DeepSeek V4.1 Flash: O Nível Rápido, Seu Preço Real e a Questão Gratuita Respondida

DeepSeek V4.1 Flash é o nível rápido da linha V4.1 da DeepSeek: um modelo multimodal de mistura de especialistas com uma janela de contexto de 1.048.576 tokens, entrada de imagens, pesos com licença MIT no Hugging Face e um preço de tabela fora do horário de pico de US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de saída. Ele entrou em disponibilidade geral em 2026-09-10, então o lançamento é um fato que data o modelo, não um evento que esta página esteja noticiando — e duas perguntas trazem leitores aqui muito depois dessa data: se ele é gratuito e como se comporta diante de qualquer modelo que já esteja à frente deles. A primeira tem uma resposta curta, por isso vem primeiro.

O DeepSeek V4.1 Flash é gratuito? A resposta que você veio buscar

Não. Na própria plataforma da DeepSeek não existe um nível gratuito de API para este modelo — não há cota mensal gratuita nem endpoint gratuito. A cobrança é feita conforme o uso, descontada de um saldo pré-carregado, com as tarifas do mesmo quadro de preços do restante da linha. O id do modelo que você chama para ele é deepseek-flash, e toda requisição feita com esse id é cobrada pelas tarifas publicadas do Flash. O aplicativo para consumidor é gratuito; a API por trás dele não é, e os dois são produtos separados.

O que é genuinamente quase gratuito é o cache. Um token de entrada com acerto no cache custa US$ 0,003 por milhão, contra US$ 0,15 para um token de entrada novo fora de pico — um quinquagésimo. Qualquer carga de trabalho com um prefixo grande e estável (instruções de sistema, esquemas de ferramentas, um mapa de repositório) paga quase nada pela parte repetida do prompt, enquanto os novos tokens arcam com o custo. As condições exatas sob as quais o desconto se aplica são definidas pela DeepSeek, não pelo cliente, então leia a documentação atual antes de basear um orçamento nesse número.

Há um segundo motivo pelo qual a questão do gratuito surge, e vale a pena separá-lo do primeiro. Plataformas de terceiros anunciam acesso gratuito ou de teste a este modelo, e essas vias são reais; também são o tipo de condições que mudam sem aviso, e nenhuma delas tem a própria tabela de preços da DeepSeek por trás. Trate-as como superfícies de prototipagem, e não como backends de produção. Nosso próprio catálogo tem uma entrada sem custo — mas é deepseek/deepseek-v4-flash-free, o V4 Flash descontinuado, não este modelo. Os dois estão a um número de versão de distância e não são a mesma coisa.

Onde o Flash se situa na linha V4.1

O V4.1 é uma nova família de arquitetura, e não uma versão pontual do V4. O Flash é o seu membro pequeno e rápido — o nível concebido para débito e custo, e não para o topo da tabela de classificação. O irmão de topo de gama é o DeepSeek-V4-Pro-0813, servido sob o ID de modelo deepseek-v4-pro, com um preço de tabela de 0,66 $ por milhão de tokens de entrada e 1,98 $ por milhão de tokens de saída fora de horas de pico: cerca de quatro vezes e meia o Flash na entrada e um pouco mais de três vezes na saída, com um limite de concorrência de 500 contra os 2 500 do Flash. A própria DeepSeek relata que o V4.1 Flash supera de forma abrangente o V4 Pro em desempenho, custo, velocidade e tempo total de tarefa — trata-se da afirmação do próprio fornecedor com base nos seus próprios benchmarks, não de uma medição independente, e é a razão pela qual a nomenclatura dos níveis parece estar ao contrário para quem assume que "Pro" é sempre a melhor compra.

Um limite a manter: o DeepSeek V4.1 Pro não foi lançado. Ele aparece no material da DeepSeek apenas como um modelo futuro. Nada nesta página se aplica a ele, e o mesmo vale para tudo o que nós servimos.

A especificação, como a DeepSeek a publica

Tudo abaixo foi lido do cartão do modelo no Hugging Face, em deepseek-ai/DeepSeek-V4.1-Flash. Quando um valor é uma afirmação do fornecedor e não uma medição consolidada, isso é indicado.

• Parâmetros — backbone de 552B, segundo o fornecedor. O card informa 8B de parâmetros ativados por token durante o prefill e 16B durante o decode, em um layout de mistura de especialistas com 1 especialista compartilhado e 384 especialistas roteados por camada MoE, seis deles ativos por token. • Arquitetura — um Codificador-Decodificador Causal de 40 camadas: um codificador causal de 20 camadas alimentando um decodificador de 20 camadas. • Contexto — 1.048.576 tokens, que o card arredonda para um milhão. • Teto de saída — 384K tokens no máximo na API do fornecedor, então defina o limite explicitamente em vez de confiar no padrão. • Modalidade — texto e imagens de entrada, texto de saída. A visão passa por um codificador DeepSeek-ViT mais um projetor MLP de duas camadas. • Precisão — os pesos publicados são safetensors em BF16, F32, F8_E4M3 e I8, com FP8 sinalizado no card. O cache KV é quantizado em FP4 (E2M1 com escala E4M3 por 16 canais). • Licença — MIT, tanto para o repositório quanto para os pesos. • Lançamento — disponibilidade geral em 2026-09-10; 48 shards safetensors, cerca de 510 GB no repositório.

Flash contra Pro: a questão que o nome do nível cria

Se você estiver escolhendo entre os dois, a regra não é "Pro é mais forte". O nível Flash existe para volume: tráfego de alta concorrência e sensível a custos, em que uma fatura de tokens que é um quarto da do Pro importa mais do que os últimos pontos de capacidade, e em que o teto de concorrência de 2.500 solicitações é, por si só, o motivo de estar aqui. O nível Pro existe para o raciocínio mais difícil e o trabalho agêntico, em que você está pagando pelo topo da linha e o teto de throughput é uma restrição que você aceita. Esse é o quadro completo da escolha — as evidências de confronto direto, incluindo onde o Pro ainda vence, estão na nossa própria comparação DeepSeek V4.1 Flash vs DeepSeek V4 Pro, e não aqui, e as duas páginas deliberadamente não repetem uma à outra.

Rodando: API, pesos ou ambos

Ambas as rotas estão abertas. A DeepSeek disponibiliza o modelo na sua própria API sob o id deepseek-flash, numa URL base compatível com OpenAI e numa compatível com Anthropic, pelo que um cliente existente normalmente só precisa de alterar a string do modelo. Separadamente, os pesos são transferíveis: com licença MIT, 48 shards safetensors, cerca de 510 GB, o que os coloca fora de qualquer máquina com uma única GPU e firmemente na categoria "alugue um nó ou não se dê ao trabalho". A DeepSeek também inclui uma receita de inferência oficial dentro do repositório — uma implementação de referência legível, em vez de um motor de serviço de produção — e o seu exemplo prático converte os pesos em especialistas fp4 com um tamanho de paralelismo de modelo de oito, o que é a coisa mais próxima de uma declaração de dimensionamento que o repositório oferece. O detalhe prático que decide se a auto-hospedagem é agradável é outro: o modelo suporta um esforço de raciocínio continuamente selecionável de 1 a 100, e continuará a gerar alegremente muito depois de o trabalho estar concluído se não ajustar esse controle. As máquinas medidas, os números de throughput que as pessoas realmente relatam e o modo de falha de raciocínio excessivo com mitigações que funcionam estão todos no nosso guia de implantação local do DeepSeek V4.1 Flash; o resumo honesto é que a rota da API é mais barata até o seu volume ser grande, e a rota dos pesos é uma decisão de capacidade, não de custo.

O que não está resolvido

Duas coisas, e nenhuma delas é trivial. A contagem de parâmetros não bate com os pesos. O card do DeepSeek diz 552B; o próprio índice safetensors do repositório — o campo Model size na página do modelo no Hugging Face — totaliza 763B ao longo dos 48 shards, em um repositório de cerca de 510 GB. Os dois números foram publicados, não são o mesmo número, e ninguém arbitrou essa discrepância publicamente, então trate 552B como informado pelo fornecedor, e não como medido. E o próprio material do DeepSeek é inconsistente quanto aos identificadores mais antigos do V4 Flash — a página de preços diz que os nomes descontinuados são aceitos e roteados para este modelo com tarifas do Flash, enquanto outras páginas descrevem o roteamento de forma diferente. Verifique o modelo retornado na resposta, em vez de presumir qual modelo respondeu.

Disponibilidade no OrcaRouter, verificada hoje

A OrcaRouter serve este modelo. Ele está listado no nosso catálogo em tempo real como deepseek/deepseek-v4.1-flash — observe que o identificador grafa a versão com um ponto, v4.1, enquanto os slugs do nosso blog a grafam com hífen. Copie a string exatamente como está na lista, ou um cliente não encontrará nada. A listagem traz uma janela de contexto de 1.048.576 tokens, uma saída máxima de 384K, entrada de texto e imagem, e os números de horário fora de pico do próprio fornecedor: $0,15 por milhão de entrada e $0,60 por milhão de saída, com $0,003 por milhão em acertos de cache, repassados com 0% de margem — a tarifa da DeepSeek é o que você paga, e as janelas de pico em dias úteis da DeepSeek ainda a dobram. O failover automático significa que você pode colocar um modelo não comprovado atrás de uma rota que recorre a fallback quando ele apresenta erro ou atinge o limite de taxa, o que é uma forma barata de descobrir se ele se sustenta antes de chegar a um caminho de produção. Essa afirmação cobre apenas este identificador e este modelo; o DeepSeek V4 Pro e a linha V4 mais ampla são listagens separadas e fatos separados.

O conjunto de comparação: o que abrir a seguir

É aqui que os leitores realmente estão. Nos nossos próprios dados do Search Console, extraídos em 13/10/2026, a família DeepSeek V4.1 Flash teve 9.444 impressões e 418 cliques em 198 consultas — e a sua maior linha individual por impressões não foi o nome do modelo, mas um confronto direto, deepseek v4.1 flash vs glm 5.3 flash, com 1.372 impressões. O termo simples teve 2.025 impressões em 33 consultas. Dez páginas de comparação estão sob este termo base, e cada uma foi escrita para responder à sua própria pergunta, em vez de repetir esta página:

• DeepSeek V4.1 Flash vs GLM-5.3-Flash — a concorrência de preços, e a penalidade de latência de inicialização que vem junto com vencê-la. • DeepSeek V4.1 Flash vs DeepSeek V4 Flash — a questão da migração, que a DeepSeek respondeu em parte aposentando os identificadores do modelo mais antigo. • DeepSeek V4.1 Flash vs DeepSeek V4 Pro — a transição que a DeepSeek agendou e depois cancelou, e entre o que isso deixa você escolher. • DeepSeek V4.1 Flash vs Gemini 3.8 Flash — dois preços baixos atrelados a dois tipos muito diferentes de expiração. • DeepSeek V4.1 Flash vs GPT-5.6 Sol — a diferença de preço ao lado da diferença de tempo até o primeiro token. • DeepSeek V4.1 Flash vs GPT-5.6 Terra — onde um limite de contexto muda a tarifa no meio da requisição. • DeepSeek V4.1 Flash vs Claude Opus 5 — dois placares que discordam sobre qual modelo venceu. • DeepSeek V4.1 Flash vs Grok 4.6 — um pequeno delta de capacidade contra uma grande conta recorrente. • DeepSeek V4.1 Flash vs Kimi K3 — a própria alegação de comparação direta do fornecedor, verificada contra as evidências por trás dela. • DeepSeek V4.1 Flash vs Qwen3.8-Max — a mesma janela de contexto com vinte vezes o preço por token.

Se você só tem tempo para uma, escolha a comparação do GLM-5.3-Flash: é a linha que os leitores mais digitam, e os dois modelos têm preços próximos o bastante para que a decisão dependa de quão rápido você precisa do primeiro token, e não de quanto custa cada token.