MIDM K 3.0 Pro vs DeepSeek V4.1 Pro: Um nome não tem nada por trás

A consulta de pesquisa que produz esta página pressupõe que existam dois modelos. Um existe. Mi:dm K 3.0 Pro — MIDM K 3.0 Pro na lista de preços internacional — está sujeito a cobrança na plataforma Token Factory da KT desde 29 de outubro de 2026, a US$ 0,20 por milhão de tokens de entrada e US$ 0,80 por milhão de tokens de saída. DeepSeek V4.1 Pro não tem ficha de modelo, endpoint, linha de preço nem pesos; a DeepSeek nomeou-o exatamente uma vez, na nota de lançamento que acompanhou o DeepSeek V4.1 Flash em 10 de setembro de 2026, e não publicou nada sobre ele desde então. Portanto, a versão honesta deste confronto tem de substituir o modelo DeepSeek que um leitor pode realmente chamar hoje — DeepSeek V4 Pro 0813, o carro-chefe de 1,6 trilhão de parâmetros da geração anterior — e deixar explícito que a substituição não corresponde ao que o título indica. O que segue é essa comparação, além de um breve relato do que teria de aparecer antes de a coluna do V4.1 Pro deixar de estar vazia.

O problema do nome, antes de tudo

O nome V4.1 Pro entrou em circulação atrelado a um plano que a DeepSeek anunciou e depois retirou. Em 10 de setembro de 2026, a empresa lançou o DeepSeek V4.1 Flash e disse na mesma nota que as solicitações ao seu nível Pro existente seriam encaminhadas ao modelo Flash até o lançamento do V4.1 Pro. O plano de encaminhamento durou cerca de um dia. Os desenvolvedores objetaram — um cliente Pro receber silenciosamente um modelo menor por preços Pro é algo razoável de se objetar — e a DeepSeek colocou o DeepSeek V4 Pro de volta no ar com preços inalterados.

O que resta é um nome em uma nota de rodapé. Não há cartão Pro na família V4.1, nem linha de preços, nem checkpoint. Comparações que tratam o DeepSeek V4.1 Pro como um modelo existente partem de extrapolação: a arquitetura V4.1 é real e foi lançada na camada Flash, então uma versão Pro dela é um palpite razoável, e é a isso que se resume toda especificação publicada sobre ele. Isso não deve ser repetido como fato, e esta página não o faz.

O que os dois modelos chamáveis realmente são

• Mi:dm K 3.0 Pro — 120B de parâmetros totais, 12B ativos por token, em uma pilha híbrida de camadas Mamba, de mistura de especialistas e de atenção. Entrada de texto, saída de texto. Contexto de 261.795 tokens, até 235.615 tokens de saída. Traço de raciocínio exposto separadamente; suporte a saída JSON e estruturada. Servido pela KT a partir de um checkpoint com especialistas NVFP4 e projeções FP8.

• DeepSeek V4 Pro 0813 — uma mistura de especialistas com 1,6 trilhão de parâmetros, dos quais 49 bilhões ativos. Somente texto. Contexto de 1 milhão de tokens, saída máxima de 384K. Modos de pensamento e não pensamento com esforço de raciocínio baixo, alto e máximo, saída JSON, chamada de ferramentas e uma API Responses nativa com uma adaptação voltada a agentes de codificação no estilo Codex.

A diferença de formato vale a pena ser mantida. O modelo coreano é pequeno e barato e lê 262K tokens. O modelo DeepSeek tem treze vezes a contagem de parâmetros, lê quatro vezes o contexto e, segundo a própria divulgação da KT, não é a única arquitetura em jogo — a geração V4 da DeepSeek lançou um V4.1 Flash de 552 bilhões de parâmetros com um novo design Causal Encoder-Decoder, que é para onde está voltada a engenharia atual daquele laboratório.

Preço, incluindo a parte que não consta na tabela de tarifas

• Mi:dm K 3.0 Pro — US$ 0,20 de entrada e US$ 0,80 de saída por milhão de tokens, com entrada em cache a US$ 0,04. A própria plataforma da KT atualmente vende tudo isso com 30% de desconto: US$ 0,14 de entrada, US$ 0,56 de saída, US$ 0,03 em cache.

• DeepSeek V4 Pro 0813 — US$ 0,66 de entrada e US$ 1,98 de saída por milhão nas tarifas fora de pico, com leituras de cache a US$ 0,022. Nas janelas de pico em dias úteis, das 01:00–04:00 e das 06:00–10:00 UTC, cada valor dobra: US$ 1,32 de entrada e US$ 3,96 de saída.

A manchete é que o modelo coreano custa cerca de um terço do carro-chefe da DeepSeek na entrada e cerca de 40% na saída. A estrutura de pico/fora de pico complica isso numa direção que favorece a KT. Um job em lote que roda às 03:00 UTC de uma terça-feira paga o dobro na DeepSeek — US$ 1,32 e US$ 3,96 — o que torna o Mi:dm K 3.0 Pro oito vezes mais barato por token de saída naquele horário do que sugere a tabela de preços da DeepSeek. Um job atrelado à janela fora de pico da DeepSeek vê uma diferença de 2,5× em vez disso. Nenhum dos números está errado; são cronogramas diferentes.

Há uma segunda assimetria: o desconto do Mi:dm K 3.0 Pro é uma promoção sem data de término publicada, enquanto o preço de pico da DeepSeek é uma estrutura permanente. Modelar com base na tarifa promocional é o mesmo erro que modelar com base numa tarifa fora de pico — ambas são reais, e nenhuma delas é o número no qual você deve basear seu orçamento.

Um destes modelos tem uma pontuação, e não é o barato.

A Artificial Analysis atribui ao DeepSeek V4 Pro a pontuação 36 no seu Intelligence Index. É um número modesto para os padrões de fronteira — fica bem abaixo da casa dos cinquenta e poucos, onde estão Claude Opus 5.5 e Gemini 4 Argon — e é uma medição real de um endpoint real. O DeepSeek V4.1 Flash, o modelo que de fato foi lançado na geração V4.1, obtém 39,5 no mesmo índice, o que revela algo útil sobre a diferença de nível que a versão Pro deveria restabelecer.

Mi:dm K 3.0 Pro não tem entrada. O caminho do modelo do avaliador retorna 404 e o modelo não aparece no índice de forma alguma. A KT também não publicou nenhuma tabela de benchmark com o lançamento — os materiais do AID-X Day e o cartão de modelo do Token Factory descrevem arquitetura, quantização e contexto, e param por aí. Sites agregadores que exibem uma pontuação composta para ele estão misturando preço e recência com um sinal de capacidade, e não relatando um resultado de teste; uma dessas páginas lhe dá 40 de 100 no geral, com o preço sozinho representando um quarto do peso.

Assim, a comparação que um comprador mais desejaria fazer — o modelo de US$ 0,20 corresponde ao modelo de US$ 0,66 — não pode ser respondida a partir do material publicado. O que se pode dizer é direcional: um híbrido de 120B com 12B ativos é uma rede menor do que uma mistura de 1,6T com 49B ativos, e a rede menor tem preço proporcional. Se correspondesse em qualidade, o preço seria irracional.

A verdadeira vantagem da DeepSeek não é a contagem de parâmetros

Há três coisas no DeepSeek V4 Pro 0813 que valem mais do que seu tamanho, e todas as três são coisas que a KT não publicou.

O trabalho com harness. A revisão 0813 foi lançada com uma Responses API nativa e uma adaptação direcionada para agentes de programação no estilo Codex, e os próprios números da DeepSeek sobre ela — 87,9 no Terminal Bench 2.1, 74,1 no Toolathlon Verified, 62,7 no DeepSWE, 61,5 no NL2Repo — são relatados pelo fornecedor e devem ser identificados como tal, mas descrevem um trabalho voltado especificamente ao uso agêntico de ferramentas. Um modelo criado e ajustado para um harness de agente de programação se comporta de forma diferente de um modelo geral inserido em um.

A escala de esforço. O DeepSeek expõe esforço de raciocínio baixo, alto e máximo, além de um modo sem raciocínio. Isso é uma alavanca de custo: o mesmo modelo pode responder a um prompt de classificação de forma barata e a um prompt de raciocínio difícil de forma cara. O Mi:dm K 3.0 Pro expõe um sinalizador de raciocínio, mas nenhuma escala de esforço publicada, então a única alavanca que quem faz a chamada tem é ligado ou desligado.

Chamada de ferramentas. O DeepSeek V4 Pro lista tools e tool_choice entre os parâmetros suportados. A entrada de catálogo da KT para o Mi:dm K 3.0 Pro não os lista, o que não é o mesmo que dizer que o endpoint os recusa — significa que ninguém documentou suporte, e um loop de agente que depende de chamada de funções deve testar em vez de presumir.

O que 262K tokens compram — e quanto isso lhe custa

Quatro vezes o contexto é a vantagem estrutural mais clara do modelo DeepSeek, e seu valor prático depende de em qual de dois mundos sua carga de trabalho se encaixa.

Se você enviar repositórios inteiros, arquivos de processo completos ou transcrições de várias horas em uma única solicitação, um teto de 262K é uma restrição real. O truncamento do prompt é uma falha silenciosa de qualidade — o modelo responde com confiança a partir da metade do documento que recebeu — e as soluções alternativas, chunking e recuperação, adicionam um pipeline que as economias do modelo barato precisam pagar. Com entrada a US$ 0,20 e uma carga de trabalho de um milhão de tokens, porém, a aritmética é incomum: o Mi:dm K 3.0 Pro poderia processar o mesmo documento quatro vezes em fatias de 262K por menos do que a DeepSeek cobra uma vez fora de pico, então a questão é se a estratégia de chunking consegue preservar as referências cruzadas das quais a tarefa depende. Para extração, consegue. Para "encontre a contradição entre a página 4 e a página 300", geralmente não consegue.

Se seus prompts forem comuns — alguns milhares de tokens de instrução e contexto —, a lacuna de contexto não custa nada, e a lacuna de parâmetros de 20 para 1 é a única diferença que importa.

Arquitetura híbrida versus escala, como uma aposta

Os dois modelos representam respostas opostas para o mesmo problema de 2026: como atender contexto longo sem pagar custos quadráticos de atenção.

A resposta da KT é heterogeneidade arquitetural — combinar Mamba para processamento de sequências em tempo linear, mixture-of-experts para computação condicional barata e atenção onde a recuperação exata é necessária, depois quantizar os especialistas para NVFP4 para reduzir ainda mais o custo de serving. É a aposta de engenharia mais interessante e a menos comprovada. Uma pilha híbrida bem treinada pode superar um transformer denso de mesmo tamanho em contexto longo; uma mal treinada produz um modelo medíocre nas duas coisas para as quais seus componentes foram escolhidos, e ainda não há evidências públicas sobre qual dos casos ocorreu aqui.

A resposta da DeepSeek é a mais convencional: uma mistura de especialistas esparsa muito grande, treinada com dados suficientes para que uma fatia ativa de 49B carregue uma capacidade próxima da fronteira, e servida de forma suficientemente barata por um laboratório que vem otimizando a inferência de MoE há mais tempo do que quase qualquer outro. É menos inovadora e mais comedida.

Para um comprador, isso se traduz em uma assimetria simples de risco. Apostar no modelo DeepSeek significa apostar em uma pontuação que você pode ler. Apostar no modelo coreano significa apostar na descrição de uma arquitetura de um fornecedor sem histórico no mercado internacional de APIs, a um preço em que o risco de perda é pequeno e o potencial de ganho é um décimo do custo.

Como resolver isso em uma tarde

O DeepSeek V4 Pro 0813 está disponível no OrcaRouter como deepseek/deepseek-v4-pro-0813 na tarifa de tabela da DeepSeek, sem nenhum acréscimo — US$ 0,66 de entrada, US$ 1,98 de saída, US$ 0,022 de leitura de cache fora do horário de pico, com o multiplicador de pico aparecendo no mesmo cartão. O Mi:dm K 3.0 Pro é servido apenas pela KT e não está nas nossas rotas; não há um segundo provedor para o qual recorrer, o que é uma diferença operacional real, e não uma isenção de responsabilidade, porque um modelo de host único não pode ser contornado por roteamento quando seu único endpoint se degrada.

Isso deixa um experimento barato e decisivo. Pegue cinquenta prompts do seu próprio tráfego de produção — não de um benchmark público, mas os prompts que você realmente envia — e execute-os nos dois modelos com um avaliador no qual você já confia. A US$ 0,20 e US$ 0,80 contra US$ 0,66 e US$ 1,98, cinquenta prompts de 4K de entrada e 1K de saída custam uma fração de centavo no modelo coreano e alguns centavos no da DeepSeek. Depois, execute os mesmos cinquenta no DeepSeek V4.1 Flash, que usa a mesma chave a US$ 0,15 e US$ 0,60 fora do horário de pico e pontua 39,5 — porque, para muitas cargas de trabalho, a resposta para “devo usar o nível Pro da DeepSeek?” é que você não deve, e o modelo Flash é ao mesmo tempo mais barato que o preço de tabela do Mi:dm K 3.0 Pro e tem pontuação independente.

Manter todo o conjunto de comparação em uma única chave pelo preço de tabela do provedor, com uma regra de roteamento que redireciona uma solicitação para um segundo modelo quando o primeiro apresenta erro, é a parte que o OrcaRouter faz para os três modelos que hospeda. Para o Mi:dm K 3.0 Pro, o fallback precisa ser escrito no seu próprio código, porque a KT é a única porta.

Onde isso deixa a questão

DeepSeek V4.1 Pro é um nome com uma nota de lançamento por trás e nada mais; até que a DeepSeek publique um card de modelo, um preço e um endpoint, toda comparação que o envolva é uma comparação com um boato. O confronto efetivamente disponível para chamada é Mi:dm K 3.0 Pro contra DeepSeek V4 Pro 0813 e, com base nas evidências publicadas, o modelo da DeepSeek vence em contexto, em suporte a ferramentas documentado, em uma pontuação independente publicada e em ter um segundo recurso ao qual recorrer quando o principal está lento.

O modelo coreano vence no preço por um fator de duas vezes e meia a oito, dependendo da hora, do teto de saída, da eficiência de hardware por construção e, potencialmente, no trabalho em língua coreana, em que a KT vem treinando deliberadamente e a DeepSeek não. Essas não são vantagens pequenas para a carga de trabalho certa. Elas simplesmente não foram medidas — e, com treze dias de disponibilidade, não medidas é o termo honesto, e não um veredito.

A divisão prática se define sozinha. Processamento de texto em massa, trabalho com a língua coreana e qualquer coisa em que uma segunda opinião barata valha a pena: teste o modelo coreano esta semana. Qualquer coisa agêntica, qualquer coisa que precise sustentar 400K tokens, qualquer coisa em que uma resposta errada custe mais do que os tokens: mantenha o DeepSeek V4 Pro, ou suba para um modelo de fronteira, e reavalie o Mi:dm K 3.0 Pro quando alguém publicar um número para ele.