TLDR;

Apesar do título empolgante, o DeepSeek V4 Pro não é unanimidade como "melhor" open‑source — ele figura entre os melhores (rank 9º em benchmarks) mas perde para modelos como Kimi e GLM em raciocínio puro. Seus pontos fortes são as capacidades autônomas de codificação — uso de ferramentas, navegação em repositórios, resolução de tarefas de terminal e fluxos de trabalho multi‑etapa — além de uma excelente relação preço‑desempenho. As limitações incluem desempenho inferior em geração visual/front‑end e modos de "high thinking" mais lentos, há aumentos recentes de preço, o modelo full (1,7T) é difícil de rodar localmente, mas pode ser acessado via API, OpenRouter ou web app e existem versões menores disponíveis.

Resumo

DeepSeek versão 4 Pro foi lançada como modelo flagship, trazendo melhorias significativas em raciocínio e fluxos de codificação produtiva: uso autônomo de ferramentas, navegação em repositórios, execução de tarefas de terminal e workflows multietapa. Em benchmarks obteve 87,9% no Terminal Bench 2.1, 62,7 no DeepSway, 74,1 no Toolon Verified e 31,8 no Automation Bench, e figura em nono lugar no World of AI Benchmark, destacando excelente custo‑benefício. Em testes de geração visual pontuou 8/10 frente a 9,5 do Kimi K3 e 9,0 do GLM 5.2, porém custando muito menos (reportado como centenas de vezes mais barato), entregando cerca de 84% da performance do Kimi. A atualização traz níveis flexíveis de raciocínio (low, high, max), suporte nativo à OpenAI Response API otimizado para código e configuração one‑click; há também um preview do "harness" que potencializa usos avançados. Alertas: aumentos de preço na API com tarifas pico/off‑peak podem reduzir a vantagem de custo; para frontend a versão Flash costuma gerar resultados melhores que a Pro. Recomenda‑se testar a versão via World of AI Coding Platform, considerar modelos locais como o Quan 3.8 (27B) e acompanhar o vídeo completo sobre o harness. Também fique atento às mudanças de preço e estratégias de adaptação.