Pontuação do teste do DeepSeek V4 Pro sobe para 64% em meio a especulações sobre o V4.1 Pro

Oito tarefas a mais concluídas em um teste de 50 tarefas

O atual modelo V4 Pro do DeepSeek concluiu 32 de 50 tarefas em um teste interno realizado pela MaxForAI, educadora e desenvolvedora de IA e mantenedora do cliente de agentes LobeHub. A versão anterior, V4 Pro-0813, concluiu 24. Os resultados, apresentados em relatos datados de 8 de novembro de 2026, colocam o modelo mais recente em 64%, ante 48%.

A melhora mais interessante foi na consistência. As duas versões tiveram desempenho semelhante quando a avaliação considerou se conseguiam concluir uma tarefa ao menos uma vez. A diferença aumentou quando o teste exigiu três conclusões bem-sucedidas consecutivas, um critério rigoroso para softwares que devem executar tarefas de forma confiável.

Os resultados alimentaram especulações de que o DeepSeek estaria testando gradualmente o V4.1 Pro por meio de seu serviço existente. A identidade do modelo e o cronograma de lançamento não foram confirmados, e os resultados do teste foram apresentados sob o nome atual V4 Pro.

A discussão sobre os testes ocorreu após uma interrupção parcial do serviço em 7 de novembro, a segunda falha relatada em uma semana. O DeepSeek informou que havia implementado uma correção e monitorava os resultados. Para os clientes, portanto, as novidades imediatas dizem respeito a duas necessidades diferentes: concluir mais tarefas e ter acesso confiável ao serviço.

O que mudou no LobeBench?

A MaxForAI usou o LobeBench, um conjunto interno de testes, para comparar o V4 Pro atual com o V4 Pro-0813. A versão anterior ficou em 13º lugar no ranking divulgado. A versão mais recente ficou em primeiro lugar entre os modelos chineses nessa comparação.

O aumento foi de 16 pontos percentuais, com oito tarefas adicionais classificadas como difíceis concluídas com sucesso. Em relação ao total anterior de 24 tarefas concluídas, a alta para 32 representa cerca de um terço a mais de tarefas bem-sucedidas. Os dois cálculos descrevem o mesmo resultado por ângulos diferentes: uma parcela maior do teste foi concluída e mais tarefas foram finalizadas.

A exigência de conclusões repetidas do LobeBench ajuda a explicar por que o resultado chamou atenção. Um modelo que tem sucesso uma vez, mas falha nas tentativas seguintes, pode ser difícil de usar em tarefas rotineiras. Um cliente de agentes, que permite a um sistema de IA executar tarefas por meio de softwares, precisa de execução confiável, além da capacidade de produzir ocasionalmente uma resposta muito boa.

A comparação divulgada se concentra em 50 tarefas e em um ranking interno. Os detalhes necessários para reproduzi-la, incluindo a lista completa de tarefas, as regras de avaliação, as configurações dos modelos e as pontuações de sistemas concorrentes, não foram publicados nas descrições dos resultados.

Por que o sucesso repetido importa

Um modelo de IA pode gerar respostas diferentes para a mesma solicitação. Em uma tarefa com várias etapas, um erro inicial também pode afetar tudo o que vem depois. Exigir três tentativas bem-sucedidas consecutivas dá mais peso à confiabilidade do que contabilizar uma única tentativa bem-sucedida.

Segundo os relatos, a comparação da MaxForAI encontrou pouca diferença entre as duas versões quando bastava que qualquer uma delas tivesse sucesso ao menos uma vez para receber crédito. A diferença aumentou com o critério de sucesso repetido. Assim, a principal constatação é a confiabilidade, e não simplesmente uma nova capacidade de resolver tarefas que a versão anterior nunca conseguia concluir.

Para quem usa um agente para realizar tarefas, essa diferença tem valor prático. Falhas repetidas podem exigir mais tentativas, mais verificações e mais intervenção humana. Um modelo que conclui a mesma tarefa de forma consistente pode ser mais útil, mesmo que uma resposta bem-sucedida ocasional de uma versão anterior pareça igualmente boa.

Outras demonstrações informais que circularam em torno da suposta atualização incluíram a renderização de animações e uma imagem de um cormorão andando de bicicleta. O LobeBench apresentou uma comparação numérica com uma versão anterior identificada pelo nome, deslocando a atenção para o desempenho repetível nas tarefas.

O que aconteceu durante as interrupções?

A interrupção de 7 de novembro no DeepSeek começou às 15h11, segundo as informações de status da empresa descritas na época. Os serviços afetados incluíram o chat, a API do V4 Pro e a API do V4.1 Flash. Uma API é a conexão que permite que outro aplicativo envie solicitações ao DeepSeek automaticamente.

Os usuários encontraram a função de chat indisponível e uma mensagem informando que o servidor estava ocupado. Mais tarde, o DeepSeek disse que havia implementado uma correção e monitorava o resultado. Testes posteriores descreveram o serviço como novamente normal.

Um incidente semelhante havia ocorrido em 3 de novembro, com início às 16h58 e impacto nos mesmos três serviços. Após o anúncio de uma correção para aquele incidente, os serviços ainda apareciam como tendo desempenho reduzido. A restauração do acesso e a recuperação da velocidade normal podem ocorrer em etapas diferentes de um incidente.

As duas interrupções fazem parte do contexto das especulações sobre o modelo. As informações de status descritas não especificaram a causa da falha de 7 de novembro, deixando os clientes sem uma explicação confirmada que a relacionasse ao aumento do tráfego ou à implantação de um modelo.

Histórico das expectativas sobre o Pro

O interesse pelo V4.1 Pro antecede os resultados mais recentes dos testes. Os planos de lançamento de setembro, as mudanças no serviço em outubro e a comparação do benchmark em novembro contribuíram para as expectativas, embora digam respeito a partes diferentes da linha de produtos do DeepSeek.

• 10 de setembro de 2026: o V4.1 Flash foi lançado. Uma proposta para encaminhar ao Flash as solicitações a deepseek-v4-pro até a chegada do V4.1 Pro foi posteriormente retirada após objeções de desenvolvedores.
• 17 de outubro: a versão V4.1 Flash-1017 foi lançada, segundo o relato de outubro sobre as mudanças posteriores no serviço.
• 27 de outubro: observadores detectaram mudanças nas impressões digitais dos modelos a partir de aproximadamente 18h21. Às 19h07, as impressões digitais observadas nas três opções de modelo haviam convergido para uma só.
• 3 de novembro: uma interrupção parcial afetou o chat e os dois serviços de API mencionados, com início às 16h58.
• 7 de novembro: outra interrupção parcial começou às 15h11. Mais tarde, o DeepSeek anunciou uma correção.
• 8 de novembro: relatos sobre a comparação do LobeBench da MaxForAI descreveram o aumento de 24 para 32 tarefas concluídas.

A proposta de encaminhamento de setembro importa para os desenvolvedores porque o nome do modelo usado por um aplicativo pode fazer parte de suas premissas operacionais. Alterar o modelo associado a esse nome pode afetar as respostas, os custos e o desempenho. Após a retirada da proposta, o V4 Pro continuou disponível com a cobrança inalterada.

O que as impressões digitais de outubro revelaram

As observações de 27 de outubro diziam respeito às impressões digitais dos modelos, identificadores que podem ajudar a acompanhar mudanças no sistema que atende a uma solicitação. A impressão digital antiga estava associada ao V4.1 Flash-1017. O novo identificador não pôde ser interpretado com clareza suficiente para identificar o modelo por trás dele.

Na época, a mudança observada parecia envolver o Flash, e não o Pro. Entre as explicações possíveis estavam um ponto de verificação diferente do modelo, ou seja, uma versão salva do modelo, ou uma nova implantação do mesmo modelo. O novo identificador não permitiu determinar qual das opções era correta.

O V4.1 Flash-1017 estava disponível havia apenas 10 dias quando essas mudanças apareceram. As expectativas em relação ao Pro já eram altas, e até uma mudança associada ao Flash chamou atenção. O resultado de novembro no LobeBench é mais diretamente relevante para o Pro porque compara duas versões identificadas como V4 Pro.

O cronograma de lançamentos anterior do DeepSeek também influenciou as expectativas. Segundo relatos, na geração V4 houve um intervalo de cerca de duas semanas entre o Flash e o Pro. Quando começaram as discussões sobre o V4.1, a espera após o Flash já passava de sete semanas. O ciclo de lançamento atual, portanto, seguiu um cronograma diferente.

O que os desenvolvedores podem comparar hoje

Os preços divulgados colocam o V4 Pro e o V4.1 Flash em faixas de custo diferentes. A entrada do V4 Pro foi anunciada a US$ 0,66 por milhão de tokens, e a saída fora dos horários de pico, a US$ 1,98 por milhão de tokens. Para o Flash, os preços informados de entrada e saída foram, respectivamente, US$ 0,15 e US$ 0,60 por milhão de tokens.

Tokens são pequenas unidades de texto processadas por um modelo, como palavras ou partes de palavras. Com esses preços, a entrada do Pro custa 4,4 vezes mais que a do Flash. A tarifa informada para a saída do Pro fora dos horários de pico é 3,3 vezes a tarifa de saída do Flash. O gasto efetivo depende do volume de entrada e saída, do horário e das condições de cache aplicáveis.

O Flash também tinha um preço informado de US$ 0,003 por milhão de tokens para acertos de cache. O cache permite que o serviço reutilize entradas processadas anteriormente. Entre os recursos anunciados estava a entrada nativa de imagens, que permite enviá-las diretamente ao modelo.

A capacidade informada do V4 Pro incluía uma janela de contexto de um milhão de tokens e um limite de saída de 384 mil tokens. A janela de contexto é a quantidade de material que o modelo pode considerar em uma solicitação. Essas especificações descrevem o produto existente com o qual os clientes comparariam um futuro lançamento do Pro.

O que oficializaria a atualização?

Um anúncio de lançamento que mencionasse o V4.1 Pro daria aos usuários um produto definido para avaliar. Uma entrada correspondente na documentação da API, um repositório do modelo e uma atualização de preços forneceriam detalhes práticos, como formas de acesso, custos e recursos compatíveis.

Uma análise das informações públicas de lançamento do DeepSeek apontou que o repositório mais recente relevante era o DeepSeek-V4.1-Flash, criado em 10 de setembro de 2026. A análise também afirmou que o relatório técnico de 51 páginas que acompanhava o Flash não mencionava V4.1-Pro nem V4.1 Pro. As informações públicas sobre os produtos descritas nessa análise ainda se concentravam no Flash e no V4 Pro.

As especulações otimistas em torno dos resultados do benchmark de novembro sugeriam um lançamento na semana seguinte. Nas informações de lançamento descritas, o DeepSeek não havia divulgado uma data, janela ou trimestre para o lançamento. Por enquanto, o avanço concreto é a melhora relatada na conclusão repetida de tarefas, ainda sob o nome atual V4 Pro.

Principais pontos

• O V4 Pro concluiu 32 de 50 tarefas do LobeBench, ante 24 do V4 Pro-0813.
• A pontuação subiu de 48% para 64%, um aumento de 16 pontos percentuais.
• A principal melhora apareceu quando as tarefas exigiam três conclusões bem-sucedidas consecutivas.
• O DeepSeek teve interrupções parciais do serviço em 3 e 7 de novembro, que afetaram o chat e dois serviços de API.
• As mudanças nas impressões digitais de outubro pareciam envolver o Flash, enquanto a comparação do benchmark de novembro dizia respeito ao Pro.
• A identidade, a data de lançamento e o preço do V4.1 Pro continuam sem confirmação.