DeepSeek em português: dá para usar no nosso idioma ou compensa escrever os prompts em inglês?

Você abre o DeepSeek, digita a primeira pergunta em português e bate aquela dúvida chata: será que ele entende igual, ou eu deveria estar escrevendo isso tudo em inglês?

A pergunta parece boba, mas ela tem consequência prática

O idioma do prompt mexe em três coisas ao mesmo tempo: a chance de o modelo responder na língua errada, a naturalidade do texto que sai do outro lado e o trabalho de revisão que sobra pra você

E tem um detalhe que quase ninguém comenta: a própria DeepSeek já documentou que mistura de idioma acontece

Então bora separar o que é fato documentado do que é achismo de internet, e montar um jeito de você decidir isso com teste próprio, e não com opinião de post promocional

O que é o DeepSeek e quais modelos estão em jogo hoje

Antes de discutir idioma, vale saber o que tu tem na mão

A DeepSeek é um laboratório chinês de IA fundado em 2023, com sede em Hangzhou, criado por Liang Wenfeng e financiado pelo fundo quantitativo High-Flyer, que o próprio Liang cofundou em 2015 (ficha da empresa)

A família atual é a V4, lançada em 24 de abril de 2026, em duas versões: Pro e Flash

Os dois vieram com pesos abertos sob licença MIT, publicados no Hugging Face em deepseek-ai/DeepSeek-V4-Pro e em deepseek-ai/DeepSeek-V4-Flash

Os tamanhos:

• V4 Pro: 1,6 trilhão de parâmetros totais, com 49 bilhões ativos por token
• V4 Flash: 284 bilhões totais, com 13 bilhões ativos por token
• Nos dois: janela de contexto de 1 milhão de tokens e saída máxima de 384 mil tokens

Contexto de 1 milhão de tokens muda o jogo pra quem escreve em português, porque você pode jogar documento, glossário e exemplos do seu tom junto do prompt sem ficar cortando texto

E na API, qual nome eu chamo?

Os identificadores atuais são deepseek-v4-flash e deepseek-v4-pro

Os aliases antigos deepseek-chat e deepseek-reasoner foram marcados para depreciação em 24/07/2026 no change log oficial da API

Se você seguiu algum tutorial velho e copiou o nome do modelo de lá, é bom conferir esse ponto antes de culpar o modelo por qualquer coisa estranha

Formação Recomendada

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

• 474 aulas
• 20 projetos
• 39h 27min

Conhecer formação

E o DeepSeek Coder, sumiu?

Sumiu como modelo separado, isso mesmo

Em 5 de setembro de 2024 a DeepSeek fundiu o V2 Chat com o Coder V2 no DeepSeek-V2.5, e o nome antigo ficou apenas como compatibilidade de API

Ou seja: não existe mais aquela escolha de "uso o Coder pra código e o Chat pra texto", é o mesmo modelo pros dois trabalhos

Prompt em português x prompt em inglês no DeepSeek: o que muda

Agora o comparativo direto, critério por critério

Os preços da tabela são os do V4 Flash 0731, e valem pros dois idiomas igualmente: a tarifa é por token, não por língua

Repara que o inglês só larga na frente em dois pontos, e os dois são a mesma coisa vista de dois ângulos: o alinhamento com o par de idiomas que a empresa declarou, e o risco de mistura que nasce justamente daí

Na naturalidade e na tarifa a conversa é outra

E repara também no que não está na tabela: quanto mais caro sai um prompt em português por causa da contagem de tokens

Esse número anda por aí em vários posts, mas eu não consegui conferir a tabela oficial, então não vou botar dado por achismo aqui

O jeito honesto de saber isso é medir na sua conta, e daqui a pouco eu mostro como

Resposta veio em inglês ou com caracteres chineses: por que acontece e como resolver

O sintoma

Você escreve tudo em português, do começo ao fim

Aí a resposta volta em inglês, ou o raciocínio sai numa língua e a resposta em outra, ou aparece um caractere chinês solto no meio de um parágrafo em português

Não é bug da sua conta, e não é você escrevendo errado

A causa

Esse comportamento tem nome, se chama language mixing, e ele está documentado pela própria empresa

A documentação do DeepSeek-R1 diz na cara que o modelo é otimizado para chinês e inglês, e que consultas em outros idiomas podem gerar mistura de línguas: ele pode raciocinar e responder em inglês mesmo com a pergunta feita em outra língua

Não é descuido, é limitação assumida

O paper do R1 vai além e conta o que fizeram a respeito: aplicaram uma recompensa de consistência de idioma na fase de RL orientada a raciocínio, e registraram que isso degradou levemente o desempenho do modelo em troca de uma saída mais legível

Ou seja, o trade-off é real e conhecido lá dentro

Nas versões seguintes a coisa melhorou: as notas de lançamento do DeepSeek-V3.1-Terminus listam justamente melhoria de consistência de idioma, com menos mistura de chinês e inglês e fim dos caracteres aleatórios na saída

Melhorou, mas não zerou

No repositório oficial ainda existem issues abertas relatando resposta em chinês ou injeção de caracteres chineses em conversas inteiramente em outro idioma, incluindo casos no chat

Um aviso antes de você aplicar isso na V4:

Repara de onde vem tudo que eu citei acima: a declaração de otimização é da página do R1, o trade-off é do paper do R1 e a melhoria de consistência é das notas do V3.1-Terminus

Nenhuma dessas fontes é sobre a V4

Eu não achei declaração equivalente da DeepSeek sobre language mixing na família atual, então não dá pra dizer nem que a limitação continua igual, nem que ela acabou

O que existe de oficial sobre a V4 nesse assunto é o relatório técnico registrando um corpus multilíngue maior que o das gerações anteriores, com melhor captura de conhecimento de cauda longa entre culturas diferentes

Então encara o que vem abaixo como precaução barata, e não como conserto de um defeito confirmado na V4: travar o idioma custa quase nada e você liga do mesmo jeito

E tem um estudo acadêmico sobre mistura de idiomas em modelos de raciocínio que fecha o quadro: o fenômeno é mais provável quando a entrada não é inglês nem chinês, e fica mais frequente conforme a tarefa fica mais difícil, com destaque pra temas de STEM

Guarda essa frase, ela é a chave do post inteiro

O problema não é "português", é "português + tarefa difícil"

A solução com o que é documentado

Dois recursos oficiais da API atual resolvem a maior parte dos casos

O primeiro é a mensagem de system nas Chat Completions, que serve pra controlar o comportamento da resposta

{
  "model": "deepseek-v4-flash",
  "messages": [
    {
      "role": "system",
      "content": "Responda sempre em português do Brasil. Todo o raciocínio e toda a saída devem estar em português do Brasil, sem misturar inglês ou chinês em nenhuma parte da resposta."
    },
    {
      "role": "user",
      "content": "Sua tarefa aqui"
    }
  ]
}

O segundo é o chat prefix completion, também documentado na referência da API: você prefixa o início da resposta do assistente e força a saída a começar do jeito que você quer

É um empurrãozinho barato: se a resposta já começa em português, ela tende a continuar em português

Como prevenir

• Instrução de idioma no system, sempre, não no meio do prompt do usuário
• Em tarefa difícil, quebra em etapas menores: dificuldade alta é exatamente o gatilho apontado pelo estudo
• Confere a saída antes de publicar, principalmente quando o texto tem termo técnico no meio

No uso pelo chat você não tem esse controle de API na mão, então sobra repetir a instrução de idioma no começo da conversa e ficar de olho

Como montar seu próprio teste comparando português e inglês

Opinião de blog não decide isso por você, beleza?

O que decide é teste com a sua tarefa, no seu contexto

Segue um protocolo que dá pra rodar numa tarde:

1. Escolhe 3 tarefas do seu trabalho real, não exemplo de tutorial: um texto que você publica, uma tarefa de raciocínio (planilha, lógica, análise) e uma de código

O erro comum aqui é escolher tarefa fácil demais: se as duas versões acertam, o teste não te diz nada, porque a mistura de idioma aparece justamente quando a dificuldade sobe

2. Escreve a mesma tarefa nas duas línguas, com a mesma estrutura, o mesmo nível de detalhe e os mesmos exemplos

O erro comum é caprichar mais numa versão que na outra, e aí você não está testando idioma, está testando quem escreveu melhor o prompt (se quiser nivelar isso antes, vale revisar como escrever prompts melhores para gerar código)

3. Fixa o modelo e usa o mesmo nos dois lados: deepseek-v4-flash contra deepseek-v4-flash

O erro comum é comparar português no Flash com inglês no Pro, mudar duas variáveis de uma vez e concluir besteira

4. Roda cada versão mais de uma vez, no mínimo três

O erro comum é rodar uma vez só: modelo tem variação entre chamadas, e uma rodada boa não prova nada

5. Lê o campo usage da resposta da API pra comparar tokens de verdade

A cobrança é por token, somando entrada e saída, e a contagem oficial vem justamente do usage da resposta

O erro comum é estimar token no olho contando palavra: não funciona, e é exatamente esse chute que gera aquelas afirmações de "português custa X% a mais" que ninguém consegue provar

6. Avalia por critérios fixos, anotados antes de rodar: acertou a tarefa (sim ou não), idioma da saída (100% português ou misturou), precisou de revisão (nenhuma, leve, pesada)

O erro comum é avaliar "por sensação" depois de ver as respostas, porque aí você acha bonito o que já esperava achar

7. Faz a conta do custo com a tabela do V4 Flash 0731: US$ 0,14 por 1 milhão de tokens de entrada e US$ 0,28 por 1 milhão de saída, e US$ 0,0028 por milhão nos tokens em cache

O erro comum é esquecer o cache: com desconto de 98% no cache hit, um prompt de sistema grande e repetido muda bastante a conta final

No fim você tem uma planilha pequena e um veredito que vale mais que qualquer benchmark genérico, porque ele é sobre o seu trabalho 🙂

Quando português resolve e quando compensa escrever em inglês

Dá pra separar por tipo de tarefa, e é assim que eu penso no dia a dia

Casos em que português é a escolha certa

• Texto que vai ser publicado em PT-BR: post, e-mail, roteiro, legenda
• Atendimento e suporte: script de resposta, tom de voz, jeito de falar com o cliente
• Conteúdo com contexto local: referência do Brasil, gíria, jeito de escrever da sua marca
• Documentação interna do time que vai ser lida em português

Aqui traduzir pro inglês é tiro no pé: você paga tradução na entrada e paga tradução na saída, e o tom morre no caminho

Esse raciocínio, aliás, é o mesmo que vale pra vibe coding em português quando você descreve o que quer sem virar tradutor de si mesmo

Casos em que o inglês compensa

• Raciocínio pesado: análise em várias etapas, problema com muitas restrições
• STEM e matemática: o estudo aponta esses temas como os mais sujeitos a mistura de idioma
• Código complexo, com muito termo técnico que já é inglês de qualquer jeito

Nesses casos a receita é: prompt em inglês, com pedido explícito de saída em português

A opção híbrida (a que eu mais uso)

Instrução em inglês, conteúdo e saída em português

Ou seja: a parte que orienta o modelo ("analyze the text below, respond in Brazilian Portuguese") vai no idioma que ele foi otimizado pra entender, e o material e o resultado ficam na nossa língua

O V4 ajuda nesse ponto: o relatório técnico registra um corpus multilíngue maior que o das versões anteriores, com melhor captura de conhecimento de cauda longa entre culturas diferentes

O que ainda não existe é um número por idioma pro V4 nos índices multilíngues, então isso não vira promessa aqui

O que percebi usando o DeepSeek em um projeto de verdade

Eu já toquei um projeto inteiro com DeepSeek, do zero ao deploy, rodando ele dentro do Claude Code no lugar do modelo padrão

No vídeo eu mostro isso na prática: ao iniciar, o nome do modelo aparece na interface, e eu ainda perguntei pro próprio modelo qual versão estava rodando só pra confirmar que a troca tinha pegado mesmo

E aqui vem o ponto que interessa pra este post: conduzi o projeto inteiro com prompts em português, do documento inicial até o deploy, sem trocar de idioma em nenhuma etapa

Eu deixo os prompts prontos e salvos antes de gravar, pra não ficar digitando durante a execução

Comecei pedindo, em português, que o modelo planejasse o projeto e escrevesse um PRD em arquivo antes de escrever qualquer linha de código

E depois obriguei ele a reler esse documento a cada nova etapa

Por que esse trabalho todo? Porque com IA não existe segurança de qualidade

Você precisa de um arquivo base que fixe tudo que você quer do projeto, senão cada etapa inventa uma coisa

Descrevi o app em português (colar um texto, indicar o formato de origem, escolher os formatos de destino e receber o texto reescrito pra cada um) e o modelo entendeu a regra direitinho

Na hora de testar a funcionalidade principal, colei um post real de LinkedIn e pedi a adaptação pros outros formatos: as saídas voltaram corretas e sobre o assunto do texto original

A versão em markdown do formato blog sairia pronta pra colar num WordPress

Depois pedi, em português, a integração com banco de dados e autenticação pra salvar histórico, e ele executou

Fiz o ciclo completo de login: gerei conteúdo, saí da conta e entrei de novo só pra checar se a autenticação continuava de pé

No fim, pedi (em português) que o projeto fosse enviado pra um repositório no GitHub, e ele cuidou disso sozinho, avisando que o arquivo de variáveis de ambiente estava ignorado

Detalhe importante: a chave precisa ser configurada no arquivo de variáveis de ambiente que a ferramenta pedir, senão nada roda

E subir o projeto sem ser especialista em infraestrutura é justamente o que dá poder pra quem trabalha com vibe coding hoje

Um aviso honesto: ali eu não medi português contra inglês lado a lado, então esse relato não é benchmark de idioma

Ele mostra outra coisa, que também importa: dá pra tocar um projeto real do início ao fim escrevendo em português, e o idioma do prompt é só mais uma variável do seu fluxo de trabalho, não um bloqueio

Pra começar do zero com o DeepSeek em português, este vídeo do canal mostra o caminho completo, do planejamento ao deploy:

Veredito: use em português, com duas travas ligadas

Dá pra trabalhar com o DeepSeek em português no dia a dia, sim

Esse é o veredito, e ele não é torcida: é o que sobra depois de separar o que está documentado do que é hype

O risco real e documentado é um só, e tem nome: mistura de idioma

A própria DeepSeek declarou a limitação no R1, aplicou recompensa de consistência de idioma no treino assumindo uma leve queda de desempenho, melhorou a consistência no V3.1-Terminus e ainda assim há issues públicas de resposta em chinês no repositório oficial

Tudo isso, de novo, é registro das gerações anteriores, não da V4

As duas travas que resolvem a maior parte disso:

1. Instrução de idioma na mensagem de system, fixa em todo request, e o prefixo da resposta do assistente quando você quiser garantir o começo da saída
2. Verificação da saída em tarefa difícil, porque a literatura liga a mistura de idioma justamente ao aumento da dificuldade, com STEM na frente

Pra quem o inglês continua valendo a pena? Pra raciocínio pesado, matemática e código complexo

Nesses casos, prompt em inglês com pedido explícito de saída em português é a rota mais segura, e o formato híbrido resolve quase sempre

E o que não dá pra afirmar sem teste próprio: quanto a mais (ou a menos) o seu prompt em português consome de token frente ao mesmo prompt em inglês, qual é a nota do V4 especificamente em português e se a limitação de idioma continua igual na V4, já que a empresa não publicou declaração equivalente à do R1

Esses pontos eu não encontrei em fonte que eu pudesse conferir, então eles não entram aqui como verdade

Conclusão

Resumo em uma frase: escreve em português, trava o idioma no system e confere a saída quando a tarefa apertar

O próximo passo é concreto e cabe numa tarde

Roda o teste das 3 tarefas com o campo usage aberto, anota tokens e custo com a tabela do V4 Flash (US$ 0,14 entrada e US$ 0,28 saída por milhão, cache a US$ 0,0028), dá uma olhada no recorte de português do índice multilíngue do Artificial Analysis e só então fixa o padrão de prompt do teu time

Decisão baseada no teu próprio dado vale bem mais que qualquer tabela que eu te entregue pronta 😀

Se você rodar esse teste, me conta o que deu, tô curioso pra ver se bate com o que eu vejo por aqui

até o próximo post!