Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarX: @victormustar→ original

DeepSeek atualizou o V4-Flash: no Terminal-Bench a nota subiu para 82,7 contra 61,8

A DeepSeek atualizou o modelo aberto V4-Flash (304 bilhões de parâmetros), e ele ficou bem melhor como agente de terminal. No Terminal-Bench 2.1, em que o modelo instala pacotes, ajusta configurações e executa programas sozinho, a nota subiu de 61,8 para 82,7 pontos em relação à versão preview. No Agents' Last Exam, ele marcou 25,2, contra 25,7 do Opus-4.8, modelo fechado. Equipes que usam agentes de código fariam bem em testar o modelo com as próprias tarefas. A licença MIT permite baixar os pesos e rodá-los na própria infraestrutura, inclusive dentro de um produto. No DeepSWE, que reúne tarefas complexas de edição de código, o salto foi de 7,3 para 54,4 pontos. A diferença para o Opus-4.8 no Agents' Last Exam é de apenas 0,5 ponto.

Processado por IA de X: @victormustar; editado por Hamidun News
DeepSeek atualizou o V4-Flash: no Terminal-Bench a nota subiu para 82,7 contra 61,8
Fonte: X: @victormustar. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalX: @victormustar ↗
Editor-chefe
Dado-chave #1Um placar quase igual no Agents' Last Exam não significa equivalência em todas as tarefas. Na sua stack e nos seus repositórios, o quadro pode ser outro.
Dado-chave #2304 bilhões de parâmetros são muitos, mesmo para um MoE. Para rodar o modelo localmente, é preciso um cluster de GPUs robusto, não um único notebook.

Imagine um agente que recebe a tarefa "implante o serviço e conserte os testes que caíram", abre o terminal sozinho, instala as dependências, ajusta as configurações e executa os programas até tudo funcionar. Até agora, agentes desse tipo eram construídos principalmente sobre APIs fechadas, porque os modelos abertos ficavam para trás nisso. A atualização do DeepSeek-V4-Flash-0731 reduz essa distância: no Terminal-Bench 2.1 (teste de trabalho na linha de comando), o modelo subiu de 61,8 para 82,7 pontos em relação à versão preview. Os números foram divulgados por Victor Mustar, da Hugging Face, em uma publicação sobre o "verão aberto" da IA.

O que foi lançado

O DeepSeek-V4-Flash-0731 é a versão atualizada do V4-Flash, com arquitetura MoE (mixture of experts) e tamanho total de 304 bilhões de parâmetros. No MoE, apenas parte dos "especialistas" da rede é ativada a cada palavra processada, por isso o modelo sai mais barato de rodar do que um denso de mesmo tamanho. A fonte não informa quantos parâmetros estão ativos nessa versão.

Para a prática, o mais importante é a licença MIT. Trata-se de uma das licenças mais permissivas: os pesos podem ser baixados, implantados em servidores próprios, ajustados com fine-tuning e incorporados a produtos comerciais sem acordos separados. Para empresas que não querem enviar código e logs a uma API de nuvem externa, esse é um argumento relevante.

O que os números significam

A comparação é feita com a versão preview do mesmo modelo, e a diferença é grande.

  • O Terminal-Bench 2.1 avalia a capacidade do modelo de lidar com tarefas de linha de comando: instalar pacotes, ajustar configurações e executar programas. A nota passou de 61,8 para 82,7 pontos.
  • O DeepSWE reúne tarefas complexas de desenvolvimento de software, em que é preciso entender código alheio e corrigi-lo. Aqui o salto é ainda maior: de 7,3 para 54,4 pontos, cerca de 7,5 vezes mais.
  • O Agents' Last Exam é um exame exigente para agentes de IA. O DeepSeek-V4-Flash-0731 marcou 25,2 pontos, enquanto o fechado Opus-4.8 marcou 25,7. A diferença é de 0,5 ponto.

Um ganho tão grande em uma única atualização indica que a equipe reforçou de forma deliberada o comportamento agêntico: a capacidade de conduzir uma tarefa de várias etapas até o fim, e não apenas responder bem em um chat. Para um agente de terminal, isso é o que mais importa.

O que fazer com isso e onde ter cautela

Se você tem um agente de código, um bot de CI ou um assistente interno de DevOps, monte um conjunto pequeno com tarefas reais da sua operação e rode o V4-Flash-0731 ao lado do modelo que você usa hoje. Se a diferença nas suas tarefas for pequena, a economia com API e o controle sobre os dados podem compensar.

Algumas ressalvas:

  • Todos os números vêm de uma publicação no X, e não de uma auditoria independente. O resultado depende muito das condições de execução: conjunto de ferramentas, número de tentativas, limites de tempo.
  • Um placar quase igual no Agents' Last Exam não significa equivalência em todas as tarefas. Na sua stack e nos seus repositórios, o quadro pode ser outro.
  • 304 bilhões de parâmetros são muitos, mesmo para um MoE. Para rodar o modelo localmente, é preciso um cluster de GPUs robusto, não um único notebook.

Ainda assim, o fato é revelador. A distância entre modelos agênticos abertos e fechados encolheu a ponto de a escolha depender de custo, privacidade e facilidade de implantação, e não apenas de qualidade. Para quem constrói agentes, vale refazer as contas do orçamento e verificar se cada tarefa realmente precisa de uma API fechada paga.

História

Perguntas frequentes sobre a notícia

O que foi lançado?

O DeepSeek-V4-Flash-0731 é a versão atualizada do V4-Flash, com arquitetura MoE (mixture of experts) e tamanho total de 304 bilhões de parâmetros. No MoE, apenas parte dos "especialistas" da rede é ativada a cada palavra processada, por isso o modelo sai mais barato de rodar do que um denso de mesmo tamanho. A fonte não informa quantos parâmetros estão ativos nessa versão. Para a prática, o mais importante é a licença MIT.

O que os números significam?

A comparação é feita com a versão preview do mesmo modelo, e a diferença é grande. O Terminal-Bench 2.1 avalia a capacidade do modelo de lidar com tarefas de linha de comando: instalar pacotes, ajustar configurações e executar programas. A nota passou de 61,8 para 82,7 pontos. O DeepSWE reúne tarefas complexas de desenvolvimento de software, em que é preciso entender código alheio e corrigi-lo. Aqui o salto é ainda maior: de 7,3 para 54,4 pontos, cerca de 7,5 vezes mais.

O que fazer com isso e onde ter cautela?

Se você tem um agente de código, um bot de CI ou um assistente interno de DevOps, monte um conjunto pequeno com tarefas reais da sua operação e rode o V4-Flash-0731 ao lado do modelo que você usa hoje. Se a diferença nas suas tarefas for pequena, a economia com API e o controle sobre os dados podem compensar. Algumas ressalvas: Todos os números vêm de uma publicação no X, e não de uma auditoria independente.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…