Notícias do setor

DeepSeek V4 Flash Vision Exp: IA multimodal a $0,66 por milhao de tokens

DeepSeek adiciona visao nativa ao seu modelo principal economico com V4-Flash-Vision-Exp. $0,66/1M de saida fora do pico, contexto 1M, pontuacoes proximas ao Claude Opus 4.8.

5 min readBy The Arena Editor
#deepseek#ia-multimodal#modelo-visao#precos-llm#agentes-ia
DeepSeek V4 Flash Vision Exp: IA multimodal a $0,66 por milhao de tokens

Some links are partner links: if you subscribe through them, we may earn a commission, at no extra cost to you. The crowd verdicts stay independent.

O DeepSeek-V4-Flash-Vision-Exp foi lancado em 21 de agosto de 2026, adicionando compreensao de imagens nativa ao modelo frontier mais barato do mercado. Esta versao experimental estende as capacidades de texto do V4-Flash para o territorio multimodal pelo mesmo preco de $0,66 por milhao de tokens de saida (fora do pico), tornando a IA visual acessivel para desenvolvedores que antes precisavam escolher entre custo e capacidade.

Resumo rapido

O V4-Flash-Vision-Exp processa imagens e texto em um unico modelo a $0,66/1M tokens de saida fora do pico ($1,32 no pico). Ele obtem pontuacoes a menos de 5 pontos do Claude Opus 4.8 na maioria dos benchmarks de agentes, custando aproximadamente 38 vezes menos por token de saida.

Por que este lancamento importa para agentes multimodais

Ate agora, o DeepSeek-V4 era apenas texto, uma lacuna significativa ao competir contra o Claude Opus 4.8 (57% de recomendacao do publico na arena GLAD-IA-TOR) e GPT-5.5, ambos com visao ha meses. O novo modelo preenche essa lacuna com entrada de imagens nativa: ate 384 tokens por imagem, cobrados na tarifa de entrada padrao sem sobretaxa.

A janela de contexto permanece em 1.048.576 tokens com um limite de saida de 384.000 tokens. O modo de raciocinio esta ativo por padrao e a API esta disponivel tanto em endpoints compativeis com OpenAI quanto em formato Anthropic.

ModeloPreco saida (por 1M)ContextoVisaoPontuacao publico
DeepSeek-V4-Flash-Vision-Exp$0,66 (fora do pico)1MSim57% (V4 base)
DeepSeek-V4 Pro$0,871MNao57%
Claude Opus 4.8$25,001MSim57%
GPT-5.5$30,001MSim57%
Gemini 3 Pro$12,001MSim57%

A diferenca de preco e marcante: o V4-Flash-Vision-Exp custa 38 vezes menos que o Claude Opus 4.8 e 45 vezes menos que o GPT-5.5 por token de saida. Os hits de cache reduzem a tarifa de entrada para $0,007/1M fora do pico, aproximadamente 99% abaixo do preco de entrada padrao.

Realidade dos benchmarks: perto do Opus, nao igual

O anuncio da DeepSeek afirma que o modelo "aproxima o desempenho de agentes multimodais do Opus-4.8". Os numeros auto-reportados sustentam isso em grande parte, com ressalvas.

No Terminal Bench 2.1, o V4-Flash-Vision-Exp pontua 83,9 versus 85,0 do Claude Opus 4.8. A diferenca aumenta no NL2Repo (57,7 vs 69,7, deficit de 12 pontos) e DSBench-Hard (63,6 vs 71,7). Ele lidera o Opus em tres benchmarks: DeepSWE (+1,3 pontos), Agents' Last Exam (+1,6) e ZeroBench (+1,0).

Estes sao benchmarks executados pelo fornecedor, nao avaliacoes independentes. "Perto do Opus" e preciso; "iguala o Opus" e marketing.

O V4 somente texto na arena GLAD-IA-TOR mostra 57% de recomendacao de 3 votos. Como contexto, o Claude Opus 4.8 tambem esta em 57% de 3 votos, embora o Opus traga um conjunto de recursos mais rico (mensagens de sistema durante a conversa, subagentes paralelos no Claude Code, 69,2% no SWE-Bench Pro versus as pontuacoes do V4 na faixa de 50 a 60 baixo).

A armadilha do preco em horario de pico

A DeepSeek introduziu precos por horario com o lancamento GA do V4 em meados de julho de 2026, e o V4-Flash-Vision-Exp herda isso. Durante horarios de pico (01:00 a 04:00 UTC e 06:00 a 10:00 UTC), todas as tarifas dobram: a saida sobe para $1,32/1M, a entrada sem cache para $0,44/1M.

Para equipes executando agentes em producao, isso significa orcamentar tarifas de pico no pior caso ou agendar trabalhos em lote fora do horario comercial de Pequim. A janela fora do pico cobre a maioria das horas de trabalho dos EUA e Europa, mas equipes globais tocarao a sobretaxa regularmente.

DeepSeek-V4

Open-weights 1.6T MoE with 1M-token context, now served as V4-Pro-0813 at $3.96 per 1M output tokens at peak

$4/mo57%(3)

Partner link. The crowd verdicts stay independent.

No que o V4-Flash-Vision-Exp se destaca

O modelo e projetado para fluxos de trabalho de agentes multimodais. De acordo com a documentacao da DeepSeek, ele se destaca em:

  • Automacao de UI: navegacao em interfaces de software complexas identificando elementos interativos visualmente
  • Analise de graficos e dados: interpretacao de visualizacoes de dados com precisao que rivaliza com modelos de ponta
  • Raciocinio visual: execucao de tarefas que requerem tanto logica textual quanto contexto visual

Isto nao e um captionador de imagens de proposito geral emparelhado com um modelo de texto. E processamento multimodal nativo, semelhante a como o Claude e o GPT-5.5 lidam com visao internamente. A cobranca de 384 tokens por imagem mantem os custos previsiveis para fluxos de trabalho pesados em documentos ou graficos.

As limitacoes conhecidas do V4 permanecem

O modelo V4 base tem problemas documentados que provavelmente persistem na variante de visao:

  • Chamadas de ferramentas malformadas: chamadas de funcao as vezes aparecem como texto simples no campo content em vez da estrutura tool_calls (GitHub issue deepseek-ai #1244)
  • O modo de raciocinio quebra cadeias longas de agentes: erros 400 em sequencias multi-turno com chamadas de ferramentas, com a correcao ainda incompleta (OpenClaw issue #72044)
  • APIs alucinadas: desenvolvedores reportam endpoints inventados em codebases personalizadas e acoes sobre entradas de usuario imaginadas
  • Verbosidade: o V4 produz aproximadamente 180M de tokens de saida em avaliacao versus uma mediana de 95M, o que erode as economias de custo em cargas sensiveis a latencia

Os pesos abertos sob licenca MIT para V4-Pro e V4-Flash permanecem somente texto. Ainda sem anuncio sobre quando ou se os pesos de visao serao liberados.

Claude Opus 4.8

Anthropic's flagship Opus-tier model for long-horizon agentic coding; 1M context at $5/$25 per 1M tokens.

$25/mo57%(3)

Partner link. The crowd verdicts stay independent.

O veredicto

  • O V4-Flash-Vision-Exp e a forma mais barata de executar um modelo frontier com visao: $0,66/1M saida fora do pico versus $25 (Claude Opus 4.8), $30 (GPT-5.5), ou $12 (Gemini 3 Pro)
  • As pontuacoes de benchmarks estao atras do Opus 4.8 por 5 a 12 pontos na maioria das tarefas de agentes, mas lideram em algumas
  • Os precos de pico dobram todas as tarifas durante 7 horas do dia, entao orcamente de acordo ou agende trabalhos em lote fora do pico
  • Os problemas existentes do V4 (chamadas de ferramentas malformadas, APIs alucinadas, verbosidade) provavelmente persistem
  • Melhor uso: cargas de agentes visuais de alto volume onde o custo importa mais que os ultimos pontos de benchmark

Para uma analise frente a frente, veja a comparacao DeepSeek V4 vs Claude Opus 4.8 ou explore o ranking completo de LLM.

Keep exploring

Every claim above is backed by the arena's live data: crowd votes, verified pricing, honest pros & cons.

More from the arena journal