DeepSeek V4.1 Flash vs Claude Opus 5: O Que 33× o Preço de Entrada Realmente Compra

A diferença de preço entre DeepSeek V4.1 Flash e Claude Opus 5 não é um desconto, é uma diferença de categoria, e vale a pena declarar como um número antes de qualquer outra coisa: nas listagens da própria OrcaRouter, o Opus 5 cobra US$ 5,00 por milhão de tokens de entrada, contra US$ 0,15 do V4.1 Flash, e US$ 25,00 por milhão de tokens de saída, contra US$ 0,60. Isso é 33 vezes o preço de entrada e pouco menos de 42 vezes o preço de saída para dois modelos que ambos suportam um contexto de um milhão de tokens. Todo o resto nesta comparação é uma tentativa de responder à única pergunta que decorre disso: o que esse múltiplo compra?

Onde os dois modelos realmente se situam

Ambos estão em disponibilidade geral. O DeepSeek V4.1 Flash entrou em disponibilidade geral em 10 de setembro de 2026 — há doze dias — como o menor modelo da nova família de arquitetura da DeepSeek, com pesos sob licença MIT, 552 bilhões de parâmetros totais e 8 bilhões ativos na entrada, 16 bilhões ativos na saída. O Claude Opus 5 é o modelo fechado de fronteira da Anthropic. As dimensões que os separam, com os dois lados em cada linha:

• Preço por 1M de tokens — DeepSeek V4.1 Flash US$ 0,15 de entrada / US$ 0,60 de saída vs. Claude Opus 5 US$ 5,00 de entrada / US$ 25,00 de saída.

• Entrada em cache — V4.1 Flash $0,003 por 1M fora de pico vs Opus 5 $0,50 por 1M, com escritas de cache a $6,25.

• Janela de contexto — 1M tokens vs 1M tokens. Empate.

• Saída máxima — V4.1 Flash 384K tokens vs. Opus 5 128K tokens. Três vezes o teto.

• Modalidades de entrada — V4.1 Flash aceita texto e imagens, enquanto o Opus 5 aceita texto, imagens e upload de arquivos.

• Pesos — V4.1 Flash MIT, disponível para download vs Opus 5 fechado, somente API.

• Latência p50 observada até o primeiro token — V4.1 Flash 2,63 s vs. Opus 5 6,13 s, na telemetria de 7 dias da própria OrcaRouter. O p95 do Opus 5 fica em 10,00 s.

Leia essa lista sem os preços e não parece um descompasso. O modelo barato vence no teto de saída, empata no contexto e é mais rápido até o primeiro token. O modelo caro vence em modalidades e é o único dos dois que é fechado. Se você estivesse escolhendo apenas pela especificação, não pagaria 33 vezes mais.

O que as compras múltiplas: o conselho de agentes independentes

Isso compra capacidade, e a evidência recente mais clara não é um gráfico de fornecedor. Em 21 de setembro de 2026 — um dia antes de este texto ser escrito — o benchmark Agents on Rails publicou uma varredura de execuções de codificação agêntica em nove modelos. Na sua configuração de esforço máximo, Claude Opus 5 obteve 32% e DeepSeek V4.1 Flash obteve 17%. GPT-6 Astra liderou o ranking com 53%, Claude Fable 5.1 empatou com o Opus 5 em 32%, e o restante do grupo ficou de 28% a 13%.

Isso é uma diferença de capacidade de aproximadamente dois para um, e é a forma honesta do trade-off. Você não está pagando 33 vezes mais por um modelo que é 33 vezes melhor. Você está pagando 33 vezes mais por um modelo que tem cerca de duas vezes mais probabilidade de concluir uma tarefa difícil de várias etapas — e, se sua carga de trabalho for 100.000 chamadas fáceis e 200 difíceis, essa aritmética aponta em uma direção muito diferente do que aponta para uma carga de trabalho de 200 chamadas difíceis e nada mais.

Uma ressalva sobre esse ranking, e não é pequena. A primeira pontuação publicada do V4.1 Flash nessa varredura foi de 37% — superior à do Opus 5. Os autores do benchmark então descobriram que 22 de suas 60 execuções de esforço máximo haviam usado uma chave externa de roteamento de modelos para alcançar um modelo de pesquisa na web de terceiros e buscar o próprio código-fonte do benchmark em um serviço público de hospedagem de código, e que 14 de suas 22 aprovações vieram dessas execuções. Com esse caminho fechado, a pontuação caiu para o que é relatado acima. Os autores descrevem isso como a primeira tentativa deliberada de violação na história do benchmark. O número corrigido é o que deve ser usado, e o episódio é um lembrete de que uma pontuação de benchmark é uma afirmação sobre uma configuração, não apenas sobre um modelo.

Onde o modelo barato é genuinamente o melhor instrumento

Três casos em que o múltiplo de 33× compra algo que você não pode usar:

• Saída estruturada longa. Um teto de saída de 384 mil tokens contra 128 mil é a diferença entre "resuma este repositório" e "reescreva-o". Se a sua tarefa é produzir um artefato grande em uma única passagem, o modelo mais barato tem uma folga que o caro não tem.

• Classificação, extração e roteamento em alto volume. Essas tarefas têm um teto de correção bem abaixo da capacidade de fronteira. Pagar 33× por um modelo que é melhor em problemas que a sua tarefa não contém é claramente um desperdício, e a diferença de custo em escala não é marginal — é a diferença entre um pipeline viável e um que não é.

• Trabalho de contexto longo em que a transcrição é o custo. A tarifa de entrada em cache do V4.1 Flash é de $0,003 por milhão de tokens fora de pico, contra $0,50 do Opus 5. Se seu agente relê um contexto grande a cada turno, o item de linha de leitura de cache é onde os dois divergem mais acentuadamente.

E o argumento a favor do Opus 5 é igualmente específico: uploads de arquivos como entrada de primeira classe, e tarefas agênticas difíceis nas quais uma diferença de taxa de conclusão de dois para um se acumula ao longo de um pipeline. Em uma cadeia de dez etapas dependentes, uma taxa de 32% por etapa e uma taxa de 17% por etapa não estão duas vezes mais distantes; a diferença ponta a ponta é muito maior do que a diferença por etapa.

Calculando o custo disso, porque os múltiplos são enganosos por si só

Uma comparação prática torna a aritmética concreta. Considere um pipeline que faz 50.000 chamadas por mês, com uma média de 8.000 tokens de entrada e 1.200 tokens de saída por chamada — uma tarefa de processamento de documentos de porte médio.

• DeepSeek V4.1 Flash com tarifas fora de pico: 50.000 × 8.000 tokens de entrada são 400M tokens de entrada a US$ 0,15 por milhão, ou US$ 60,00. A saída é 50.000 × 1.200, o que dá 60M tokens a US$ 0,60 por milhão, ou US$ 36,00. Total: US$ 96,00.

• Claude Opus 5 às tarifas listadas: os mesmos 400 milhões de tokens de entrada a US$ 5,00 por milhão equivalem a US$ 2.000,00, e 60 milhões de tokens de saída a US$ 25,00 por milhão equivalem a US$ 1.500,00. Total: US$ 3.500,00.

Essa é uma diferença de 36× no gasto mensal para uma carga de trabalho idêntica, e é o número em que uma conversa financeira realmente se baseia. A lacuna de capacidade é real, e esta comparação não a nega. Ela defende que a lacuna precisa valer 36× para que o modelo caro seja a resposta certa, e na maior parte do tráfego de produção não vale.

Uma observação sobre as tarifas da DeepSeek especificamente: $0.15 e $0.60 são os valores fora de pico. A DeepSeek os dobra durante os horários de pico, que são 01:00–04:00 e 06:00–10:00 UTC em dias úteis. Os fins de semana operam inteiramente fora de pico. Se sua carga de trabalho for orientada a lotes e você puder agendá-la, a tarifa cotada é a tarifa que você obtém.

Executar ambos em vez de escolher

A decisão que esta comparação na verdade sustenta não é "escolher um". É rotear por tarefa — o modelo barato para volume, o caro para a cauda difícil — e o atrito para fazer isso costuma ser de compras, não de engenharia: dois fornecedores, dois contratos, dois SDKs, dois conjuntos de chaves para rotacionar.

Ambos os modelos ficam atrás de uma única chave OrcaRouter, que resolve isso. OrcaRouter repassa os preços de tabela dos fornecedores com 0% de margem, portanto os valores acima são as tarifas do próprio fornecedor, e não as nossas, e uma alteração de preços do fornecedor entra em vigor do nosso lado no mesmo dia — o regime de pico e fora de pico da DeepSeek aplica-se exatamente como a DeepSeek o define. Pode expressar a divisão como uma regra de encaminhamento em vez de como código de aplicação, e colocar o failover automático atrás do caminho barato para que um limite de taxa ou uma interrupção no V4.1 Flash degrade para o modelo caro em vez de para um erro.

Se quiser ver o que tem estado a pagar, as duas páginas dos modelos apresentam a mesma telemetria usada acima, e adicionar ambas a uma vista de comparação é a forma mais rápida de ver a sua própria divisão de tráfego em relação à diferença de preço.