o que não verificamos
No anúncio, a DeepSeek atribui ao V4 uma nova forma de atenção com compressão por token e DeepSeek Sparse Attention, além de otimizações para agentes. A empresa também diz que o V4-Flash se aproxima do V4-Pro em raciocínio e tarefas simples de agentes.
Essas comparações são alegações do fornecedor. O Bastidores da IA não executou um teste independente dos modelos para esta matéria e, por isso, não apresenta os resultados promocionais como prova definitiva de superioridade. Benchmark divulgado pelo fabricante ajuda a formular perguntas; não substitui avaliação com dados, idioma, ferramentas e critérios do uso real.
Outra limitação é que “1 milhão de tokens” descreve capacidade máxima, não qualidade garantida ao longo de toda a janela. Antes de adotar o serviço, equipes deveriam montar um conjunto de testes com respostas esperadas, medir erros e latência e revisar como dados sensíveis serão tratados.
Por que isso ainda importa
A relevância atual está menos no nome V4 e mais em três mudanças de arquitetura de produto. Primeiro, raciocínio deixou de ser um modelo separado e virou um modo controlável. Segundo, contextos muito longos passaram a ser oferecidos como configuração padrão. Terceiro, a compatibilidade com APIs conhecidas tornou a troca tecnicamente simples, mas não dispensou a leitura das diferenças de parâmetros e histórico.
Para quem mantém uma integração antiga, o passo urgente é procurar pelos identificadores deepseek-chat e deepseek-reasoner em código, variáveis de ambiente, painéis e documentação interna. A página oficial marcou julho como fim desses nomes. Mesmo que alguma camada intermediária ainda faça conversão automática, depender desse comportamento sem confirmação é criar uma falha futura.
Para quem está avaliando a DeepSeek agora, o melhor começo não é enviar o maior documento possível. É escolher uma tarefa pequena, definir o que seria uma boa resposta, testar Flash e Pro nos dois modos e registrar custo, tempo e taxa de correção. Só depois vale aumentar o contexto e introduzir chamadas de ferramentas.
O lançamento de abril mostra uma tendência que atravessa o mercado de IA: o produto já não é apenas o modelo. Controles de raciocínio, cache, compatibilidade de API, contexto e ferramentas determinam boa parte da experiência. É justamente por continuar afetando código e decisões em agosto que esta notícia antiga ainda merece ser lida.