SWE-2 Flash vs DeepSeek V4 Flash: um tem uma tabela de tarifas, o outro tem uma proporção

A primeira coisa que quebra quando você coloca SWE-2 Flash e DeepSeek V4 Flash lado a lado é a unidade. A DeepSeek publica dólares por milhão de tokens e um checkpoint que você pode baixar. A Cognition publica uma fração — um quinto do SWE-2 — e uma vaga dentro do Devin. Um deles é um modelo sobre o qual você pode construir; o outro é um modelo que você pode usar. Toda comparação que vem a seguir precisa sobreviver a essa assimetria, e a maioria das que circulavam no dia do lançamento não sobreviveu.

Isso não é motivo para pular a comparação. É o motivo pelo qual vale a pena fazer a comparação com cuidado. Os dois modelos miram o mesmo comprador — uma equipe que quer um comportamento de codificação próximo da fronteira sem o preço de fronteira — e fazem apostas opostas sobre como esse comprador quer receber isso. Uma aposta é desagregada: pesos, uma API, uma janela de contexto publicada e uma conta que você consegue prever. A outra é integrada: um modelo ajustado para um harness, vendido por uma fração do custo de outro modelo, com a pilha de serving incluída no número.

O que cada um realmente é, e a armadilha do checkpoint

O SWE-2 Flash foi anunciado em 4 de novembro de 2026. Ele é pós-treinado a partir do Inkling-Small, a mistura da Thinking Machines com 276B no total e 12B ativos, e está disponível no Devin Desktop e no Devin CLI. É gratuito lá até 30 de novembro. Não há API, nem pesos públicos, nem janela de contexto publicada.

O DeepSeek V4 Flash é uma mistura com 284B no total e cerca de 13B ativos, sob a licença MIT, com uma janela de contexto de 1M de tokens e até 384.000 tokens de saída. Ele aceita apenas texto; a variante de visão é um ID experimental separado. É disponibilizado por meio de uma API compatível com a OpenAI e pode ser chamado desde a primavera, com um checkpoint 0731 submetido a novo pós-treinamento que fez a maior parte do trabalho em codificação agêntica.

Então vem a armadilha. A própria página de modelos e preços da DeepSeek, consultada em 5 de novembro de 2026, lista deepseek-v4-flash entre os nomes legados ainda aceitos pela API e diz que agora ele é servido pelo DeepSeek-V4.1-Flash-1017. Esse é um modelo diferente e maior: a tabela comparativa da Cognition coloca o V4.1 Flash 1017 em 763B totais e 16B ativos. Assim, "DeepSeek V4 Flash" remete a pelo menos três coisas, dependendo de quem fala — a versão de abril, o checkpoint 0731 ou o checkpoint V4.1 de outubro para o qual o ID agora aponta. No OrcaRouter, os IDs fixados são rotas separadas, o que é a única razão pela qual uma comparação pode ser reproduzível.

Isto não é pedantismo. Muda qual linha do benchmark você tem o direito de citar. Os números públicos do leaderboard para "DeepSeek V4 Flash" foram medidos na build 0731. A tabela da Cognition mediu o V4.1 Flash 1017. Não são o mesmo modelo, e os números diferem em conformidade.

Preço, nas duas unidades que cada fornecedor realmente publica

A tabela de preços da DeepSeek é aritmética. Por milhão de tokens para o modelo que o ID deepseek-flash agora atende — DeepSeek-V4.1-Flash-1017, que a página nomeia explicitamente —, consultada em 5 de novembro de 2026: entrada a $0,15 fora de pico e $0,30 nas janelas de pico, saída a $0,60 fora de pico e $1,20 no pico, entrada em cache a $0,003 e $0,006. O pico é das 01:00 às 04:00 e das 06:00 às 10:00 UTC, de segunda a sexta-feira, excluindo feriados públicos chineses. Fora dessas janelas, aplica-se a tarifa mais barata.

O checkpoint mais antigo fixado tem preço diferente. O catálogo da OrcaRouter inclui deepseek/deepseek-v4-flash a US$ 0,22 por milhão de tokens de entrada e US$ 0,66 por milhão de saída, uma tarifa fixa sem nível de pico. Esse é o preço da reprodutibilidade: fixe o modelo da linhagem de abril em vez de chamar o atual e você paga mais, em troca do modelo no qual a maioria das linhas de benchmark publicadas foi de fato medida. Nenhuma das escolhas está errada; elas respondem a perguntas diferentes.

O card da Cognition é uma comparação. "Um quinto do preço e 3x a velocidade do seu irmão muito maior" é toda a declaração pública, sem qualquer número absoluto associado e, além disso, gratuito até 30 de novembro. Não há como calcular quanto custa uma tarefa no SWE-2 Flash a partir de informações públicas, porque o denominador é um modelo cujo próprio preço por token também nunca foi publicado.

Seguem-se duas consequências, e ambas são práticas, não pedantes.

• Previsibilidade — o custo do DeepSeek por milhão de tokens é conhecível até o centavo, incluindo o multiplicador de pico. O custo do SWE-2 Flash só é conhecível como uma fração de um número não publicado, dentro de uma assinatura pela qual você já está pagando.

• Cotações de tarifa fixa são enganosas — a rota fixada do V4 Flash tem uma única tarifa fixa, enquanto a tabela atual do fornecedor tem dois níveis. Um número fixo, portanto, está incorreto durante parte da semana e descreve um checkpoint diferente daquele que a maioria das linhas de benchmark indica. Planeje com base na tabela do fornecedor; reproduza com base na rota fixada.

Ambos importam mais do que parecem. Para um agente que executa milhares de chamadas curtas, o multiplicador de pico é um problema de agendamento que você pode contornar com engenharia; para um agente de programação que executa algumas sessões longas, é um erro de arredondamento. Qual desses você é determina se a tabela de preços da DeepSeek tem dois preços ou um.

Velocidade: uma reprodução contra uma medição

Os 200 tokens por segundo da Cognition não são uma medição ao vivo. O post explica: a execução de cada modelo na tarefa gsea-proteomics do Terminal-Bench 4.0, “reproduzida a 200 vs. 60 tokens por segundo simulados”, com as transcrições encurtadas para o mesmo comprimento. Os 60 tok/s do SWE-2 vêm da mesma reprodução. Isso descreve o perfil de serviço que a Cognition está mirando, o que é uma coisa legítima de se publicar, mas não é um cronômetro em dois endpoints.

A Artificial Analysis mede o DeepSeek V4 Flash em 112 tokens de saída por segundo em sua página atual do modelo, com um tempo de 32,41 segundos até o primeiro token de resposta. Essa é uma medição de uma API ao vivo, incluindo qualquer enfileiramento que o provedor faça. Os dois números não são comparáveis, e subtraí-los não faria sentido: um é uma reprodução simulada dentro de um produto, o outro é uma taxa de serviço observada no endpoint público.

O que sobrevive à ressalva é a direção. Se um modelo com 12B ativos realmente atende a cerca de 200 tok/s dentro do Devin, enquanto um modelo com 13B ativos mede 112 tok/s em uma API pública, o modelo com menos ativos não é obviamente o mais rápido — a pilha de serving está fazendo tanto trabalho quanto a arquitetura. Isso é um ponto a favor de produtos integrados e contra inferir a velocidade a partir da contagem de parâmetros.

A única execução na mesma tabela, e quem a executou

A tabela de lançamento da Cognition inclui diretamente o modelo da DeepSeek. A coluna é DeepSeek V4.1 Flash 1017 — o checkpoint para o qual o ID deepseek-v4-flash agora resolve — o que faz desta a única comparação do par produzida sob o mesmo teto. Todos os números abaixo são da Cognition, nos benchmarks da Cognition, sem que o harness tenha sido divulgado.

FrontierCode 2.0 — SWE-2 Flash 24.0 vs. DeepSeek V4.1 Flash 1017 19.3

• FrontierCode 1.1 Main — 45,5 vs 43,9

• DeepSWE 1.1 — 60,1 vs 77,0

• Terminal-Bench 4.0 — 20,0 vs 42,3

• Terminal-Bench 2.1 — 89,2 vs 91,0

• SWE-Atlas QA — 50,0 vs 71,0

SWE-Bench Pro v2 Hard — 89,9 vs 86,3

• ExploitBench — 34,8 vs 31,1

A divisão é de quatro linhas cada, e as margens não são nada simétricas. O SWE-2 Flash vence o FrontierCode 2.0 por 4,7 pontos, o FrontierCode 1.1 Main por 1,6, o SWE-Bench Pro v2 Hard por 3,6 e o ExploitBench por 3,7. O DeepSeek vence o DeepSWE 1.1 por 16,9, o Terminal-Bench 4.0 por 22,3, o SWE-Atlas QA por 21,0 e o Terminal-Bench 2.1 por 1,8. Toda vitória do Flash é por poucos pontos. Duas das vitórias do DeepSeek são acima de vinte.

Pondere a comparação pela margem em vez de pela contagem de vitórias e ela deixa de ser equilibrada. O Flash é genuinamente competitivo no FrontierCode, que recompensa um patch delimitado face a uma especificação escrita, e está muito atrás no Terminal-Bench 4.0, que mede um agente de terminal a levar uma tarefa até ao fim. É também a linha em que o resto do campo se separa: o GLM 5.3 Flash obtém 41,8 no mesmo benchmark e o Claude Haiku 5.5 obtém 39,2, contra os 20,0 do Flash.

Agora, as ressalvas que devem ser ditas no mesmo fôlego. Esta é a tabela de um concorrente. O FrontierCode é o próprio instrumento da Cognition, e a Cognition o avalia. O post não divulga nenhum harness, nenhuma configuração de esforço e nenhum número de execuções, então “mesma tabela” não é o mesmo que “mesmas condições” — é a metodologia de um fornecedor aplicada de forma uniforme, o que é melhor que nada e pior que independente. E a coluna DeepSeek é V4.1 Flash 1017, não a build 0731 que a maioria dos números públicos descreve.

Há uma verificação de sanidade útil sobre o quanto o instrumento importa. A avaliação da Artificial Analysis da build 0731 do DeepSeek V4 Flash, executada pela última vez em 31 de julho de 2026, registra 12,1% no Terminal-Bench 4.0. A tabela da Cognition registra 42,3% para o checkpoint V4.1 Flash 1017. Trinta pontos de diferença no mesmo benchmark nominal. Parte disso é o checkpoint — o V4.1 é um modelo diferente e maior — e parte é o harness, já que uma é uma execução padronizada de terceiros e a outra é do próprio fornecedor. De qualquer forma, nenhuma linha individual desta comparação é propriedade exclusiva de um modelo, e as linhas em que os dois fornecedores mais divergem são as que devem ser tratadas com mais cautela.

Contexto, pesos e o que você pode construir

• Janela de contexto — DeepSeek 1.048.576 tokens publicados vs SWE-2 Flash não publicado

• Saída máxima — DeepSeek 384.000 tokens vs. SWE-2 Flash não publicado

• Pesos — DeepSeek MIT, disponível para download vs SWE-2 Flash com acesso restrito, programa de parceiros prometido "em algumas semanas"

• Modalidade — DeepSeek V4 Flash somente texto, com visão chegando no checkpoint V4.1 e em um ID experimental separado; não declarado em comparação com o SWE-2 Flash

• Distribuição — API DeepSeek e plataformas de terceiros vs. apenas Devin Desktop e Devin CLI

• Controle de esforço — modos de pensamento e de não pensamento do DeepSeek vs SWE-2 Flash não documentados

• Licença para ajuste fino — DeepSeek sim vs SWE-2 Flash não, ainda não

Para uma equipe que está construindo um produto, cinco dessas sete linhas são desqualificantes por si só. Você não pode planejar um pipeline de recuperação em torno de uma janela de contexto não publicada, não pode ajustar pesos que não possui e não pode colocar na sua arquitetura uma dependência que só existe dentro da IDE de outra pessoa. O SWE-2 Flash não está competindo por essa vaga. Está competindo pelo lugar que um desenvolvedor já ocupa.

A única linha em que o Flash tem vantagem é justamente aquela sobre a qual a Cognition é menos clara: o custo por tarefa. Se um quinto do preço do SWE-2 for um quinto do custo de concluir um trabalho, ele supera a tabela de preços por token da DeepSeek para trabalho interativo dentro do Devin, porque a assinatura já foi paga. Se for um quinto do preço por token em um modelo que gera mais tokens por tarefa, a vantagem diminui. A Cognition não publica informações suficientes para dizer qual é o caso.

Onde um roteador muda a aritmética

O DeepSeek V4 Flash é roteado no OrcaRouter como deepseek/deepseek-v4-flash, pelo preço de tabela do provedor sem nenhuma margem adicionada, o que importa para um modelo cujo preço muda duas vezes por dia: um corte do fornecedor ou uma mudança na janela de pico chega à rota em vez de esperar que uma plataforma o reprecifique. A mesma chave acessa mais de 200 modelos, então a versão sensata desta comparação — rodar sua fila contra DeepSeek V4 Flash, GLM 5.3 Flash e Kimi K3 e ver de qual deles suas tarefas realmente gostam — custa uma troca de ID de modelo em vez de três contratos. Failover automático entre provedores é a outra metade: as janelas de pico da DeepSeek são exatamente o momento em que uma segunda rota se justifica, e uma cadeia de fallback sai mais barata do que um alerta de plantão.

SWE-2 Flash não está no OrcaRouter e não tem como estar. Não há endpoint para o qual rotear, o que é o resumo honesto de toda a comparação. Se você quiser usá-lo, compre o Devin. Se você quiser chamar um modelo de programação a partir do seu próprio software, a escolha já foi feita no seu lugar antes de os benchmarks serem publicados.

Qual escolher

Se você precisa de um modelo de programação em produção — uma API, uma janela de contexto com a qual possa dimensionar, pesos que possa fixar, uma fatura que possa prever — o DeepSeek V4 Flash é o único dos dois que se qualifica, e o checkpoint de outubro é o que deve ser fixado. O desconto da janela de pico vale a pena ser considerado no projeto, e o contexto de 1M vale a pena ter mesmo que você raramente o preencha.

Se você já paga pelo Devin, o SWE-2 Flash é quase uma opção gratuita até 30 de novembro. Execute-o na ponta limitada da sua fila, mantenha o SWE-2 para o trabalho de várias etapas que a lacuna do DeepSWE descreve e trate a janela gratuita como o período de avaliação que ela é. O risco não é que ele seja ruim. O risco é que uma razão esteja sendo usada onde deveria haver uma medição.

Se você está padronizando uma equipe em um modelo de codificação, esta não é a comparação para decidir isso. Um candidato pode ser testado e o outro não, e uma comparação na qual apenas um lado é observável é uma decisão de distribuição usando uma fantasia de benchmark. Escolha o que você consegue medir e depois reavalie quando a Cognition lançar um endpoint ou um programa de parceiros que coloque os pesos em algum lugar acessível.