DeepSeek lança V4.1-Flash-1017 aberto, com melhor código

Peça a um modelo de linguagem um modelo 3D do Museu do Palácio, um jogo de corridas no browser ou uma recriação de Portal 2 no motor Godot, com um pedido curto e quase nenhum material de referência, e a DeepSeek garante que ele devolve algo executável. Foi esta a demonstração que o laboratório chinês de IA apresentou com o V4.1-Flash-1017, lançado a 17 de outubro como uma atualização menor do seu modelo V4.1 Flash. As demonstrações, entre as quais uma cena 3D transepocal chamada Valley of Ages, foram cada uma construída em muito poucas rondas de interação dentro do DeepSeek Harness, o ambiente de agentes da própria empresa.

A DeepSeek chama a esta capacidade programação wish-style: construir um projeto completo de raiz a partir de um pedido breve. A empresa atribui o resultado à aprendizagem por reforço baseada em autorretroalimentação, um método de treino em que o modelo critica o seu próprio resultado de ponta a ponta. A atualização é também apresentada como uma melhoria de Pareto, expressão que significa melhor em várias medidas ao mesmo tempo: pontuações mais altas nos testes, mas também tempos de execução e respostas mais curtos, o que reduz o custo global de cada chamada. A reportagem da TechNode acrescenta ganhos em raciocínio e em compreensão visual.

Os números são a parte mais concreta da afirmação. No Terminal-Bench 4.0, executado com o harness Claude Code, a pontuação subiu de 31,2 para 42,3. O ProgramBench passou de 20,3 para 29,1, o DeepSWE v1.1 de 74,2 para 77,0, o NL2Repo-Bench de 65,4 para 68,2 e o Automation-Bench de 54,8 para 60,5. Estes valores provêm da ficha do modelo no Hugging Face, ou seja, da própria DeepSeek. Não aparece nas fontes nenhuma avaliação independente, pelo que devem ser lidos como as medições da empresa até que testadores externos os reproduzam.

Também vale a pena ter em conta o contexto. Na manhã de 15 de outubro, dois dias antes do lançamento, os utilizadores encontraram a DeepSeek indisponível durante quase cinco horas. Uma reportagem da Tencent News contabilizou até agora este ano 44 incidentes na página de estado público da DeepSeek, que vão de abrandamentos breves a interrupções parciais, incluindo uma com cerca de 12 horas no final de março. A DeepSeek não associou essa interrupção à atualização do modelo, e as fontes não dizem se o próprio modelo alterou a fiabilidade do serviço.

Para os programadores, pouco muda no primeiro dia. Os utilizadores da API mantêm o mesmo nome de modelo, deepseek-flash, e os mesmos preços, e os pesos estão disponíveis no Hugging Face e no ModelScope sob licença MIT, os mesmos termos do V4.1 Flash. As equipas que queiram alojar o modelo por conta própria recebem o código de inferência e as instruções de implementação. Os utilizadores do DeepSeek Harness precisam da versão 0.2.1-rc.1 ou posterior para ter suporte completo, e o modelo foi também adaptado às ferramentas CodeBuddy e WorkBuddy da Tencent. Em simultâneo, a DeepSeek abriu aos programadores o seu motor de pesquisa interno, sob a forma de APIs autónomas de Search e Fetch. Já disponível, a atualização vale a pena ser testada em trabalho de programação com agentes, onde os próprios testes da empresa indicam os ganhos mais significativos.