DeepSeek V4 Pro 0813 está disponível — a verdadeira história não é o benchmark, é a execução tool-first

Na noite de 12 de agosto, três coisas atingiram o mundo da IA ao mesmo tempo: Elon Musk lançou o Grok 4.6, a Qwen abriu o código do Qwen 3.8 Max sem alarde, e a DeepSeek promoveu silenciosamente o V4 Pro à disponibilidade geral como DeepSeek-V4-Pro-0813. O consenso da mídia foi previsível — o desempenho agora rivaliza ou supera parcialmente o Claude Fable 5, e os preços não mudaram.

Mas o benchmark não é a história. Dois números carregam o sinal real: um salto massivo de capacidade e preços que ficaram onde estavam. Juntos, eles marcam o fim de jogo da corrida na camada de modelos — a disputa está migrando para uma nova pista, de “quem é mais inteligente” para “qual estrutura de execução se encaixa na era dos agentes”.

1. Dois números importam mais do que o ranking

O primeiro: o DeepSWE saltou de 12,8 para 62,7. O DeepSWE não testa uma única pergunta; ele testa engenharia de software real, de longo prazo e alta complexidade — se um agente consegue levar uma tarefa grande até o fim como um engenheiro. Partindo de uma pontuação de prévia de 12,8, isso é quase uma melhoria de 5x. Isso mostra que o foco de P&D não era o QI geral; era a capacidade de concluir tarefas complexas.

O segundo: os benchmarks de agentes agora superam o campo. No Cybergym (agentes de segurança de IA) e no AutomationBench (agentes de fluxo de trabalho), o V4 Pro GA supera o Fable 5. O preço oficial continua em RMB 3 por milhão de tokens de entrada e RMB 6 por milhão de saída (entrada com acerto de cache a apenas RMB 0,025), cerca de 3x o V4 Flash. Lembre-se de que a DeepSeek avisou em 6 de agosto sobre um “aumento significativo de preço”. O GA foi lançado sem ele.

Capacidade sobe, preço fica — isso não é só generosidade, é uma estrutura de custos sendo redefinida: os supernós Ascend 950 escalam no segundo semestre, e o computo doméstico começa a dar retorno. A mensagem da DeepSeek: posso segurar o preço porque estou apostando na curva de custos do computo nacional.

2. Os modelos flagship saíram do ranking e entraram na divisão estrutural de trabalho

Aqui vai um fato que ninguém diz em voz alta: os flagships de primeira linha de hoje não estão mais em um ranking de quem vence quem. Eles se acomodaram em uma divisão estrutural de trabalho.

O Claude Opus é o modelo de raciocínio — a profundidade de raciocínio é seu fosso competitivo. O Kimi K3 é o modelo de longo prazo — manter a execução em múltiplas etapas estável é sua força. O DeepSeek V4 Pro é o modelo de execução tool-first — ele fala function calling, saída estruturada e loops de agentes como língua nativa. Os três estão na primeira linha (V4 Pro ~60,7 vs 67,8 do Fable 5 vs 61,0 do Opus 4.8), mas seus fossos ficam em elos diferentes da cadeia de agentes.

Não é uma lacuna de capacidade; é uma lacuna de estrutura de habilidades de agente. Quando a competição entre modelos se torna estrutural, a pergunta deixa de ser “quem pensa mais fundo” e passa a ser “qual elo da cadeia de execução você faz melhor”. A escolha da DeepSeek por “execução tool-first mais custo-benefício” como seu nicho é exatamente o motivo pelo qual ela pode brigar no topo com um desconto.

3. O modelo GA é a entrada. O Harness é o prato principal

A comunidade já espera a próxima novidade: o DeepSeek Harness. O V4 Pro é apenas uma promoção de API; o harness completo ainda não foi lançado — o que reforça o julgamento que fizemos na semana passada: o harness supera o modelo. A capacidade no nível do modelo está convergindo rápido (atualizações Flash/Pro a cada seis meses, diferenças nos rankings encolhendo para um dígito). A unidade de competição subiu de “o modelo” para o sistema de “modelo mais harness”.

A mesma lógica está reescrevendo o resto do stack: o custo de inferência está migrando de linha de custo para centro de lucro, a narrativa do computo doméstico começa a entregar resultados, e o gargalo da era dos agentes saiu de “quão fundo você pensa” para “quantos sistemas externos você consegue acionar”.

4. O que fazer com isso

Para desenvolvedores e builders independentes: não fique só rodando benchmarks. Faça testes de estresse do V4 Pro na sua própria cadeia de ferramentas de múltiplas etapas — o valor dele está na combinação “execução tool-first + cache-hit a RMB 0,025”, não em uma posição de ranking.
Para equipes escolhendo modelos: pergunte “qual elo do nosso stack de agentes está faltando”, depois “quem é mais forte ali”. Trabalho de raciocínio para o Opus, trabalho de longo prazo para o Kimi, execução de ferramentas para a DeepSeek — associe modelos ao elo, não idolatre um único flagship.
Para gestão de custos: o aumento de preço anunciado está adiado, não cancelado. Feche seu nível de preço e plano de cache-hit antes que ele chegue, e fique de olho no lançamento do DeepSeek Harness — esse é o prato principal dessa história.

Fontes: documentação oficial da API e página de preços da DeepSeek; coberturas do Jiqizhixin, MyDrivers, Jiwei, BlockBeats e discussões no Zhihu (12–13 de agosto de 2026).