A DeepSeek lançou o DeepSeek-V4, uma nova família de modelos abertos projetada para resolver os gargalos computacionais na execução de modelos de ponta como agentes em contextos de milhões de tokens. A arquitetura introduz a Atenção Esparsa Comprimida (CSA) e a Atenção Altamente Comprimida (HCA) para reduzir drasticamente as FLOPs de inferência por token único e os requisitos de memória do cache KV.
- O V4-Pro requer 27% das FLOPs de inferência por token único e usa 10% da memória do cache KV em comparação ao DeepSeek-V3.2, enquanto o V4-Flash reduz esses valores para 10% e 7%, respectivamente.
- O modelo preserva os rastros de raciocínio entre as fronteiras das mensagens do usuário quando chamadas de ferramentas estão envolvidas, permitindo fluxos de trabalho agênticos coerentes em longo prazo.
- Um novo esquema de chamada de ferramentas baseado em XML com tokens dedicados visa reduzir falhas de análise associadas a conteúdo JSON aninhado.
- O comportamento do agente foi treinado usando o DeepSeek Elastic Compute (DSec), uma infraestrutura sandbox baseada em Rust que suporta rollouts simultâneos de RL em vários substratos de execução.
- O V4-Pro-Max alcançou 80,6 no SWE Verified e 67,9 no Terminal Bench 2.0, posicionando-se como competitivo em relação a modelos proprietários líderes como Opus 4.6-Max e GPT-5.4-xHigh.
O lançamento fornece quatro checkpoints (dois de instrução, dois base) para o DeepSeek-V4-Pro e V4-Flash, oferecendo à comunidade uma alternativa economicamente eficiente para aplicações de agentes com contexto longo.