Em 3 de setembro a OpenAI lançou o seu modelo mais caro. Sete dias depois a DeepSeek lançou um que cobra 67 vezes menos e cujos pesos qualquer um pode baixar de graça.
A leitura preguiçosa é "o barato alcançou o caro". Não alcançou, e os próprios números mostram onde não alcançou. A leitura útil é outra: com essa distância de preço, escolher um modelo só para a empresa inteira virou desperdício.
Os dois preços, lado a lado
Valores por milhão de tokens, que é a unidade de cobrança. Um milhão de tokens equivale a algo como 700 mil palavras.
- GPT-6 Astra, lançado em 3 de setembro: US$ 10 de entrada e US$ 50 de saída. Entrada em cache a US$ 1, escrita de cache a US$ 12,50.
- DeepSeek V4.1 Flash, lançado em 10 de setembro: US$ 0,15 de entrada e US$ 0,60 de saída fora de pico, entrada em cache a US$ 0,003. Em horário de pico, os valores dobram.
Fora de pico, a diferença é de 67 vezes na entrada e 83 vezes na saída. No pico, cai para 33 e 42 vezes. Continua sendo outra ordem de grandeza.
E há um detalhe que muda a conversa: os pesos do V4.1 Flash estão no Hugging Face sob licença MIT, com uso comercial liberado. São 552 bilhões de parâmetros no tronco, dos quais apenas 8 bilhões entram em ação na leitura e 16 bilhões na escrita — é por isso que sai tão barato.
Onde o barato vai bem, e quem está afirmando isso
A DeepSeek publica vitórias sobre os dois carros-chefes americanos: 74,2 contra 74,0 do Claude Opus 5 e 73,0 do GPT-5.6 Sol num teste de engenharia de software; 88,1 num teste de segurança; 54,8 num de automação.
A ressalva é grande e precisa vir junto: essas avaliações foram rodadas pela própria DeepSeek e ninguém replicou de forma independente. Número de fabricante sobre o próprio produto é ponto de partida, não prova. Vale como indicação de que a diferença encolheu, não como medida de quanto.
Onde o caro ainda ganha, e por margem larga
Nos testes em que os modelos americanos lideram, a distância não é de decimais.
- Terminal-Bench 3.0: 43,3 do Opus 5 contra 30,0.
- Terminal-Bench 4.0: 51,8 do Opus 5 contra 31,2.
- GPQA Diamond e SEC-Bench Pro: o GPT-5.6 Sol lidera.
Esses testes medem tarefa longa, com muitos passos encadeados, em que errar no terceiro passo estraga os outros dez. É exatamente o tipo de trabalho em que pagar caro se justifica.
Como separar o seu trabalho por exigência
O critério não é o assunto, é o custo do erro e o tamanho da cadeia. Quatro caixas resolvem quase tudo:
- Volume alto, erro barato, resposta curta. Classificar mensagem, resumir, extrair dado de formulário, sugerir resposta que uma pessoa revisa. É o grosso do uso de uma empresa pequena, e é onde o modelo barato resolve.
- Tarefa longa, muitos passos, erro caro. Migrar sistema, mexer em código de produção, conciliar dados financeiros. Modelo caro, e ainda com revisão humana.
- Texto que vai para o cliente com o seu nome. Decide pela qualidade percebida, não pelo custo por token: o valor do token é irrelevante perto do custo de uma resposta errada assinada pela sua empresa.
- Dado sensível. Essa caixa não se decide por preço nenhum, e é o assunto da última seção.
Na prática, a maioria das empresas descobre que 80% do volume está na primeira caixa e que vinha pagando preço de quarta caixa por tudo.
A conta, com os números reais
Uma automação de porte médio consumindo 50 milhões de tokens de entrada e 10 milhões de saída por mês:
- No modelo caro: US$ 1.000 por mês.
- No barato, fora de pico: US$ 13,50 por mês.
Mesmo um uso pequeno, de 2 milhões de entrada e 400 mil de saída, sai por US$ 40 contra US$ 0,54. A diferença raramente é o que decide num uso pequeno; ela decide quando você quer ligar a automação em tudo em vez de escolher onde ligar, e é isso que o preço novo permite.
Antes de trocar qualquer coisa, vale reler o que o cache faz com essa conta, tratado em preço da IA: o desconto que você paga com os seus dados — o desconto de cache só vale se o começo do pedido for idêntico entre chamadas.
O que preço nenhum resolve
Os US$ 0,15 são o preço da interface da DeepSeek. Usar essa interface é enviar o seu texto para a empresa, com os termos dela. Peso aberto é outra coisa: significa que você pode rodar o modelo na sua infraestrutura, sem mandar nada para fora — e aí a conta deixa de ser por token e passa a ser de máquina, como fizemos em modelo de IA aberto e gratuito: quanto custa rodar na sua empresa.
A pergunta de quem processa o seu texto ficou mais importante, não menos, e ela está em quem processa de verdade o texto que você manda à IA. Preço baixo não muda cláusula de contrato nem base legal de tratamento de dados.
Montar isso separado por exigência, com o modelo certo em cada caixa, é o que fazemos em implementação de IA para empresas.
Fontes
Lançamento e tabela de preços do DeepSeek V4.1 Flash conforme cobertura do VentureBeat de 10 de setembro de 2026, de onde vêm também os valores de pico e fora de pico, a licença MIT dos pesos no Hugging Face, a contagem de parâmetros e a observação de que as avaliações citadas foram rodadas pela própria DeepSeek. Preços do GPT-6 Astra conforme a tabela pública da OpenAI, com lançamento em 3 de setembro de 2026.
Perguntas frequentes
Quanto custa o DeepSeek V4.1 Flash em comparação com o GPT-6 Astra?
Por milhão de tokens e fora de pico, o V4.1 Flash cobra US$ 0,15 de entrada e US$ 0,60 de saída, com entrada em cache a US$ 0,003. O GPT-6 Astra cobra US$ 10 de entrada e US$ 50 de saída, com entrada em cache a US$ 1. A diferença fora de pico é de cerca de 67 vezes na entrada e 83 vezes na saída; em horário de pico os valores da DeepSeek dobram e a diferença cai para 33 e 42 vezes.
O modelo barato já é tão bom quanto o caro?
Depende da tarefa, e os números disponíveis não permitem afirmar isso. A DeepSeek publica vitórias apertadas em testes de engenharia de software, segurança e automação, mas essas avaliações foram rodadas por ela e não houve replicação independente. Em testes de tarefa longa, como o Terminal-Bench, os modelos americanos lideram por margem larga: 51,8 contra 31,2 na versão 4.0.
Como decidir qual modelo usar em cada caso?
Separe por custo do erro e tamanho da cadeia de passos, não por assunto. Volume alto com erro barato e resposta curta — classificar, resumir, extrair dado — vai para o modelo barato. Tarefa longa com muitos passos encadeados e erro caro vai para o modelo caro, com revisão humana. Texto que sai assinado pela empresa decide por qualidade percebida. Dado sensível decide por onde é processado, não por preço.
Pesos abertos significa que posso usar de graça na minha empresa?
A licença MIT permite uso comercial, modificação e redistribuição, então sim, você pode usar os pesos. Mas rodar o modelo exige infraestrutura própria, e o custo passa a ser de máquina, energia e operação em vez de por token. Usar a interface paga da DeepSeek é mais barato e mais simples; rodar por conta resolve o problema de para onde o seu texto vai.
Usar um modelo chinês é um problema de proteção de dados?
O ponto não é a nacionalidade, é para onde o dado vai e sob quais termos. Ao usar a interface de qualquer fornecedor, o seu texto é processado por ele. Se o dado é sensível, a decisão passa pelo contrato, pela base legal do tratamento e pela possibilidade de rodar o modelo na sua própria infraestrutura, o que os pesos abertos permitem.
Vale a pena trocar de modelo agora?
Vale medir antes de trocar. Separe um mês de uso real, veja quanto do volume está em tarefas simples e calcule a conta nos dois preços. Na maioria das empresas pequenas o grosso do volume é tarefa simples, e a economia aparece sem tocar nas tarefas críticas, que continuam no modelo caro.