Jev vs DeepSeek V4.1 Flash: Oito Centavos por Mil Não É Uma Vantagem Competitiva

A comparação que decide a questão do Jev não é com um modelo de fronteira. É com o DeepSeek V4.1 Flash, lançado em 10 de setembro de 2026 — cinco dias antes de a TypeSafe AI lançar o Jev — porque o DeepSeek V4.1 Flash é um modelo generativo genuinamente barato, e é a coisa mais barata na sala que consegue fazer quase tudo o que o Jev consegue fazer. Um teste independente publicado em setembro de 2026 executou 77 exemplos do BANKING77, o conjunto padrão de classificação de intenções, em ambos: o Jev retornou 7 centavos por 1.000 classificações com 75% de precisão. O DeepSeek V4.1 Flash retornou 8 centavos por 1.000 com 79% de precisão. O mesmo teste colocou o GPT-5.6 Luna em 12 centavos e 83%. Um modelo generativo com uma janela de contexto de um milhão de tokens, chamada nativa de ferramentas e entrada de imagem ficou um centavo por mil classificações atrás de um modelo de decisão construído especificamente — e quatro pontos à frente em precisão. Esse é o fato desconfortável no centro deste confronto, e ele reformula o que o Jev está realmente vendendo.

O que cada modelo faz

Jev é um modelo de decisão do Sistema 1: ele não retorna texto algum. Você envia um estado mais perguntas tipadas — Escolha a partir de uma lista que você fornece, Pontuação em uma rubrica ordenada, ou Noul (uma afirmação de sim/não com uma probabilidade calibrada) — e ele retorna respostas tipadas com valores de confiança. Todas as perguntas são avaliadas em paralelo contra uma única leitura compartilhada do estado, e é por isso que adicionar perguntas quase não altera o tempo de resposta, e por que a saída não custa nada: não há tokens de saída para medir. A entrada custa US$ 0,042 por milhão de tokens, a saída é gratuita, e o orçamento por solicitação é de aproximadamente 32.000 tokens. Foi lançado em 15 de setembro de 2026, pela TypeSafe AI, fundada por Diogo Almeida com uma rodada seed de US$ 40 milhões liderada pela DCVC.

DeepSeek V4.1 Flash é um modelo generativo convencional e não finge o contrário. Foi lançado em 10 de setembro de 2026 com um ID de API de deepseek-flash, construído como uma mistura de especialistas de 552B de parâmetros com ativação assimétrica em 8B/16B, uma janela de contexto de 1M tokens e entrada de texto e imagem. Ele gera texto token a token, que é exatamente a propriedade que o torna mais caro por chamada e mais capaz por chamada. Ele roda a 208,3 tokens por segundo com tempo até o primeiro token de 1,13 segundos, e seu preço é de US$ 0,30/US$ 1,20 por milhão de tokens em horário de pico e US$ 0,15/US$ 0,60 fora de pico. No Artificial Analysis, ele está em um Índice de 40 — nível intermediário, não de fronteira.

Por que a matemática por classificação chega ao resultado que chega

A diferença de um centavo não é um acidente e não é estável. Ela decorre da forma como cada modelo cobra.

• O custo por decisão do Jev é essencialmente fixo — você paga por uma passada sobre a entrada, a US$ 0,042 por milhão de tokens, e o número de perguntas que você faz quase não muda isso. Uma classificação que precisa de um rótulo e uma classificação que precisa de vinte rótulos custam quase o mesmo.

• O custo por decisão do DeepSeek V4.1 Flash escala com a saída. A classificação em um rótulo curto é barata; a mesma tarefa, quando você pede uma justificativa, um nível de confiança e um envelope JSON estruturado, gera várias vezes mais tokens de saída e, portanto, custa várias vezes mais.

• Pico versus fora de pico dobra o preço de entrada da DeepSeek e dobra o preço de saída. Processe em lote um trabalho de classificação na hora errada e a diferença de um centavo se torna um número completamente diferente.

É por isso que estimativas independentes da diferença divergem tanto. O teste BANKING77 com 77 exemplos encontrou 7¢ contra 8¢. Um benchmark composto separado, o JevBench, colocou o Jev a $0,041 por 1.000 e o DeepSeek V4.1 Flash a $0,579 por 1.000 — uma diferença de quatorze vezes. Um terceiro teste em 83 contatos de vendas encontrou o DeepSeek V4.1 Flash a $0,183 por execução contra $0,0055 do Jev, uma diferença de 33 vezes. A razão pela qual esses números abrangem duas ordens de magnitude é que cada um assumia um prompt diferente, um formato de saída diferente e uma hora do dia diferente. Quem cita um único número por classificação como se fosse uma propriedade do modelo, e não do ambiente de avaliação, está vendendo alguma coisa.

O que a estrutura do Jev oferece a você que um modelo generativo não consegue

O diferencial não é o preço. É o contrato. A saída do Jev é travada pelo esquema: como todas as respostas possíveis são enumeradas antes de o modelo rodar — você forneceu a lista de opções, a rubrica ou a afirmação de verdadeiro/falso —, não há espaço para emitir um valor fora do tipo declarado. Uma resposta malformada não é algo que o Jev consiga produzir. O DeepSeek V4.1 Flash pode ser restringido a saída estruturada com um esquema e, na prática, geralmente obedece, mas a garantia é um prior forte, e não uma propriedade estrutural. Se o seu pipeline executa dez milhões de classificações por mês, “geralmente” e “sempre” são itens distintos em um relatório de incidentes.

A segunda propriedade é a calibração. O Jev é treinado com um método que a TypeSafe chama de RLCD — Reinforcement Learning for Calibrated Decisions —, e toda resposta carrega uma distribuição de probabilidade, para que seu código possa definir limites: aceitar automaticamente acima, sinalizar no meio, escalar abaixo. O DeepSeek V4.1 Flash produzirá um número de confiança se você pedir um, mas ele é um token gerado, não uma saída calibrada, e uma confiança gerada é uma afirmação sobre si mesma, e não uma medição. Essa distinção é a razão principal para pagar por um modelo de decisão, e é a única coisa que um modelo generativo barato estruturalmente não consegue igualar.

O terceiro é o perfil de latência. A latência ponta a ponta documentada do Jev é de 70–500 ms, independentemente de quantas perguntas sejam anexadas, contra 3–329 segundos para chamadas de LLM de fronteira na própria comparação da TypeSafe. O TTFT de 1,13 segundo e a taxa de transferência de 208 tokens/segundo do DeepSeek V4.1 Flash são excelentes para um modelo generativo, e esse é o padrão pelo qual ele deve ser avaliado — mas, com algumas centenas de milissegundos de saída gerada mais a latência do primeiro token, são segundos por decisão, não frações de segundo. No painel interno de fluxos de trabalho da TypeSafe, o Jev vence nas colunas de custo e latência e perde na coluna de precisão, com 61,8% contra 79,1% no processamento de faturas e 76,0% contra 78,3% no atendimento ao cliente. As respostas de referência do painel são julgamentos médios de modelos, e não a verdade absoluta, e o próprio painel sinaliza possível viés do harness.

A lacuna de contexto é real e unidirecional.

Uma dimensão aqui não está nem perto e não é uma questão de enquadramento. O DeepSeek V4.1 Flash possui uma janela de contexto de um milhão de tokens; o orçamento de requisições do Jev é de aproximadamente 32.000 tokens. Se a sua classificação depende de ler um contrato inteiro, uma longa thread de suporte ou um arquivo de código grande, o DeepSeek V4.1 Flash consegue vê-lo, e o Jev não — nenhuma economia por decisão corrige um estado que não cabe. O Jev também não aceita entrada de imagem ou áudio no lançamento, enquanto o DeepSeek V4.1 Flash aceita imagens.

A contrapartida é que a janela estreita do Jev é tratada como se fosse um passivo, e não uma restrição, e o padrão de dois estágios na própria documentação da TypeSafe é a solução alternativa: para campos Choice além do limite de 255 opções, pontuar candidatos em lotes e depois escolher entre as pontuações. Isso funciona quando o estado é pequeno e o conjunto de opções é grande. Não funciona quando o estado é grande.

Onde cada um pertence

Recorra ao Jev quando a decisão for genuinamente em forma fechada, o estado couber em 32K tokens, o volume for alto o suficiente para que segundos por chamada sejam um custo real, e o pipeline precisar de um valor de confiança no qual possa basear ramificações. Verificações de guardrail, verificação a cada turno dentro de um loop de agente, roteamento de alto volume e pontuação de grandes conjuntos de documentos em paralelo são os casos de uso documentados.

Recorra ao DeepSeek V4.1 Flash quando a tarefa precisar ler algo longo, quando precisar produzir uma justificativa junto com o rótulo, quando precisar ver uma imagem, ou quando a classificação for uma etapa de um fluxo de trabalho generativo mais longo e dividi-la para um segundo fornecedor adicionaria uma etapa em troca de uma economia de um centavo que um prompt ruim poderia anular. E observe que "um modelo generativo também pode fazer isso" é a descrição correta da tarefa, não uma falha do Jev — a pergunta interessante é se você precisa do valor de confiança, porque esse é o único item da comparação que um modelo generativo não pode oferecer a nenhum preço.

Executando a camada de decisão e a camada generativa com uma única chave

O DeepSeek V4.1 Flash é um dos modelos que o OrcaRouter encaminha, ao preço de tabela do fornecedor, repassado com 0% de margem — pelo que o corte fora de pico fica ativo do nosso lado no mesmo dia em que a DeepSeek o lança, e não tem de acompanhar duas tabelas de preços. O próprio Jev não o servimos: o modelo da TypeSafe está em acesso antecipado e usa o seu próprio formato de pedido. A arquitetura para a qual esta comparação aponta é a de dois modelos — o Jev decide, o DeepSeek V4.1 Flash gera — e o OrcaRouter cobre a metade generativa por trás de um único endpoint compatível com OpenAI, com failover automático para que um componente de decisão não comprovado nunca se torne num ponto único de falha. Mais de 200 modelos, uma chave, uma fatura.

O veredito

Se você veio aqui esperando que o Jev fosse dramaticamente mais barato que um modelo generativo, a resposta honesta é que, em comparação com o DeepSeek V4.1 Flash, normalmente não é, e neste teste específico com 77 exemplos ele foi um centavo mais barato e quatro pontos menos preciso. O que o Jev vende não é preço por classificação. É uma garantia estrutural de que a saída não pode ser malformada, um valor de confiança calibrado no qual seu código pode basear decisões e um piso de latência medido em milissegundos em vez de segundos. Vale a pena pagar por essas três coisas em um pipeline que roda com frequência suficiente para que isso importe — e elas não valem nada se sua tarefa é ler um documento de 400 páginas e escrever um resumo dele, que é o trabalho do DeepSeek V4.1 Flash e nunca foi o do Jev.