DeepSeek V4.1 Flash 1017 (nome formal DeepSeek-V4.1-Flash-1017) é uma revisão do V4.1 Flash, lançado em setembro. A DeepSeek publicou esta versão em 17 de outubro de 2026. O nome da API deepseek-flash continua o mesmo; só o modelo por trás dele mudou. A DeepSeek diz que a versão "melhorou o desempenho, as tarefas terminam mais rápido e as saídas ficaram mais curtas". Este artigo confere o anúncio da DeepSeek, o model card e a página de preços, além de avaliações de terceiros e as respostas de governos, nas fontes originais (confirmado em 19 de outubro de 2026). Ele separa desempenho, preços e segurança. Como o modelo foi lançado há apenas dois dias, ainda há poucos números de terceiros, e por isso este artigo mantém os números da própria DeepSeek claramente separados dos números de terceiros.

Desempenho

Na mesma faixa do Haiku 5.5

A pontuação geral de terceiros (Artificial Analysis) é 45. Subiu em relação aos 39 da versão anterior, mas não alcança Claude Sonnet 5.5 (56) nem Opus 5.5 (58).

Preços

Mesmo preço unitário, cerca de metade do custo por tarefa

O preço unitário continua em $0,30 por milhão de tokens de entrada e $1,20 por milhão de tokens de saída (horário de pico). A saída ficou mais curta, e o custo por tarefa caiu de $0,49 para $0,26 (medição de terceiros).

Segurança

Esta versão ainda não tem avaliação

Nem a DeepSeek nem terceiros publicaram avaliações de segurança. Os dados são armazenados na China. Em 19 de outubro, foi divulgado que os Estados Unidos proibiram o uso por agências civis federais.

Sumário

1. O que mudou: mesmo nome, modelo diferente

De acordo com o histórico de alterações da DeepSeek, o V4.1 Flash foi atualizado para DeepSeek-V4.1-Flash-1017 em 17 de outubro de 2026, e os modelos da web e do app oficiais também passaram para essa versão. O modo de chamada da API e os preços não mudaram. Se você usar deepseek-flash, receberá a nova versão. O model card no Hugging Face chama essa versão de "atualização menor" (minor update) do V4.1 Flash.

DesempenhoA DeepSeek anunciou grandes ganhos em relação à versão anterior em raciocínio, programação, tarefas de agentes e avaliações de imagem (os números estão na seção 3).
Velocidade e tamanho da saídaA DeepSeek diz que reduziu o tempo e o tamanho da saída necessários para as tarefas, que assim terminam mais rápido e custam menos. Nenhum anúncio informa quanto foi a redução.
Nome da APIdeepseek-flash continua igual, mas o modelo por trás dele mudou. Programas que dependem do comportamento da versão anterior podem produzir resultados diferentes, mesmo sem mudança de configuração. O nome antigo deepseek-v4-flash ainda é aceito, mas agora executa esta versão e é cobrado pela tarifa do Flash.
Lançado no mesmo diaA DeepSeek disponibilizou em caráter geral a Search API, que usa o próprio mecanismo de busca, e a Fetch API, que busca páginas da web (os preços estão na seção 5).

Fontes: Change Log, DeepSeek-V4.1-Flash-1017 e Models & Pricing (DeepSeek API Docs); DeepSeek-V4.1-Flash-1017 (Hugging Face). Confirmado em 19 de outubro de 2026.

2. Especificações: contexto, modo de pensamento, tamanho

ItemConteúdo
Tamanho do contexto e saída máxima1M tokens e 384K tokens.
EntradaTexto e imagens.
Modo de pensamentoAtivado por padrão. A intensidade tem três níveis: low, high e max. O padrão é high.
Formatos de API compatíveisFormato OpenAI, formato Anthropic e Responses API. Oferece suporte a saída em JSON e a chamadas de ferramentas.
Número de parâmetrosOs valores oficiais do V4.1 Flash de setembro são 552B no total. Por token, 8B atuam no processamento da entrada e 16B na geração da saída. Há ainda um sistema de memória separado de 196B (Engram).
PesosPublicados sob licença MIT. O tamanho total dos arquivos é de cerca de 510GB.

Fontes: Models & Pricing e Thinking Mode (DeepSeek API Docs); DeepSeek-V4.1-Flash e DeepSeek-V4.1-Flash-1017 (Hugging Face). Confirmado em 19 de outubro de 2026. O model card da versão 1017 não informa o número de parâmetros. A contagem automática do Hugging Face a partir dos arquivos de pesos é de cerca de 763B. A diferença entre os valores não foi explicada publicamente.

Há duas regras que costumam causar problemas ao usar a API. A primeira: em conversas que usam ferramentas, é preciso devolver todo o conteúdo de raciocínio do modelo (reasoning_content) na requisição seguinte. Se isso não for feito, aparece um erro 400. A segunda: no modo de pensamento, configurações como temperature não têm efeito. Elas são ignoradas sem gerar erro. Se você especificar medium ou xhigh como intensidade de pensamento, cada uma delas será tratada como high.

Fonte: Thinking Mode (DeepSeek API Docs, confirmado em 19 de outubro de 2026).

3. Desempenho (1) Números publicados pela DeepSeek

A tabela de comparação do model card é reproduzida abaixo. Todos esses números foram medidos pela própria DeepSeek.

Avaliação1017Versão anterior (setembro)Kimi K3GLM-5.3GPT-5.6 SolClaude Opus 5
HLE (sem ferramentas)42,636,843,542,0*44,556,3
Terminal-Bench 4.042,331,212,637,939,951,8
DeepSWE v1.177,074,267,566,973,074,0
ProgramBench29,120,317,519,023,037,0
NL2Repo-Bench68,265,458,058,056,875,3
Automation-Bench v1.0.660,554,846,748,845,850,3
Agents' Last Exam35,431,827,628,526,728,6
Apex Bench v1.172,164,647,856,654,365,8
Chartography (com ferramentas)83,078,968,1—79,984,0
BabyVision (com ferramentas)92,589,685,7—88,994,1
ZeroBench-main (com ferramentas)51,049,041,0—53,052,0

Fontes: DeepSeek-V4.1-Flash-1017 (model card no Hugging Face) e Change Log (confirmado em 19 de outubro de 2026). * indica a pontuação da parte do HLE somente com texto. O model card informa que o Terminal-Bench 4.0 foi medido com o Claude Code e o DeepSWE v1.1 com o framework de execução Mini-SWE-V2.

Há quatro pontos a observar ao ler esta tabela.

  1. Os modelos comparados são de uma geração anterior. A tabela inclui Claude Opus 5 e GPT-5.6 Sol, mas não o Claude Opus 5.5 atual nem os modelos da família GPT-6. Em comparação com o Opus 5, o modelo supera o outro no DeepSWE, mas fica abaixo no HLE, no Terminal-Bench 4.0, no ProgramBench e no NL2Repo-Bench.
  2. As condições para uma comparação justa não são informadas. As intensidades de pensamento (low, high, max) não são indicadas. Também não se informa se a versão anterior foi medida nas mesmas condições.
  3. Alguns números da versão anterior deixaram de ser divulgados. A versão de setembro também apresentava avaliações de GPQA Diamond, Codeforces, matemática e cibersegurança, mas o 1017 não as apresenta.
  4. Os números da própria empresa tendem a sair mais altos. O CAISI, órgão de avaliação do NIST dos EUA, avaliou o V4 Pro em abril de 2026 e informou que a avaliação da própria DeepSeek deu pontuações mais altas que a do CAISI (seção 6). Até que haja medições independentes do 1017, o mais seguro é ler esses números com cautela.

4. Desempenho (2) Avaliações de terceiros

A pontuação geral de terceiros disponível é o Intelligence Index da Artificial Analysis. Ele reúne os resultados de vários testes em uma única nota. Cada intensidade de pensamento aparece como uma linha separada (a configuração está entre parênteses). Os valores abaixo são da listagem de 19 de outubro de 2026, ao lado de modelos próximos.

Fontes: Lista de modelos da Artificial Analysis e página do DeepSeek V4.1 Flash 1017 (confirmado em 19 de outubro de 2026). O modelo foi lançado há pouco, e algumas páginas do mesmo site ainda mostram valores da versão anterior. Os valores podem mudar.

Há três conclusões a tirar disso.

  • A pontuação subiu 6 pontos em relação à versão anterior, e o custo por tarefa caiu para quase a metade. Na página da Artificial Analysis, a avaliação completa usou 210M tokens de saída. Isso é mais que a mediana dos modelos comparados (140M), e o site a descreve como "very verbose" (muito prolixo).
  • Tanto a pontuação quanto o custo ficam perto do Claude Haiku 5.5. Em comparação com o GLM-5.3, que tem a mesma nota 45, e com o Kimi K3, com 44, o custo por tarefa é cerca de um oitavo.
  • A diferença para o Sonnet 5.5 e o Opus 5.5 é de mais de 10 pontos. O custo é cerca de um vigésimo, então a escolha depende de você querer delegar trabalho difícil ou executar trabalho em grande volume de forma barata.

Na API da DeepSeek, a velocidade foi de cerca de 225 tokens por segundo, e o primeiro token apareceu em cerca de 1,1 segundo (na mesma página). É quase a mesma velocidade da versão anterior, então a afirmação de que as tarefas "terminam mais rápido" provavelmente se deve à saída mais curta. Até 19 de outubro, não encontramos resultados do 1017 nas listagens oficiais do SWE-bench ou do Terminal-Bench.

5. Preços: o horário de pico vale durante o dia no Japão

deepseek-flash (por milhão de tokens, em dólares americanos)Fora do picoPico
Entrada (com acerto no cache)$0,003$0,006
Entrada (sem acerto no cache)$0,15$0,30
Saída$0,60$1,20

Fonte: Models & Pricing (DeepSeek API Docs, confirmado em 19 de outubro de 2026). A atualização para o 1017 não alterou os preços (Change Log).

O pico coincide com o horário de trabalho no JapãoO pico vale de segunda a sexta-feira, das 1h às 4h e das 6h às 10h UTC (exceto feriados chineses). No horário do Japão, isso corresponde aos dias úteis das 10h às 13h e das 15h às 19h. À noite e nos fins de semana, o preço cai pela metade.
A diferença do cache é grandeUma entrada com acerto no cache custa um cinquentésimo de uma entrada sem acerto. Em agentes que enviam sempre o mesmo prefixo, aproveitar ou não o cache muda bastante o custo. O cache é automático, mas um acerto não é garantido.
Busca e fetch são cobrados à parteA Search API e a Fetch API custam $0,75 a cada 1.000 chamadas bem-sucedidas. As chamadas feitas no servidor pelo Claude Code, Codex e DeepSeek Harness são gratuitas por enquanto, e a cobrança começa às 16h UTC de 31 de outubro de 2026, o que equivale a 1h de 1º de novembro no horário do Japão.
O saldo concedido é usado primeiroSe você tiver saldo gratuito concedido e saldo depositado, o saldo concedido é usado primeiro.

Fontes: Models & Pricing, Search & Fetch, Context Caching e DeepSeek-V4.1-Flash-1017 (DeepSeek API Docs, confirmado em 19 de outubro de 2026).

Você também pode usar o modelo fora da API oficial da DeepSeek. Serviços intermediários como o OpenRouter oferecem o 1017. Alguns cobram o mesmo preço unitário da API oficial, e outros cobram menos. Porém, muitas das rotas mais baratas executam uma versão com pesos compactados (quantizada), então a qualidade e a velocidade das respostas podem diferir da versão oficial. O tratamento dos dados depende dos termos de cada empresa.

6. Segurança: ainda sem avaliação, o que se sabe

Até 19 de outubro de 2026, nem a DeepSeek nem terceiros publicaram uma avaliação do 1017 que meça como ele responde a pedidos nocivos, sua resistência a jailbreaks ou quão difícil é sequestrá-lo como agente. O anúncio, o model card e o relatório técnico de setembro não incluem uma seção de avaliação de segurança. O que se sabe vem da geração anterior e da empresa como um todo. Esses dados não necessariamente se aplicam ao 1017.

Avaliação do V4 Pro (maio de 2026)O CAISI, do NIST, informou que as capacidades do V4 Pro ficam cerca de oito meses atrás da fronteira dos EUA, e que a avaliação da própria DeepSeek deu pontuações mais altas que a do CAISI. Segurança (jailbreaks e sequestro) não fez parte dessa avaliação.
Avaliação da geração anterior (setembro de 2025)O mesmo CAISI informou que, no R1-0528, ao usar técnicas de jailbreak conhecidas, o modelo atendeu a 94% dos pedidos claramente maliciosos (o modelo de comparação dos EUA atendeu a 8%). Quando usado como agente, seguiu instruções de sequestro com uma frequência média 12 vezes maior que a dos modelos de ponta dos EUA. E produziu conteúdo impreciso alinhado às alegações do Partido Comunista Chinês em uma proporção quatro vezes maior que a dos modelos dos EUA.
Já existem versões com os recursos de segurança removidosComo os pesos são públicos, terceiros teriam lançado versões do V4.1 Flash sem o comportamento de recusa. Se você executar o modelo localmente, não pode contar com as recusas dele para garantir a segurança.

Fontes: CAISI Evaluation of DeepSeek V4 Pro (NIST, maio de 2026); CAISI Evaluation of DeepSeek AI Models Finds Shortcomings and Risks (NIST, 30 de setembro de 2025); AlphaSignal (reportagem sobre a versão sem os recursos de segurança; os números são autodeclarados pelo publicador). Confirmado em 19 de outubro de 2026.

Ao usar o modelo a partir de um agente como o Claude Code, o que mais ajuda não é esperar por uma avaliação de segurança do modelo, e sim limitar, do seu lado, o que o agente pode fazer. Os três pontos básicos são: não usar configurações que aprovem ações automaticamente, não deixar o agente ler arquivos com segredos e não confiar em instruções escritas em conteúdo obtido da web.

7. Para onde vão os dados e a resposta de cada país

Ao usar a API ou o app oficial da DeepSeek, o conteúdo enviado chega aos servidores da DeepSeek. A política de privacidade da DeepSeek (versão em japonês, última atualização em 10 de fevereiro de 2026) diz que armazena as informações coletadas em "servidores seguros localizados na República Popular da China" e, entre as finalidades de uso, cita o "treinamento e a melhoria de nossa tecnologia, como modelos de aprendizado de máquina e algoritmos". Os termos para desenvolvedores (em vigor desde 29 de abril de 2026) deixam o tratamento de dados pessoais a cargo dessa política e definem a lei da China continental como lei aplicável. Nenhum dos dois documentos traz uma promessa de que o conteúdo enviado pela API não será usado para treinamento.

Fontes: Política de Privacidade da DeepSeek e DeepSeek Open Platform Terms of Service (confirmado em 19 de outubro de 2026; ao abrir a política de privacidade a partir do Japão, aparece a versão em japonês).

País ou órgãoResposta
Japão (Comissão de Proteção de Informações Pessoais)Em 3 de fevereiro de 2025, a comissão publicou "Informações sobre o DeepSeek". Alertou que os dados são armazenados em servidores da República Popular da China e que as leis chinesas se aplicam, incluindo a Lei de Proteção de Informações Pessoais, a Lei de Cibersegurança, a Lei de Segurança de Dados e a Lei Nacional de Inteligência. Não proíbe o uso no setor privado.
Estados Unidos (Departamento de Segurança Interna)Em 19 de outubro de 2026, foi divulgado que o departamento emitiu uma ordem para retirar os produtos da DeepSeek e os serviços de terceiros que usam a DeepSeek dos sistemas de TI das agências civis federais, além de proibir sua contratação. A ordem deve ser publicada no Federal Register em 20 de outubro. No momento em que este artigo foi escrito, não tínhamos verificado o texto completo da ordem nem o seu alcance.

Fontes: Informações sobre o DeepSeek (Comissão de Proteção de Informações Pessoais, 3 de fevereiro de 2025, atualizado em 5 de março de 2025); US Moves to Bar DeepSeek From Federal Agencies and Contracts (Bloomberg, 19 de outubro de 2026); DeepSeek Blocked In US Federal Agencies (BankInfoSecurity); lista de publicações previstas no Federal Register.

8. Como escolher a forma de uso: API, Claude Code, execução local

API oficial da DeepSeekA opção mais barata, e a nova versão é usada automaticamente. O conteúdo enviado fica armazenado em servidores na China. Serve para trabalhos que podem ser compartilhados externamente, como projetos de código aberto ou estudos pessoais.
Usar a partir do Claude CodeA DeepSeek fornece oficialmente instruções de configuração para usar o modelo com o Claude Code. Reunimos os passos de configuração e a questão dos custos em Como usar DeepSeek, GLM e Kimi no Claude Code. Atenção: a cobrança da busca começa em 1º de novembro.
Usar um serviço intermediárioServiços como o OpenRouter oferecem acesso. O tratamento dos dados depende dos termos da empresa. As rotas mais baratas costumam usar versões quantizadas.
Executar os pesos localmenteO código não sai da sua máquina. Porém, só os arquivos de pesos somam cerca de 510GB, e é preciso um ambiente com várias GPUs de data center. Não é algo que roda em um PC comum. Para modelos que cabem em uma execução local, veja a comparação em Modelos de LLM locais recomendados.

Resumo

  • O DeepSeek V4.1 Flash 1017 é uma revisão do V4.1 Flash, lançada em 17 de outubro de 2026. O nome da API deepseek-flash continua o mesmo, enquanto o modelo por trás dele mudou, e os preços não mudaram.
  • O anúncio da DeepSeek diz que o modelo supera a versão anterior nas 11 avaliações. Porém, os modelos comparados são de uma geração anterior, e as condições dos testes não são descritas em detalhes.
  • Na Artificial Analysis, uma fonte de terceiros, ele tem 45 pontos (a versão anterior tinha 39). Isso o coloca na mesma faixa do Claude Haiku 5.5 (43 pontos) e bem abaixo do Sonnet 5.5 e do Opus 5.5, que ficam mais de 10 pontos acima.
  • O custo por tarefa caiu de $0,49 para $0,26. O preço unitário é de $0,30 por milhão de tokens de entrada e $1,20 por milhão de tokens de saída (horário de pico), e o horário comercial diurno no Japão é horário de pico.
  • As chamadas de busca e fetch feitas pelo Claude Code e ferramentas semelhantes custam $0,75 a cada 1.000 chamadas bem-sucedidas, a partir de 1h de 1º de novembro (horário do Japão).
  • Ainda não existe avaliação de segurança do 1017. A geração anterior foi considerada vulnerável a jailbreaks e sequestro. Os dados são armazenados em servidores na China, e os Estados Unidos teriam proibido o uso por agências civis federais.

FAQ

P. Ainda posso continuar usando o V4.1 Flash anterior?

R. Não pela API oficial da DeepSeek. Tanto deepseek-flash quanto o nome antigo deepseek-v4-flash agora executam o 1017. Se quiser a versão anterior, será preciso executar os pesos públicos dela por conta própria ou encontrar um serviço intermediário que ainda a ofereça.

P. O preço subiu?

R. O preço unitário não mudou. Como a saída ficou mais curta, o custo da mesma tarefa cai. Nas medições da Artificial Analysis, o custo médio por tarefa caiu de $0,49 para $0,26. No entanto, a partir de 1º de novembro (horário do Japão), as chamadas de busca e fetch feitas pelo Claude Code e ferramentas semelhantes terão uma cobrança separada.

P. É seguro enviar o código do meu trabalho?

R. O conteúdo enviado à API oficial é armazenado em servidores na China, e os termos não trazem promessa de que não será usado para treinamento. Código de trabalho, dados de clientes e segredos não devem ser enviados sem a autorização do seu empregador.

P. É proibido usar no Japão?

R. Em 19 de outubro de 2026, não encontramos nenhuma medida japonesa que proíba o uso no setor privado. A Comissão de Proteção de Informações Pessoais alertou que os dados são armazenados em servidores na China e que as leis chinesas se aplicam.

Fontes