A DeepSeek lançou a build de produção do V4 Pro durante a noite, sem cerimônia — a documentação da API simplesmente mudou silenciosamente. O id do modelo continua deepseek-v4-pro, mas a impressão digital mudou para fp_v4pro_20260812, encerrando 111 dias de preview. Mesma arquitetura, modelo muito diferente: uma reforma completa no post-training que transforma o V4 Pro em um modelo de agente realmente utilizável, além de raciocínio sobre imagens de primeira classe — com os preços inalterados.
O que mudou na build 0813
O esqueleto não mudou: 1,6T de parâmetros totais, 49B ativos (MoE), 1M de contexto, 384K de tokens máximos de saída. Os ganhos vêm inteiramente do post-training, e eles chegam exatamente onde o preview era mais fraco — uso prolongado de ferramentas e modificação de código:
- DeepSWE (benchmark de engenharia de software da DeepSeek): 12,8 → 62,7, um salto de aproximadamente 4,9x
- Cybergym: 52,7 → 83,3
- Terminal Bench: 72,1 → 87,9
- DSBench-Hard: mais que dobrou, chegando a 67,2
A outra manchete: raciocínio nativo sobre imagens. O preview era somente texto; a build de produção consegue analisar capturas de tela, diagramas e documentos mistos dentro do mesmo fluxo de raciocínio DeepThink — sem precisar de um salto separado para um VLM.
Como chamar
Mesmo endpoint compatível com OpenAI, mesmo nome de modelo. A visão funciona pela parte padrão image_url da mensagem:
curl https://api.deepseek.com/chat/completions \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-pro",
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "Walk me through this error screenshot and suggest a fix."},
{"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}
]
}],
"max_tokens": 8192
}'A pegadinha do modo de raciocínio (leia antes de gerar código longo)
Os tokens de raciocínio do DeepThink contam contra o max_tokens, e em tarefas complexas de geração eles podem consumir mais de 80% do seu orçamento de saída. Em um teste real, um orçamento de 16.384 tokens queimou 13.394 tokens em “pensamento” — e o HTML saiu truncado no meio do arquivo. Rodando novamente com o raciocínio desativado, produziu uma implementação completa de 715 linhas em 54 segundos.
Regra prática: para saídas estruturadas longas (código, configs, documentação), ou desative o raciocínio quando a tarefa não exigir deliberação profunda, ou aumente o max_tokens bem acima do tamanho esperado da saída. Com um teto de 384K, há bastante espaço de sobra.
Onde ele se encaixa no seu stack
- Loops de agente de alto volume: o salto nos benchmarks é real — uso de ferramentas em múltiplas etapas, programação de longo prazo e manipulação de ambiente agora se sustentam contra modelos fechados de fronteira. A ¥3/M tokens de entrada (aproximadamente 1/10 do Fable 5, 1/3 do Kimi K3), é o padrão para pipelines de agente sensíveis a custo.
- Ainda não é o rei do raciocínio puro: no HLE (sem ferramentas), marca 42,7 contra 49,8 do Opus 4.8 e 53,3 do Fable 5. Para raciocínio pesado ou as tarefas de SWE mais difíceis, os modelos fechados de fronteira ainda levam vantagem — pague por eles só quando precisar daquele último quilômetro.
- Janela de preço: a DeepSeek anunciou em 6 de agosto que os preços da API vão subir “significativamente” em breve. A build 0813 ainda está no preço de preview — feche workloads de longa duração agora e se prepare para o aumento.
- Agentes de UI/captura de tela: com visão nativa no mesmo fluxo de raciocínio, você pode eliminar a camada separada de roteamento VLM para tarefas de entendimento de screenshots.
