DeepSeek V4: preço por horário e o que muda no seu custo

O anúncio, e o que nele interessa

A DeepSeek apresentou o DeepSeek-V4-Flash-Vision-Exp, um modelo multimodal experimental que, segundo a empresa, se aproxima do desempenho do Claude Opus 4.8 a um custo bem menor. Como notícia de lançamento, é mais um item de uma lista longa demais para acompanhar.

O que interessa a quem tem produto rodando não é o benchmark. É uma característica da tabela de preços da DeepSeek que quase nenhuma cobertura menciona e que muda decisão de arquitetura: o preço do token varia conforme a hora do dia.

Token virou tarifa de energia elétrica

A conta deixa de ser “quanto custa mil tokens” e passa a ser “quanto custa mil tokens às três da tarde“. Segundo o levantamento do Beer And Code sobre os preços da V4, a diferença entre as duas janelas é de aproximadamente o dobro:

A V4-Flash segue a mesma lógica de dobrar no pico. Para quem só faz chamada interativa, isso é ruído. Para quem roda lote — geração de conteúdo, embeddings, classificação, reprocessamento —, é a diferença entre uma fatura e metade dela, sem trocar uma linha de código.

A pegadinha do fuso: o pico deles é a nossa madrugada

Aqui está o detalhe que inverte a intuição de todo mundo. As janelas de pico são definidas no horário de Pequim, e traduzidas para o Brasil elas caem assim:

Ou seja: a madrugada — onde praticamente todo mundo agenda job em lote — é o horário mais caro. E o horário comercial brasileiro, quando ninguém pensa em rodar processamento pesado, é o barato. É o oposto do reflexo herdado de infraestrutura, em que a madrugada sempre foi a janela ociosa.

Vale a distinção com o que já escrevemos: em o fuso brasileiro como vantagem off-peak o assunto era latência e disponibilidade nos fornecedores americanos. Aqui é outra coisa — é tarifa, e num fornecedor chinês. Os dois efeitos existem ao mesmo tempo e apontam para horários diferentes.

Mais barato só é mais barato para quem consegue trocar

A tabela acima não vale nada se o nome do modelo estiver espalhado por quarenta arquivos. É o mesmo ponto que levantamos ontem quando a OpenAI pausou o treinamento do Astra: preço e política do fornecedor mudam sem pedir licença, e quem não consegue trocar não se beneficia de nenhuma das duas coisas.

Antes de olhar preço de concorrente, o trabalho é o de sempre — e já tratamos dele em portabilidade entre modelos e em custo de tokens em produção.

O que fazer antes de mexer em qualquer coisa

# 1. Separe o que e INTERATIVO do que e LOTE.
#    So o lote se beneficia de janela de preco.

# 2. Meca quanto do seu gasto e lote, em tokens/mes.
#    Se for menos de um terco, isso aqui nao e prioridade.

# 3. Confira a tabela OFICIAL do fornecedor antes de agendar.
#    Preco por horario muda, e fonte secundaria envelhece.

# 4. Antes de trocar de modelo, rode o SEU conjunto de casos.
#    Benchmark publico nao responde pelo seu prompt.

# 5. Modelo marcado como experimental nao entra em producao
#    sem plano de volta.

O passo 2 é o que evita o erro mais comum: reescrever a arquitetura inteira para economizar em cima de um gasto que era pequeno. Se o grosso da sua conta é chamada interativa de usuário, o caminho é outro — cache semântico e redução de custo de API rendem mais.

O que não dá para concluir

Três ressalvas honestas. Primeira: os valores acima vêm de levantamento de terceiro, não da tabela oficial, e a versão estável com preço por janela ainda não foi confirmada pela empresa — confira antes de arquitetar em cima disso. Segunda: o modelo de visão é experimental, e experimental não tem compromisso de continuidade. Terceira: aproximar-se de um modelo em benchmark não é substituí-lo no seu caso — a única medição que decide isso é a sua, com os seus prompts.