DeepSeek lança o V4.1 Flash 1017: licença MIT, contexto de 1M de tokens e preço mantido na API

Fala aí, beleza? A DeepSeek soltou mais uma atualização do Flash, e dessa vez o foco é código e agentes 😀

Em 17/10/2026 saiu o DeepSeek-V4.1-Flash-1017, segundo o anúncio oficial da DeepSeek

Se liga: não é o V4.1 Flash original, é um snapshot novo dele, datado de 17 de outubro, que já está no site, no app e na API da DeepSeek, conforme o post da empresa no X

Os pesos saíram no Hugging Face (repositório deepseek-ai/DeepSeek-V4.1-Flash-1017) sob licença MIT, e também no ModelScope

E o preço na API? Não mudou nada

O que mudou no DeepSeek V4.1 Flash 1017

A DeepSeek vende a atualização com o slogan ‘Wish-Driven Programming Made Real’, algo como programar só descrevendo o que você quer

Na prática, a empresa diz que o 1017 é melhor nos benchmarks, conclui tarefas mais rápido e gera saídas mais curtas que a versão anterior

Saída mais curta importa, né? Em modelo cobrado por token, menos texto na resposta é menos dinheiro saindo

A própria documentação recomenda atualizar para o DeepSeek Harness v0.2.1-rc.1 ou posterior, já que o modelo foi otimizado para o DeepSeek Harness, o Tencent CodeBuddy e o WorkBuddy

Especificações do modelo:

Segundo dados da Artificial Analysis reportados pelo Latent Space, é um MoE com 552B de parâmetros totais e 16B ativos (na decodificação), com contexto de 1M de tokens

Que MoE? É Mixture of Experts: o modelo é gigante no total, mas só uma fatia dele trabalha em cada token, e isso ajuda a manter o custo de inferência baixo

A página do modelo na Together AI detalha ainda mais: 8B de parâmetros ativos no prefill e 16B no decode, mais 196B de memória Engram

Pela documentação oficial, a saída máxima chega a 384K tokens e a entrada aceita texto e imagem

Como foi treinado:

O próprio anúncio oficial da DeepSeek, na seção ‘Build complete projects from scratch’, afirma que o 1017 usa aprendizado por reforço com autofeedback para melhorar o desenvolvimento de projetos completos do zero

Ou seja, não é só uma alegação de terceiro repassada pelo Latent Space: é informação divulgada pela própria DeepSeek

Números divulgados pelo próprio fabricante:

Aqui vale separar bem, porque são números do fabricante, não medição independente

• DeepSWE v1.1: 77,0% (contra 74,2% do V4.1 Flash anterior), com harness Mini-SWE-V2, direto do anúncio oficial da DeepSeek
• Terminal-Bench 4.0: de 31,2 para 42,3, com harness Claude Code, direto do model card oficial da DeepSeek no Hugging Face

Quanto custa o DeepSeek V4.1 Flash 1017 na API

O preço ficou igual ao do V4.1 Flash anterior, e a cobrança muda conforme o horário, de acordo com a página oficial de preços

Valores por milhão de tokens:

O horário de pico vai de 01h a 04h e de 06h a 10h UTC, de segunda a sexta, exceto feriados chineses

Todo o resto conta como fora do pico, incluindo fins de semana e feriados chineses

Tome cuidado com o fuso! Os horários estão em UTC, então converte pro seu antes de agendar job pesado achando que tá pagando metade…

Onde usar: API da DeepSeek, provedores e pesos abertos

Na API da DeepSeek, o identificador deepseek-flash passou a apontar para o snapshot DeepSeek-V4.1-Flash-1017

Ou seja, quem já usa deepseek-flash está rodando a versão nova sem trocar nada no código

Os nomes legados deepseek-v4-flash e deepseek-v4-flash-vision-exp continuam aceitos e também são atendidos pelo 1017, com o preço do Flash

Provedores terceiros:

A Artificial Analysis lista o modelo também em Fireworks, Baseten, DeepInfra, Cloudflare e Together, segundo o Latent Space

O identificador que conseguimos confirmar é este:

• Together AI: deepseek-ai/DeepSeek-V4.1-Flash-1017

Para Fireworks, Baseten, DeepInfra e Cloudflare, confira o nome exato do modelo e o preço direto no painel de cada provedor, porque esses identificadores não foram confirmados nesta revisão

Rodando local:

Como os pesos são abertos e sob MIT, dá pra hospedar por conta própria

A Unsloth lançou uma implementação para llama.cpp com GGUFs dinâmicos, o que facilita o uso local

Mas não se engane: 552B de parâmetros totais não é coisa pra notebook comum, é território de PC da Nasa haha

Resultados reportados em agentes e código

Tudo daqui pra baixo é resultado reportado por terceiros, não verdade definitiva

Benchmark é termômetro, não sentença 🙂

Segundo a Artificial Analysis (via Latent Space):

• Intelligence Index: 45 pontos, alta de 6 sobre o V4.1 Flash, empatado em 2º entre modelos de pesos abertos (junto do GLM-5.3) e 1 ponto atrás do MiMo-V2.6-Pro, com custo de US$ 0,26 por tarefa
• AA-Omniscience: taxa de não alucinação subiu de 4% para 33% (os números de acurácia e de índice do AA-Omniscience não foram confirmados nesta revisão, porque a página da Artificial Analysis estava indisponível)
• CritPt: de 14% para 24%
• GDPval-AA: Elo subiu 146 pontos, chegando a 1746

O salto na taxa de não alucinação é o número que mais chama atenção, porque sair de 4% para 33% muda bastante a confiança em respostas factuais

A própria Artificial Analysis pondera que o MiMo-V2.6-Pro e o GPT-6.1 Sol (medium) pontuam mais que o 1017 com custo por tarefa menor, então ‘barato’ não significa automaticamente ‘melhor custo-benefício’

Arena.ai:

No Code Arena WebDev, o mesmo DeepSeek-V4.1-Flash-1017 (que a Arena.ai lista como DeepSeek-V4.1-Flash-20261017, na configuração Max) apareceu como modelo aberto nº 1, em 12º no geral, com 1670 pontos

Isso dá +52 sobre a versão de 10/09, ficando cerca de 10 pontos atrás do GPT-6 Sol (Max)

No Agent Arena, segundo o Latent Space, o 1017 também é o nº 1 entre os abertos, em 11º no geral, com custo mediano de US$ 0,20 por tarefa

Detalhe: essas posições são as dos anúncios da Arena.ai, e ranking ao vivo muda o tempo todo

Ressalvas: regressões, trapaça em eval e comparação com harness

Nem tudo é festa, e algumas ressalvas são bem relevantes pra quem vai colocar isso em produção. Os pontos abaixo são relatos de terceiros, reunidos pelo Latent Space

Regressões e trapaça:

O comentarista @teortaxesTex relata ganhos grandes em operações longas, mas regressões em adesão a restrições, browser use e pesquisa em uma avaliação composta

Ele também diz que o modelo foi o único flagrado trapaceando em um eval de busca de bugs

Pra agente de código, isso pesa! Modelo que dá jeitinho pra passar no teste é o tipo de coisa que vira bug silencioso no seu repo

O teste do Zhihu e o problema do harness:

Um testador no Zhihu viu ganhos maiores em execução agêntica do que em raciocínio

Uma tarefa de frontend usou só 20% dos passos da versão anterior, mas tarefas exploratórias gastaram de 30% a 40% mais tokens sem notas melhores

E tem um porém importante: a comparação dele mistura a troca do modelo com a troca para o DeepSeek Harness 0.2.1

Que harness? É a estrutura que orquestra o agente (ferramentas, loop, prompts), e mudar ela sozinha já pode alterar o resultado, então não dá pra creditar tudo ao modelo

Quem ganha com a atualização

Quem já chama deepseek-flash na API recebe o 1017 sem mudar código nem preço

Só que isso também significa que o comportamento mudou debaixo do seu nariz, então vale revalidar prompts e evals próprios, principalmente onde o modelo PRECISA obedecer restrições

Agentes de código e tarefas de alto volume tendem a ser os mais beneficiados, pela combinação de preço baixo, desconto fora do pico e os resultados reportados em agentes

A licença MIT com pesos abertos abre espaço pra rodar em provedores terceiros ou localmente, sem ficar preso à API da DeepSeek

E se o Flash não segurar a sua carga mais pesada, a outra opção da casa é o DeepSeek V4 Pro, com outro perfil de custo

Pra quem quer o contexto da linha anterior, o vídeo abaixo fala do V4.1 Flash original, com preço e comparação com o Opus 5, ou seja, é anterior a esta atualização 1017

Próximo passo

Antes de migrar carga crítica, monta uma bateria com casos reais seus

Inclui tarefas com restrições rígidas (formato de saída, regras de negócio, arquivos que não podem ser tocados) e tarefas exploratórias, que foram justamente os pontos fracos relatados

Compara acertos e consumo de tokens contra o que você usa hoje, de preferência rodando fora do pico pra pagar metade

E já deixa a integração preparada com retry e fallback na API, assim um timeout não derruba o seu fluxo enquanto você avalia

até o próximo post! =)

Quer aprender mais sobre inteligência artificial e programação na prática? Conheça o canal Hora de Codar no YouTube e acompanhe os próximos vídeos.