DeepSeek V4 Flash: modelo da rede Gonka com contexto de 380K

DeepSeek é um laboratório de IA chinês de Hangzhou que obteve reconhecimento mundial após os lançamentos do V3 e R1: foi o R1, no início de 2025, que mostrou que um modelo aberto poderia alcançar os líderes fechados por uma fração do orçamento. Em abril de 2026, a DeepSeek lançou a família V4 com dois modelos: o pesado V4 Pro e o leve V4 Flash. Ambos são abertos (licença MIT) e ambos são construídos sobre a arquitetura MoE.

O V4 Flash possui 284 bilhões de parâmetros, dos quais cerca de 13 bilhões são ativados por token. Essa dispersão torna o modelo rápido e barato de manter: ele exige significativamente menos VRAM do que os gigantes "densos", e a velocidade de geração é superior.

Na rede Gonka funciona a versão V4-Flash-0731 — uma compilação re-treinada (re-post-training) de 31 de julho de 2026. A arquitetura e o tamanho não mudaram, mas a qualidade em tarefas de agentes aumentou drasticamente: de acordo com nove benchmarks de agentes e codificação publicados pela DeepSeek, a versão 0731 supera até mesmo o seu próprio carro-chefe V4 Pro na versão preview. Uma ressalva importante para ser justo: parte desses números são medições da própria DeepSeek em seu ambiente de teste, que ainda não foi lançado publicamente, portanto, ainda não há replicação independente. A lacuna com a fronteira dos modelos fechados persiste: o Claude Opus 4.8 não é superado pela versão 0731 em nenhum dos nove benchmarks — mas custa muito menos, e essa é sua essência: máxima qualidade de agente por uma fração do preço.

Assim como com outros modelos da rede, é importante distinguir entre as características do modelo "de fábrica" e os parâmetros de trabalho de uma implantação específica: eles são definidos pela configuração de inferência vLLM nos hosts GPU da rede. Valores reais através do nosso Gateway:

• Janela de contexto: 380.000 tokens — a mais longa na rede Gonka. Verificamos empiricamente: uma solicitação com entrada de 381.000 tokens foi aceita e processada em dezenas de segundos. A própria arquitetura V4 Flash suporta contextos de até 1 milhão de tokens; o limite prático na rede é definido pela configuração dos hosts (janela de inferência de 400.000).
• Saída máxima: 8.192 tokens por resposta — um limite único para todos os modelos da rede (configuração do gateway, não limite do modelo).
• Reasoning e tool calling: o modelo é implantado com parsers de raciocínio e chamadas de ferramentas — cenários de agentes (Cursor, Claude Code, LangChain) funcionam nativamente; executamos cenários de ferramentas em várias etapas através de caminhos compatíveis com OpenAI e Anthropic.
• Requisito de VRAM do host: cerca de 280 GB — o modelo mais leve da rede (para comparação: MiniMax M2.7 — 320 GB, Kimi K2.6 — 720 GB). Quanto menor o requisito de hardware, mais fácil é para os hosts implantarem o modelo — este é um bom sinal para sua disponibilidade na rede.

O preço da inferência na rede Gonka não depende da escolha do modelo: o DeepSeek V4 Flash está disponível pela mesma taxa que o Kimi K2.6 e o MiniMax M2.7 — através do JoinGonka Gateway isso custa $0.0032 por milhão de tokens de entrada e $0.0097 por milhão de tokens de saída. Como referência: a API oficial da DeepSeek vende o mesmo modelo a $0.14/$0.28 por milhão, e o OpenRouter a partir de $0.08/$0.18. A economia da rede é um assunto à parte: o preço é determinado pelo cálculo do trabalho computacional, não pelo preço do fornecedor.

Atualmente existem três modelos operacionais na rede (um quarto, GLM-5.2, já foi registrado e aguarda implantação). Comparação breve:

Consequência prática do mesmo preço: você pode escolher o modelo puramente pela tarefa, sem pensar no orçamento. Se precisar do contexto mais longo ou respostas rápidas com raciocínio — DeepSeek V4 Flash; máxima confiabilidade de agente em código complexo — Kimi K2.6; um cavalo de batalha constante para o dia a dia — MiniMax M2.7.

Principais resultados publicados da compilação 0731 (segundo dados da DeepSeek e agregadores independentes):

• SWE-bench Verified: 79,0% — solução de tarefas reais do GitHub; um nível que, há apenas um ano, estava disponível apenas para flagships fechados. Para comparação: Kimi K2.6 — 71,3%.
• GPQA Diamond: 88,1% — questões de nível de pós-graduação científica; o modo de raciocínio estendido adiciona precisão em tarefas de múltiplos passos.
• Terminal Bench 2.1: 82,7 — trabalho no terminal via agente; a versão preview do Flash tinha 61,8, e a V4 Pro Preview — 72,1.
• DeepSWE: 54,4 — novo benchmark rigoroso da DeepSeek com um nível quase nulo de falsos positivos; o número é do fornecedor, o ambiente ainda não foi publicado — trate com essa ressalva.

Estrutura honesta: em nove benchmarks de agentes, a compilação 0731 supera seu próprio V4 Pro Preview, mas não o Claude Opus 4.8 — o atraso é de cerca de 6 pontos em média. Ao mesmo tempo, pelo preço por token, o modelo é duas ordens de magnitude mais barato que o Opus, e através da rede Gonka — dezenas de vezes mais barato que a API oficial da DeepSeek. Precisamente essa relação de «qualidade próxima ao frontier por uma fração do preço» é o que o torna interessante: você pode ver medições independentes detalhadas em Artificial Analysis, e os pesos e a ficha do modelo em Hugging Face.

O modelo está disponível através do JoinGonka Gateway via API compatível com OpenAI e Anthropic. Identificador do modelo: deepseek-ai/DeepSeek-V4-Flash-0731.

A maneira mais rápida — um instalador de um único comando, que configurará sua ferramenta (Claude Code, OpenClaw, Cline, opencode, Aider e outros) diretamente para este modelo:

npx @joingonka/setup --model deepseek

Chamada direta à API (formato OpenAI):

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer jg-sua-chave" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-ai/DeepSeek-V4-Flash-0731","messages":[{"role":"user","content":"Olá!"}]}'

Ao se registrar, você ganha 10 000 000 de tokens gratuitos — com um contexto de 380K, é a oportunidade de testar o modelo imediatamente em grandes documentos reais e bases de código. Exemplos passo a passo em Python e TypeScript — em API Quickstart; você pode testar sem registro no chat gratuito, selecionando o DeepSeek V4 Flash na lista de modelos.

Cenários fortes para este modelo:

• Grandes documentos e bases de código completas. 380 000 tokens — são cerca de 280 000 palavras: um relatório anual, um pacote de documentos legais ou um repositório médio cabem em uma única consulta, sem cortar em pedaços e sem perder conexões entre partes.
• Longas sessões de agentes. Um agente autônomo que lê arquivos, chama ferramentas e acumula histórico, atinge o limite do contexto mais rápido que ninguém — uma reserva de 380K tokens significa sessões notavelmente mais longas sem limpar a memória.
• RAG com grandes amostras. Quanto mais documentos relevantes couberem no contexto, menor será a dependência da precisão da busca.
• Tarefas com raciocínio. O modo reasoning dá um incremento em matemática, ciência e lógica de múltiplos passos — ao preço de um modelo normal.

Quando é mais razoável outro modelo da rede: para uma codificação de agente o mais confiável possível em repositórios complexos, o Kimi K2.6 continua sendo forte (análise detalhada — no artigo sobre os melhores modelos para código), e o MiniMax M2.7 continua sendo um cavalo de batalha comprovado para tarefas cotidianas. Graças ao preço unificado, você pode experimentar livremente — mudar de modelo é apenas uma linha na consulta.