Lançamento oficial do DeepSeek-V4.1-Flash: API deepseek-flash a partir de $0.15/$0.60 por 1M, contexto de 1M, pesos abertos MIT

O que está confirmado (ambas as fontes verificadas em 10 de set., UTC+8)

• O lançamento: A entrada do registro de alterações da DeepSeek datada de 2026-09-10 anuncia o lançamento oficial. O V4.1-Flash é "o menor modelo da nossa nova família de arquiteturas, com compreensão visual multimodal nativa"; a arquitetura visa um teto de capacidade mais alto, inferência mais rápida, maior taxa de transferência e escalabilidade para modelos maiores.
• O model card: o README do Hugging Face ("Pushing the Limits of KV Cache Compression") detalha um MoE multimodal com backbone de 552B — 1 especialista compartilhado + 384 roteados, 6 ativados por token — ativando 8B parâmetros/token no prefill e 16B no decode, com contexto de 1M de tokens treinado em 45T de tokens (atenção esparsa a 64K, estendida para 1M em 34T).
• Destaque da arquitetura: um Causal Encoder-Decoder (CED) — encoder causal de 20 camadas + decoder de 20 camadas — projeta o KV cache global do decoder a partir dos estados finais do encoder; o caching principal de KV em FP4 reduz o cache global para ~890 bytes/token, ≈1/4 do DeepSeek-V4-Flash (≈437× menor que o V1), enquanto o SWA Bounded Replay reduz o cache persistente para ≈1/8.
• Principais benchmarks (oficiais, esforço máximo de raciocínio): GPQA Diamond 90.9, rating no Codeforces 3471, Terminal-Bench 2.1 90.6, DeepSWE v1.1 74.2, HLE c/ ferramentas 63.9, Agents' Last Exam 31.8. O esforço de raciocínio é ajustável de forma contínua (1–100). Números fornecidos pelo próprio desenvolvedor — trate-os como tal até que replicações de terceiros estejam disponíveis.
• Nome da API e aliases: novas requisições devem usar deepseek-flash. deepseek-v4-flash e deepseek-v4-flash-vision-exp "ainda são aceitos", mas são temporariamente roteados para o V4.1 Flash — os modelos da geração V4 que eles nomeavam foram descontinuados.
• V4 Pro: anunciado para roteamento em 14 de set., mas mantido. O anúncio original de 10 de set. dizia: "A partir das 04:00 UTC de 14 de setembro de 2026, todas as requisições para deepseek-v4-pro serão roteadas para o V4.1-Flash com as tarifas do V4.1-Flash. Isso continuará até o lançamento do V4.1-Pro." Essa mudança foi cancelada: de acordo com o registro de alterações e a página de preços em 16 de set., "Em resposta à demanda dos usuários, decidimos continuar fornecendo serviços de API para o DeepSeek V4 Pro após 14 de setembro de 2026, mantendo o método de cobrança inalterado." O V4 Pro mantém sua própria tabela — fora do pico $0.022 cache-hit / $0.66 entrada cache-miss / $1.98 saída por 1M, pico 2×, concorrência de 500. A página oficial de notícias ainda traz a frase antiga de roteamento; considere o registro de alterações e a página de preços como as fontes em vigor.
• Reduções de preço são oficiais: "Com o lançamento do DeepSeek-V4.1-Flash, os preços da API foram reduzidos de acordo." A tabela verificada: fora do pico $0.15/$0.60 por 1M (entrada cache-miss / saída), $0.003 entrada cache-hit, pico = 2× durante 01:00–04:00 & 06:00–10:00 UTC seg.–sex. (09:00–12:00 & 14:00–18:00 Pequim). Concorrência de 2.500 contra 500 do V4 Pro. Fãs de descontos fora de pico já conhecem o padrão da mudança de preços fora de pico nos finais de semana — isso torna o horário fora de pico o padrão novamente.
• Pesos abertos, MIT: o repositório no HF disponibiliza os pesos sob licença MIT, um PDF com o relatório técnico, uma referência independente para codificação de prompts (sem template de chat Jinja) e instruções de inferência local — a mesma postura de pesos abertos da liberação sem restrições sob MIT do Vision-Exp, agora no modelo multimodal da linha principal.

O que não foi lançado — e o que acompanhar

• Ainda sem V4.1 Pro. Até 10 de set. (UTC+8), o registro de alterações menciona o V4.1 Pro apenas como um lançamento futuro que limitaria a transição de roteamento do V4 Pro. Sem data, sem benchmarks. Espere um evento à parte — a nova família foi projetada para "escalar para modelos maiores".
• Nomes de alias são temporários. Se você ainda chama deepseek-v4-flash ou deepseek-v4-flash-vision-exp, já está recebendo o V4.1 Flash aos preços do Flash — mas a documentação indica que o roteamento é temporário. Migre para deepseek-flash agora para evitar interrupções futuras.
• A transição abrupta do V4 Pro em 14 de set. foi cancelada. O deepseek-v4-pro continua sendo servido e cobrado como V4 Pro — nenhuma mudança forçada de comportamento; a frase de roteamento ainda visível na página oficial de notícias está desatualizada. Fique atento ao lançamento do V4.1 Pro e ao compromisso da DeepSeek de emitir novos avisos se algo mudar.
• Cobertura de terceiros pendente. De acordo com a política de lançamentos deste site, citamos apenas fontes oficiais primárias para os fatos do lançamento; replicações independentes de benchmarks e análises internacionais/do X geralmente surgem de 24 a 48 horas após um lançamento da DeepSeek e ainda não estão refletidas aqui.

Por que o número do KV cache importa para quem desenvolve

• Agentes de contexto longo ficam mais baratos onde mais pesa: na entrada. 890 bytes/token de KV global (vs ~3.5KB no V4-Flash) significa que contextos de um milhão de tokens deixam de ser uma bomba de memória. Com 8B de parâmetros ativos no prefill, cargas de trabalho pesadas em entrada — RAG em escala de repositório, longas trajetórias de agentes, pipelines de documentos — são exatamente o perfil otimizado por este modelo.
• A tabela de preços recompensa a disciplina de cache. A entrada com cache-hit a $0.003 (fora de pico) é 50× mais barata do que uma chamada de entrada com cache-miss. Com o caching implícito da API DeepSeek, prefixos estáveis (prompts de sistema, esquemas de ferramentas, documentos longos) tornam-se quase gratuitos para reutilizar.
• Concorrência de 2.500. Quatro vezes o limite de 500 do V4 Pro — um sinal sobre a margem de taxa de transferência na nova arquitetura. Detalhes sobre limites de taxa encontram-se na página oficial Rate Limit & Isolation.
• Auto-hospedagem vs API: Os pesos MIT tornam a alternativa real, mas um modelo com backbone de 552B (mesmo com 8B/16B ativos) exige uma infraestrutura de múltiplos nós de GPU. A maioria dos desenvolvedores deve consumir a API e manter os pesos como plano de contingência — a lógica do DeepSeek-V4-Pro para desenvolvedores se mantém: o V4 Pro continua sendo servido e precificado de forma independente após o cancelamento do plano de roteamento de 14 de set.

Acesso fora da China — e o aviso legal padrão

O endpoint oficial (https://api.deepseek.com) atende em formatos compatíveis com OpenAI e Anthropic, com Responses API, chamadas de ferramentas, saída em JSON e visão no deepseek-flash. Desenvolvedores internacionais devem verificar os métodos de pagamento e faturamento de forma independente — as opções oficiais de recarga permanecem focadas na China para alguns métodos de pagamento.

Aviso de independência: O ChinaModelAPI é um site informativo independente, não afiliado à DeepSeek. Todos os fatos e preços deste artigo foram transcritos do registro oficial de alterações da DeepSeek e do model card oficial no Hugging Face em 10 de set. de 2026 (UTC+8); Este artigo não é uma recomendação de compra. Verifique os preços na tabela oficial de tarifas antes de implementar.

Fontes primárias

• Documentação da API DeepSeek — Registro de alterações, entrada datada de 2026-09-10: "DeepSeek-V4.1-Flash Release" (alterações na API, roteamento do V4 Pro, notas de preços)
• Hugging Face — model card do deepseek-ai/DeepSeek-V4.1-Flash: arquitetura, pré-treinamento com 45T de tokens, avaliações, licença MIT (README bruto, verificado em 10 de set. de 2026)
• Documentação da API DeepSeek — Modelos e Preços: tabela de tarifas do deepseek-flash, definição de horário de pico, notas de rodapé sobre aliases e roteamento (verificado em 10 de set. de 2026)

FAQ (2026)