Deepseek V3: como o modelo open source da Deepseek desafia o GPT-4.5 com desempenho e baixo custo

Deepseek V3 mostra desempenho competitivo com GPT-4.5 em benchmarks, treinado por US$ 5,6 milhões e liberado sob licença MIT

A Deepseek lançou a versão atualizada do seu modelo de linguagem open source, o DeepSeek-V3‑0324, e a novidade coloca o Deepseek V3 como um concorrente real das grandes soluções comerciais, incluindo o GPT-4.5. Segundo a cobertura técnica, a versão V3 traz avanços notáveis em raciocínio matemático e programação, além de ganhos em processamento do idioma chinês e desenvolvimento web.

Uma firma independente de testes relatou que o novo modelo V3 da Deepseek conseguiu competir com os sistemas de inteligência artificial mais avançados, alcançando “80 pontos” em um índice abrangente de qualidade, posicionando o Deepseek V3 ao lado de modelos proprietários como Gemini 1.5 Pro e Claude Sonnet 3.5. O mesmo relatório informa que o treinamento foi realizado com apenas US$ 5,6 milhões, um custo muito menor do que o padrão da indústria.

Desempenho e benchmarks

O Deepseek V3 se destacou em vários benchmarks técnicos. A Deepseek afirma que o modelo superou líderes open source em provas como MMLU-Pro, vGPQA e AIME e alcançou 55% no benchmark Polyglot, ficando em segundo lugar entre os modelos sem habilidades especializadas de raciocínio. Em tarefas de programação, o V3 obteve 92% no teste HumanEval, e em matemática apresentou 85% na prova MATH 500.

Esses resultados deram sustentação à ideia de que o Deepseek V3 é capaz de performar em nível comparável ao dos grandes modelos comerciais em muitas tarefas. O relatório também destaca que essas capacidades evoluíram a partir do trabalho anterior da empresa com seu modelo de raciocínio R1, e que o V3 pode servir como base para um futuro modelo R2.

Custo, eficiência de treinamento e infraestrutura

Um dos pontos mais comentados sobre o Deepseek V3 é a eficiência de recursos. Segundo a matéria, o modelo foi treinado usando apenas 2.048 GPUs, durante 57 dias, totalizando 2,78 milhões de horas de GPU em chips Nvidia H800 para um modelo de 671 bilhões de parâmetros. Em comparação, a Meta precisou de aproximadamente 30,8 milhões de horas de GPU para treinar o Llama 3, com 405 bilhões de parâmetros. Esses números ilustram a estratégia da Deepseek de otimizar custo e consumo de hardware.

Além do orçamento enxuto, a Deepseek adotou uma política comercial agressiva. O modelo foi disponibilizado como open source e sob licença MIT, o que permite amplo uso para pesquisa e desenvolvimento. A empresa também aplicou descontos significativos para algumas operações, e manteve preços antigos por um período para facilitar o acesso dos usuários.

Impacto no mercado, restrições e perspectivas

O surgimento do Deepseek V3 reacende o debate sobre como inovação e restrições de hardware influenciam a competição em IA. A reportagem destaca que as restrições de exportação de hardware dos Estados Unidos impulsionaram soluções mais eficientes em software, forçando startups como a Deepseek a conseguir mais com menos. Essa abordagem pode ter implicações globais, especialmente em regiões onde o acesso a clusters massivos de GPUs é limitado.

Analistas do setor observam que, embora modelos proprietários mais recentes ainda liderem algumas categorias, o Deepseek V3 representa um novo patamar para modelos open source. A adoção de preços competitivos e a liberação dos pesos do modelo também pressionam players tradicionais a repensarem estratégias de negócios e infraestrutura.

Por fim, a recepção técnica inclui elogios: relatou-se que o principal pesquisador de IA da Meta chamou o modelo de “excelente”, e a comunidade passa a olhar com mais atenção para projetos que conciliem desempenho com custo reduzido. O Deepseek V3 surge, assim, como um exemplo de que inovação em arquitetura e otimização pode diminuir a barreira de entrada para modelos de alto desempenho.

Com a combinação de resultados robustos em benchmarks, custo de treinamento reduzido e licenciamento permissivo, o Deepseek V3 tem potencial para influenciar tanto desenvolvedores quanto empresas que buscam alternativas open source ao GPT-4.5 e demais líderes de mercado.