O que é o DeepSeek?

Atualizado em julho de 2026

A DeepSeek é um laboratório chinês de pesquisa em IA, fundado em 2023 pelo gestor de hedge fund Liang Wenfeng, conhecido por construir large language models de baixo custo e com pesos abertos. Seu reasoning model DeepSeek-R1, lançado em janeiro de 2025, igualou modelos ocidentais de fronteira em benchmarks de matemática e programação, a uma fração do custo de treinamento divulgado, desencadeando uma reavaliação global dos gastos com infraestrutura de IA.

A maioria das pessoas ouviu falar da DeepSeek pela primeira vez na semana em que seu aplicativo disparou ao topo da Apple App Store e a Nvidia perdeu mais valor de mercado em um único dia do que quase qualquer outra empresa na história. Mas a DeepSeek é mais do que um evento de manchete: é uma desenvolvedora de modelos ativa, lançando novas versões ao longo de 2026, uma alternativa de pesos abertos a laboratórios fechados como OpenAI e Anthropic, e um estudo de caso ao vivo das questões de privacidade de dados e geopolítica que vêm com o uso de ferramentas de IA construídas na China. Este artigo cobre o que é a DeepSeek, como ela chegou até aqui, seu portfólio de modelos, a história de eficiência por trás dela e o que avaliar antes de uma empresa adotá-la.

O "Momento DeepSeek": Contexto e o Choque de Janeiro de 2025

A DeepSeek foi fundada em 2023 como um desdobramento de pesquisa da High-Flyer, um hedge fund quantitativo sediado em Hangzhou que Liang Wenfeng cofundou em 2015. A High-Flyer já vinha usando IA para potencializar seus modelos de negociação, e deu ao novo laboratório acesso a um grande estoque de GPUs da Nvidia que havia acumulado antes do endurecimento dos controles de exportação dos EUA, recursos que permitiram à DeepSeek treinar modelos competitivos sem os orçamentos multibilionários de suas rivais americanas.

O laboratório cresceu de forma constante ao longo de 2024, mas o momento que o tornou um nome conhecido veio em 20 de janeiro de 2025, quando a DeepSeek lançou o R1, um reasoning model de pesos abertos que igualou o o1 da OpenAI em benchmarks de matemática, programação e ciências. O aplicativo DeepSeek, lançado em 10 de janeiro, subiu para o primeiro lugar na App Store dos EUA para iOS em 27 de janeiro, ultrapassando o ChatGPT. No mesmo dia, as ações da Nvidia caíram quase 17%, eliminando US$ 589 bilhões em valor de mercado, a maior perda em um único dia da história do mercado de ações para qualquer empresa, à medida que investidores questionavam se o setor realmente precisava de tantos gastos com GPU quanto havia presumido.

O pânico se concentrou no custo. O próprio relatório técnico da DeepSeek para o modelo-base V3 subjacente alegou um custo de treinamento de aproximadamente US$ 5,6 milhões, uma fração do que os laboratórios americanos supostamente gastavam em modelos de fronteira comparáveis. Esse número entrou sob escrutínio quase imediatamente (mais sobre isso abaixo), mas o sinal mais amplo se manteve: um laboratório operando sob restrições de chips dos EUA havia produzido um modelo competitivo com os melhores do mundo, e disponibilizou os pesos gratuitamente para qualquer pessoa baixar e executar.

O Portfólio de Modelos da DeepSeek: Do V3 ao R1 e ao V4

A DeepSeek lança modelos em uma cadência de lançamento pública e rápida, em vez de um único produto principal.

O DeepSeek-V3 (dezembro de 2024) é o foundation model que começou a história. Ele usa uma arquitetura de mixture of experts, ativando apenas uma fração de seus parâmetros totais para cada consulta, o que explica grande parte do motivo pelo qual ele treina e roda de forma mais barata do que um modelo denso de tamanho semelhante.

O DeepSeek-R1 (janeiro de 2025) é o reasoning model construído sobre o V3. Ele usa computação estendida de chain-of-thought, trabalhando os problemas passo a passo antes de responder, a mesma categoria de técnica por trás do test-time compute. A DeepSeek também lançou uma família de variantes "destiladas" menores do R1, usando knowledge distillation para comprimir a capacidade de reasoning do R1 em modelos pequenos o suficiente para rodar em uma única GPU ou em um notebook de ponta.

O DeepSeek-V3.2 (dezembro de 2025) adicionou o uso de ferramentas diretamente ao processo de raciocínio do modelo, permitindo que ele analisasse um problema e chamasse ferramentas externas na mesma passagem. A DeepSeek relatou ter obtido resultados de nível medalha de ouro nos conjuntos de benchmark da Olimpíada Internacional de Matemática e da Olimpíada Internacional de Informática de 2025.

O DeepSeek-V4 (com preview lançado em 24 de abril de 2026 e versão estável em julho de 2026) é a geração atual, disponibilizada em duas variantes: V4-Pro, um modelo grande de mixture-of-experts, e V4-Flash, uma variante menor e mais rápida. Ambas suportam uma janela de contexto de 1 milhão de tokens e, como todo lançamento da DeepSeek até hoje, são disponibilizadas sob uma licença aberta.

A História de Eficiência e Custo

A reputação da DeepSeek se baseia em fazer mais com menos, e os números, embora contestados, são reais o suficiente para importar.

O próprio relatório técnico do V3 da DeepSeek coloca o total de computação de treinamento em 2,788 milhões de horas de GPU H800, ou cerca de US$ 5,576 milhões a aproximadamente US$ 2 por hora de GPU. Em setembro de 2025, a DeepSeek publicou um artigo revisado por pares na Nature divulgando um valor separado de US$ 294.000 especificamente para o treinamento adicional de reasoning do R1 sobre o V3. Analistas independentes, incluindo pesquisadores da Epoch AI, argumentaram que o custo total real (considerando o treinamento-base subjacente do V3, hardware e overhead de P&D que os números da DeepSeek excluem) fica mais próximo de 20 vezes o valor divulgado. Mesmo nessa estimativa mais alta, o custo de treinamento da DeepSeek ainda fica bem abaixo do que a OpenAI e a Anthropic relataram para execuções de fronteira comparáveis.

A vantagem de custo aparece mais claramente no que a DeepSeek cobra para usar seus modelos. Em meados de 2026, a API do V4-Flash da DeepSeek precifica os tokens de saída em US$ 0,28 por milhão, contra US$ 15 por milhão do GPT-5.4 da OpenAI e do Claude Sonnet 4.6 da Anthropic, uma diferença de aproximadamente 50x. Essa precificação, e não apenas a manchete original sobre o custo de treinamento, é o que mantém a DeepSeek relevante para desenvolvedores atentos a custos, muito depois de o ciclo de notícias de janeiro de 2025 ter esfriado.

Pesos Abertos e Licenciamento

Diferentemente do GPT e do Claude, os modelos da DeepSeek têm pesos abertos: qualquer pessoa pode baixar os arquivos reais do modelo treinado, executá-los em sua própria infraestrutura, fazer fine-tuning e construir produtos comerciais em cima deles sem pagar uma taxa de licenciamento à DeepSeek.

O DeepSeek-R1 e os modelos da série V são disponibilizados sob a permissiva licença MIT, que permite uso comercial, modificação e destilação em outros modelos, exigindo apenas que o texto da licença seja preservado nas redistribuições. Essa é uma postura significativamente mais aberta do que o rótulo "aberto" que alguns concorrentes usam de forma vaga; a DeepSeek realmente permite que uma empresa faça self-hosting do modelo e nunca envie uma única consulta para os servidores da própria DeepSeek.

Isso importa na prática de duas formas. Primeiro, equipes sensíveis a custos podem rodar uma variante destilada do R1 localmente, sem pagar nenhuma taxa de API por token. Segundo, o self-hosting evita a maior parte das preocupações de tratamento de dados abordadas a seguir, já que nada sai da infraestrutura própria da empresa. O trade-off é que o self-hosting exige a capacidade de GPU e a expertise em MLOps necessárias para rodar o modelo de forma confiável, exatamente o tipo de trabalho de infraestrutura que a maioria das equipes de negócio paga a OpenAI ou a Anthropic para evitar.

Usando a DeepSeek para Negócios: O que Saber Primeiro

O baixo custo e o licenciamento aberto da DeepSeek a tornam atraente para equipes de engenharia, mas ela vem com ressalvas que um fornecedor típico de modelo fechado não carrega.

O aplicativo hospedado da DeepSeek e a API roteiam dados por meio de servidores baseados na China, que se enquadram na legislação chinesa de dados e segurança nacional, em vez de frameworks como o GDPR ou o CCPA que regem fornecedores dos EUA e da UE. A autoridade de proteção de dados da Itália ordenou o bloqueio imediato do processamento de dados de usuários italianos pela DeepSeek em janeiro de 2025, uma das primeiras ações regulatórias formais contra a empresa, e outros governos e empresas restringiram desde então a DeepSeek em dispositivos oficiais pela mesma preocupação. Nada disso é exclusivo da DeepSeek entre os fornecedores chineses de IA, mas é um perfil de risco materialmente diferente de um provedor baseado nos EUA, e isso deve fazer parte de qualquer avaliação de fornecedores de IA antes de uma equipe adotá-la para qualquer coisa que envolva dados de clientes ou funcionários.

Fazer o self-hosting do modelo de pesos abertos, seja por meio de um provedor de nuvem doméstico ou de hardware on-premises, resolve em grande parte a preocupação com o roteamento de dados, já que as consultas nunca chegam à infraestrutura da DeepSeek. Essa é a opção que a maioria das equipes de segurança corporativa escolhe quando quer o custo e a qualidade de reasoning da DeepSeek sem a exposição do serviço hospedado. A questão mais ampla de confiar ou não em modelos construídos e treinados sob a jurisdição de um governo estrangeiro faz parte do debate maior capturado sob o conceito de IA soberana, e vale a pena ler sobre isso antes de padronizar qualquer fluxo de trabalho na DeepSeek.

DeepSeek vs OpenAI vs Claude

Veja como a DeepSeek se compara aos dois laboratórios para os quais a maioria das decisões corporativas de compra de IA gravita por padrão.

A conclusão prática: a DeepSeek vence em preço bruto por token e por oferecer a opção de self-hosting, algo que a OpenAI e o Claude simplesmente não oferecem. A OpenAI e a Anthropic vencem em governança de dados, suporte corporativo e a garantia de operar sob a jurisdição dos EUA, o que muitas vezes é o fator decisivo para indústrias regulamentadas, independentemente das pontuações de benchmark.

Limitações da DeepSeek

Algumas limitações importam além da questão de privacidade de dados citada acima. Os modelos da DeepSeek, como a maioria dos sistemas treinados na China, aplicam restrições de conteúdo sobre tópicos politicamente sensíveis relacionados ao governo chinês, e pesquisadores documentaram o aplicativo de chat hospedado recusando ou redirecionando certas perguntas que modelos ocidentais fechados respondem diretamente. A DeepSeek também carece da infraestrutura de suporte corporativo que a OpenAI e a Anthropic construíram, incluindo SLAs formais, equipes de contas dedicadas e certificações de compliance maduras, o que importa mais para organizações maiores do que para desenvolvedores individuais. E os números originais de custo de treinamento que tornaram a DeepSeek famosa permanecem genuinamente contestados; trate os valores de "US$ 5,6 milhões" e "US$ 294.000" como números divulgados pela própria DeepSeek, e não como um total auditado de forma independente.

Dados Importantes sobre o DeepSeek

• O modelo-base V3 da DeepSeek custou uma estimativa de US$ 5,576 milhões para ser treinado, usando 2,788 milhões de horas de GPU H800 a aproximadamente US$ 2 por hora de GPU, de acordo com o próprio relatório técnico da DeepSeek. Fonte
• A DeepSeek divulgou separadamente um custo de treinamento de US$ 294.000 para o R1 em um artigo revisado por pares publicado na Nature em setembro de 2025, embora estimativas independentes coloquem o custo total real de computação mais próximo de 20 vezes esse valor, quando o treinamento-base do V3 é incluído. Fonte
• A Nvidia perdeu US$ 589 bilhões em valor de mercado em 27 de janeiro de 2025, a maior perda em um único dia da história do mercado de ações para qualquer empresa, depois que o lançamento da DeepSeek gerou dúvidas sobre os gastos com infraestrutura de IA. Fonte
• O aplicativo DeepSeek se tornou o app gratuito número 1 na App Store dos EUA para iOS em 27 de janeiro de 2025, ultrapassando o ChatGPT poucas semanas após seu lançamento em 10 de janeiro. Fonte
• A autoridade de proteção de dados da Itália ordenou o bloqueio imediato do processamento de dados de usuários italianos pela DeepSeek em 30 de janeiro de 2025, uma das primeiras ações governamentais formais tomadas contra a empresa por questões de tratamento de dados. Fonte
• O DeepSeek-R1 foi lançado sob a licença MIT em 20 de janeiro de 2025, permitindo uso comercial, modificação e destilação em outros modelos sem royalties. Fonte
• O DeepSeek-V4 foi lançado em preview em 24 de abril de 2026, com as variantes V4-Pro e V4-Flash suportando uma janela de contexto de 1 milhão de tokens sob a mesma licença aberta. Fonte
• A API do V4-Flash da DeepSeek precifica os tokens de saída em US$ 0,28 por milhão, contra US$ 15 por milhão do GPT-5.4 da OpenAI, uma diferença de aproximadamente 50x que ancora a reputação da DeepSeek como a opção de baixo custo. Fonte

Saiba Mais

• Large Language Models - A tecnologia subjacente por trás da série V da DeepSeek e de todo outro grande assistente de chat
• Reasoning Models - A categoria técnica à qual o R1 pertence, e como ela se compara ao o1 da OpenAI
• O que é Test-Time Compute? - A técnica de pensamento estendido por trás da capacidade de reasoning do R1
• Mixture of Experts - A arquitetura por trás da eficiência do DeepSeek-V3 e do V4
• Knowledge Distillation - Como a DeepSeek comprimiu o R1 em modelos menores, executáveis localmente
• O que é a OpenAI? - O laboratório por trás do ChatGPT e do GPT, o ponto de comparação mais direto da DeepSeek
• O que é o Claude AI? - A família de modelos da Anthropic e a alternativa focada em empresas
• Avaliação de Fornecedores de IA - O framework para ponderar custo contra risco de governança de dados antes de adotar um modelo como a DeepSeek
• O que é IA Soberana? - O debate mais amplo sobre modelos de IA construídos e governados sob diferentes jurisdições nacionais

Recursos Externos

• Relatório Técnico do DeepSeek-V3 (arXiv) - A própria divulgação da DeepSeek sobre a computação e o custo de treinamento do V3
• CNN: DeepSeek Revela o Custo de Treinamento de Seu Modelo de IA - Cobertura do artigo publicado na Nature sobre o custo de treinamento de US$ 294.000 do R1
• CNBC: Nvidia Perde Quase US$ 600 Bilhões em Valor de Mercado - Cobertura da liquidação de ações de 27 de janeiro de 2025
• Bird & Bird: O Garante da Itália Bloqueia o Processamento de Dados da DeepSeek - Resumo jurídico da ordem italiana de janeiro de 2025
• Hugging Face: Model Card do DeepSeek-R1 - Pesos oficiais do modelo e termos da licença MIT
• Documentação da API DeepSeek: Lançamento em Preview do V4 - Anúncio oficial do DeepSeek-V4-Pro e V4-Flash
• Documentação da API DeepSeek: Preços - Preços atuais por token para os modelos hospedados da DeepSeek

Parte da Coleção de Termos de IA. Última atualização: 2026-07-20