deepseek
DeepSeek: DeepSeek V4 Flash 0423
deepseek/deepseek-v4-flash
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
DeepSeek V4 Flash (catalogado como deepseek/deepseek-v4-flash) é um modelo de texto do tipo Mixture-of-Experts focado em eficiência, desenvolvido pela DeepSeek, com 284B de parâmetros totais, cerca de 13B ativados por token e uma janela de contexto de aproximadamente um milhão de tokens. O provedor descreve uma arquitetura de atenção híbrida voltada a reduzir o custo de inferência em contextos longos, além de modos selecionáveis de esforço de raciocínio. O modelo aceita e produz apenas texto, e o provedor disponibiliza os pesos sob licença MIT. As avaliações do fabricante parecem competitivas para a sua classe, mas as evidências aqui se limitam à ficha do provedor e a um catálogo agregador, portanto é recomendável uma validação independente na sua própria carga de trabalho.[1][2]
Pontos fortes
- Janela de contexto de cerca de um milhão de tokens, algo incomum em um modelo focado em eficiência, segundo a ficha do provedor e o catálogo.[1][2]
- O design MoE esparso ativa apenas uma pequena fração dos parâmetros por token, o que o provedor posiciona como inferência rápida e de baixo custo.[1][2]
- Os modos selecionáveis de esforço de raciocínio permitem equilibrar velocidade e análise mais profunda; o fabricante afirma que o modo de maior esforço se aproxima da variante Pro, maior, em tarefas de raciocínio.[2]
Limitações
- Apenas texto como entrada e saída; o catálogo não lista outras modalidades.[1]
- O próprio fabricante indica que esta variante menor fica atrás da versão Pro em tarefas de conhecimento puro e nos fluxos de trabalho agênticos mais complexos.[2]
- As evidências se limitam à ficha do provedor e a um catálogo agregador; os benchmarks e resultados de arena relatados vêm da fonte ou de medições de terceiros que devem ser validados na sua carga de trabalho antes da adoção.[1][2]
Onde usar
- Resumo, busca e análise de documentos longos que possam aproveitar a janela de contexto de aproximadamente um milhão de tokens.[1][2]
- Assistentes de programação e raciocínio nos quais o esforço de pensamento ajustável poderia equilibrar a velocidade de resposta com a precisão.[1][2]
- Pipelines de texto de alto throughput em que os pesos sob licença MIT e a pequena fração de parâmetros ativados podem favorecer uma implantação eficiente ou autogerenciada.[2]
Fontes
- [1] OpenRouter catalog · DeepSeek: DeepSeek V4 Flash 0423Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · DeepSeek: DeepSeek V4 Flash 0423Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
DeepSeek V4 Flash is an efficiency-optimized Mixture-of-Experts model from DeepSeek with 284B total parameters and 13B activated parameters, supporting a 1M-token context window. It is designed for fast inference and...
Especificações
- ID do modelo
- deepseek/deepseek-v4-flash
- ID canônico
- deepseek/deepseek-v4-flash-20260423
- Criador
- deepseek
- Adicionado ao OpenRouter
- 24.04.2026
- Comprimento de contexto
- 1,048,576
- Modalidade
- text->text
- Modalidades de entrada
- text
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.090 / saída $0.180
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · padrão high · esforços: xhigh, high, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | BB — próximos 30% da coorte | — |
| Agentes | BB — próximos 30% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · padrão high · esforços: xhigh, high, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | — |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 56.2 | BB — próximos 30% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 22.2 | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 49.3% · posição 62 | 1,171Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 42.7% · posição 61 | 1,105Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 48.9% · posição 65 | 1,196Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 40.7% · posição 94 | 1,125Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 50.2% · posição 62 | 1,187Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 48.4% · posição 49 | 1,147Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 44.7% · posição 80 | 1,155Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 49.1% · posição 66 | 1,200Elo | BB — próximos 30% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Relacefp4 | 1,048,576 | $0.050 | $0.450 | — | — | 100% |
| StreamLakefp8 | 1,024,000 | $0.084 | $0.168 | — | — | 100% |
| DeepInfrafp8 | 1,048,576 | $0.090 | $0.180 | — | — | 100% |
| GMICloudfp8 | 1,048,575 | $0.091 | $0.182 | — | — | 100% |
| Venice | 1,000,000 | $0.097 | $0.193 | — | — | 100% |
| Fireworks | 1,048,576 | $0.105 | $0.210 | — | — | 80% |
| Wafermxfp4 | 1,048,576 | $0.120 | $0.170 | — | — | 100% |
| SiliconFlowfp8 | 1,048,576 | $0.130 | $0.280 | — | — | 100% |
| Baidufp8 | 1,048,576 | $0.140 | $0.280 | — | — | 0% |
| AtlasCloudfp4 | 1,048,576 | $0.140 | $0.280 | — | — | 100% |
| Parasailfp8 | 1,048,576 | $0.140 | $0.280 | — | — | 75% |
| Mancer 2fp8 | 1,048,576 | $0.150 | $0.500 | — | — | 100% |
| Azure | 1,048,576 | $0.210 | $0.560 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.