DeepSeek V4.1-Flash: barato para treinar ou para usar?

Quando um modelo de IA é chamado de "barato", a frase pode estar falando de três contas diferentes: quanto custou treinar o modelo, quanto custa cada resposta que ele gera e quanto custa, no fim, entregar uma tarefa completa. A DeepSeek lançou o V4.1-Flash em setembro de 2026 dizendo que a nova arquitetura reduz custo e preço. Nas duas páginas consultadas — a de lançamento e a de preços — encontramos preços de uso, mas não um valor monetário para o treinamento. Separar as três contas evita comparar coisas que não se comparam.

Essa é a pergunta do diário #8 da XMACNA, "DeepSeek 4.1: barato para treinar ou para usar?", publicado no YouTube em 21 de outubro de 2026. O vídeo levanta a questão; este artigo organiza o raciocínio com os números públicos da própria DeepSeek, para que você consiga aplicar o mesmo método a qualquer modelo.

Três contas que costumam ser misturadas

Custo de treinamento. É o que o desenvolvedor gasta para criar o modelo: computação, dados, equipe e as rodadas de ajuste depois do pré-treinamento. Esse custo é pago pelo fabricante. Para quem usa o modelo por API, ele aparece só de forma indireta, embutido no preço que a empresa decide cobrar.

Custo de inferência. É o custo de fazer o modelo trabalhar: cada vez que ele lê um texto e escreve uma resposta, consome computação. Nas APIs, essa conta chega ao cliente como preço por token. Um token é um pedaço de texto, que pode ser uma palavra, um número ou um sinal de pontuação.

Custo entregue por tarefa. É a conta que interessa a quem opera: quanto custa resolver um atendimento, resumir um contrato ou classificar um pedido do começo ao fim. Ela inclui os tokens, mas também as tentativas repetidas, as ferramentas consultadas, a revisão humana e a infraestrutura em volta.

As três contas se relacionam, mas não se substituem. Um modelo pode ter sido caro de treinar e barato de usar, ou barato por token e caro por tarefa, se errar muito e exigir retrabalho.

O que a DeepSeek publicou sobre o V4.1-Flash

Na página de lançamento, datada de 10 de setembro de 2026, a DeepSeek descreve o V4.1-Flash como um modelo de arquitetura MoE (mixture of experts) com 552 bilhões de parâmetros no total. Segundo a empresa, só uma parte deles é ativada a cada token: 8 bilhões na leitura da entrada e 16 bilhões na geração da saída. Na API, o modelo atende pelo nome `deepseek-flash`.

A ideia do MoE, em termos simples, é dividir o modelo em blocos especializados e acionar só alguns a cada passo. Isso tende a reduzir a computação necessária para gerar cada resposta. A DeepSeek afirma que a arquitetura torna o modelo mais eficiente e que repassa a economia em preços de API menores. Essas são afirmações da própria empresa.

Há um cuidado importante aqui. Parâmetros ativos por token falam do trabalho feito em cada resposta. Eles não informam quanto custou treinar o modelo nem permitem comparar diretamente treinamento e uso.

O que a tabela de preços mostra

A página de modelos e preços da DeepSeek, consultada em 21 de outubro de 2026, lista o DeepSeek-V4.1-Flash-1017 com estes valores, em dólares por milhão de tokens:

Três detalhes mudam a conta:

• Entrada e saída têm preços diferentes. O texto que o modelo escreve custa mais do que o texto que ele lê.
• O cache barateia a entrada repetida. Quando parte da entrada já foi processada antes e é reaproveitada, ela é cobrada pela linha de acerto de cache, bem mais barata.
• O horário conta. O pico vai de 01h às 04h e de 06h às 10h UTC, de segunda a sexta, exceto feriados chineses. Fora desses horários, a tarifa é a metade.

A mesma página informa que o uso do modelo é cobrado pelo número de tokens multiplicado pelo preço e que a empresa pode ajustar os preços. As APIs de Search e Fetch, de busca e consulta, têm tabela própria e são cobradas por requisição bem-sucedida. Há uma exceção temporária: quando a API da DeepSeek é usada pelo DeepSeek Harness, pelo Claude Code ou pelo Codex, as chamadas de ferramentas feitas do lado do servidor a Search e Fetch estão gratuitas por enquanto, e a página prevê a cobrança por requisição a partir de 1º de novembro de 2026, às 00h de Pequim (16h UTC de 31 de outubro). A exceção vale só para essas chamadas, não para todo uso direto de Search e Fetch. Antes de qualquer decisão, confira a página atual.

Uma conta ilustrativa

Imagine um volume de 1 milhão de tokens de entrada sem cache e 1 milhão de tokens de saída. Com os preços acima, a conta fica em US$ 0,15 + US$ 0,60 = US$ 0,75 fora de pico, ou US$ 0,30 + US$ 1,20 = US$ 1,50 no pico.

Essa aritmética serve para mostrar como a tabela funciona, não para estimar o custo típico de um uso real. Ela não inclui infraestrutura, implementação, ferramentas, tributos nem a opção de rodar o modelo em servidores próprios, que troca o preço por token pelo custo de hardware e operação.

E o custo de treinamento?

Nos dois documentos da DeepSeek usados neste artigo, a página de lançamento e a tabela de preços, não localizamos o custo monetário de treinamento do V4.1-Flash. A página de lançamento fala em novos métodos de pré-treinamento e em aprendizado por reforço em maior escala, mas não traz valores. Por isso, não há base pública suficiente, nessas fontes, para dizer se o modelo foi barato de treinar ou para comparar esse número com o preço de uso da API.

Para uma empresa que contrata o modelo por API, essa ausência pesa menos do que parece. O custo de treinamento é do fabricante. O que entra na sua fatura é a inferência, e o que entra no seu resultado é o custo por tarefa.

Por que preço por token não é custo por tarefa

O mesmo preço por token pode gerar contas muito diferentes, porque cada tarefa usa os tokens de um jeito. Veja duas tarefas hipotéticas no V4.1-Flash, com a tarifa fora de pico e mil execuções de cada:

A tarefa B usa cerca de quatro vezes menos tokens que a A e, mesmo assim, custa mais de três quartos dela, porque a saída é a linha mais cara da tabela. Já a tarefa A fica cerca de cinco vezes mais barata quando a entrada repetida vem do cache. Os volumes são inventados para mostrar o mecanismo; só os preços vêm da DeepSeek.

Fora da tabela, outros fatores mexem na conta:

• O tamanho do contexto. Quanto mais texto o modelo precisa ler a cada pedido, mais cara fica cada requisição. A AWS faz essa observação num artigo técnico de fevereiro de 2026 sobre o próprio serviço de inferência; na tabela da DeepSeek, isso aparece como mais tokens de entrada cobrados.
• A urgência. Nem toda tarefa precisa de resposta imediata. Ao lançar uma API de processamento em lote, em abril de 2025, a Cloudflare deu como exemplo resumos de muitos documentos que podem esperar. Na DeepSeek, o equivalente é levar trabalho flexível para fora do pico, quando a tarifa cai pela metade. Isso não quer dizer que processar em lote seja sempre mais barato em qualquer fornecedor.
• Quem opera a infraestrutura. Usar uma API gerenciada e hospedar o próprio modelo são contas diferentes: numa, paga-se por token; na outra, por servidores, energia e equipe. O Google Cloud descreve essas duas opções, para os próprios produtos, num post de fevereiro de 2025. Num guia de março de 2025, a empresa diz que seu serviço gerenciado pode poupar horas de gestão e evitar pagar por GPUs ociosas, enquanto máquinas virtuais com acesso direto ao hardware dão controle total; o próprio guia avisa que nem toda dica serve para todo caso.
• A troca de modelo. Migrar para um modelo mais barato também custa. Num texto do MIT Sloan de janeiro de 2026, um dos autores de um estudo sobre modelos abertos lembra que as empresas constroem processos em torno do modelo que já usam e que a troca não é trivial.

Custo entregue por tarefa: a conta que importa

O preço por token é só o começo. Uma forma prática de chegar ao custo por tarefa:

1. Escolha uma tarefa real e repetitiva, como responder a uma pergunta de cliente ou extrair dados de um documento.
2. Meça os tokens de uma amostra: quanto entra, quanto sai e quanto pode ser aproveitado do cache.
3. Conte as tentativas e as falhas. Uma resposta errada que precisa ser refeita acrescenta custo; registre também os tokens, as ferramentas e a revisão de cada nova tentativa.
4. Some o que está em volta: ferramentas consultadas, tempo de revisão humana, integração com seus sistemas.
5. Divida pelo número de tarefas concluídas com qualidade, não pelo número de chamadas.

É aqui que modelos baratos por token podem perder ou ganhar. Um modelo que custa menos por milhão de tokens, mas acerta menos, pode sair mais caro por tarefa resolvida. A comparação justa é feita com tarefas iguais e critérios definidos antes, como mostramos em Teste cego de IA: escolha modelos com evidência. O mesmo raciocínio sobre custo operacional aparece em GPT-5.6 e o custo operacional da IA.

O V4.1-Flash também entra numa disputa maior entre modelos abertos e fechados, tema de A nova corrida dos modelos abertos mudou o poder na IA. A página de lançamento aponta para uma página do modelo no Hugging Face e diz que a DeepSeek vai trabalhar com a comunidade de código aberto no suporte à inferência.

Três perguntas antes de escolher um modelo pelo preço

• Qual conta está sendo anunciada? Preço de API é custo de uso, não de treinamento.
• Qual é o seu padrão de uso? Muito texto de entrada repetido favorece o cache; respostas longas pesam na linha de saída; tarefas que podem esperar aproveitam o horário fora de pico.
• Quanto custa uma tarefa concluída? Só esse número permite comparar modelos de forma honesta.

Para uma visão geral do que entra no orçamento de IA de uma empresa, veja o guia sobre quanto custa IA para empresas.

Assista ao diário

O diário #8, "DeepSeek 4.1: barato para treinar ou para usar?" (YouTube, ID `lToEm9nslIU`), está no canal da XMACNA no YouTube. O vídeo apresenta a pergunta; este artigo detalha o método e as fontes.

Perguntas frequentes

O preço da API da DeepSeek mostra quanto custou treinar o modelo?

Não. A tabela de preços mostra o custo de uso, cobrado por token. Nos documentos da DeepSeek usados aqui, a página de lançamento e a tabela de preços, não localizamos o custo monetário de treinamento do V4.1-Flash, então não há base pública, nessas fontes, para comparar os dois.

O que significa ter 552 bilhões de parâmetros, mas só 8 ou 16 bilhões ativos?

Segundo a DeepSeek, o V4.1-Flash usa uma arquitetura MoE: o modelo tem 552 bilhões de parâmetros no total, mas ativa 8 bilhões por token na entrada e 16 bilhões na saída. Isso fala da computação de cada resposta, não do custo de treinamento.

Quanto custam 1 milhão de tokens de entrada sem cache e 1 milhão de saída no V4.1-Flash?

Pela tabela consultada em 21 de outubro de 2026, 1 milhão de tokens de entrada sem cache mais 1 milhão de tokens de saída somam US$ 0,75 fora de pico ou US$ 1,50 no pico. É uma conta ilustrativa: não inclui infraestrutura, implementação, ferramentas nem tributos, e os preços podem mudar.

Como comparar o custo de dois modelos de IA para a minha empresa?

Rode os dois na mesma tarefa real, com os mesmos critérios de qualidade, e divida o gasto total pelo número de tarefas concluídas corretamente. O preço por token sozinho não mostra quanto a tarefa lê e escreve, quanto aproveita do cache, nem o retrabalho, as ferramentas e a revisão humana.

Próximo passo

Se a sua empresa quer entender quanto custaria colocar IA para trabalhar num processo real, o diagnóstico gratuito da XMACNA indica um ponto de partida a partir das respostas ao formulário.