Liang Wenfeng, fundador da DeepSeek, forneceu uma das explicações mais claras até agora sobre a estratégia da empresa em relação a preços, e...
Liang Wenfeng, fundador da DeepSeek, deu recentemente uma de suas explicações mais claras até agora sobre as reflexões da empresa em relação a preços, eficiência de custos, modelos de código aberto e comercialização.
Em uma reunião com investidores que supostamente durou quatro horas, Liang afirmou que a precificação da DeepSeek não visa maximizar a receita. Em vez disso, o objetivo da empresa é obter o que ele chama de lucro razoável, mantendo os preços dos modelos suficientemente baixos para que sejam amplamente utilizados.
O exemplo mais evidente é o DeepSeek-V4-Pro. Inicialmente, o modelo foi precificado relativamente alto, pois a empresa previa que a demanda superaria sua capacidade computacional de ponta disponível. Posteriormente, a DeepSeek reduziu o preço para um quarto do valor original, com uma redução permanente de 75%.
A visão de Liang vai além das tradicionais promoções de preço. Ele enxerga o baixo custo como resultado da eficiência arquitetural e de engenharia — e como uma condição necessária para realizar pesquisa de modelos de ponta com recursos computacionais limitados.
Os comentários da reunião que circulam online foram compilados a partir de materiais limitados, não sendo uma transcrição oficial divulgada pela DeepSeek. Portanto, parte da redação pode diferir do que foi dito ao vivo. Os nomes, recursos e preços de API dos modelos atuais neste artigo foram verificados com a documentação oficial da DeepSeek.
A ideia central dos comentários de Liang sobre precificação é a moderação.
A maioria das empresas de tecnologia é pressionada a aumentar receitas, expandir participação de mercado, construir organizações de vendas e extrair o máximo valor possível de produtos bem-sucedidos. Os objetivos declarados da DeepSeek são mais limitados.
De acordo com relatos, Liang afirmou:
"Buscamos apenas um lucro razoável."
Essa afirmação não significa que a DeepSeek rejeita atividades comerciais. A empresa cobra pelo uso da API, opera produtos de consumo, atende desenvolvedores e expande continuamente o acesso aos modelos.
A diferença está entre operação comercial e maximização comercial.
A DeepSeek parece disposta a obter receita suficiente para operar o serviço e apoiar o desenvolvimento, mas, no momento, não deseja que as decisões de precificação sejam dominadas pelo objetivo de extrair o lucro máximo de cada usuário.
Essa filosofia reflete o foco maior da empresa na inteligência artificial geral. Liang descreve produtos e serviços como etapas no caminho para sistemas mais poderosos, e não como o objetivo final da empresa.
O DeepSeek-V4-Pro oferece um exemplo concreto dessa abordagem.
Quando o modelo foi lançado, sua precificação via API era visivelmente mais alta que a do modelo mais leve V4-Flash. A DeepSeek atribuiu isso à capacidade computacional de ponta limitada e previu que os preços cairiam à medida que mais infraestrutura se tornasse disponível.
Em maio de 2026, a empresa fez uma redução permanente de 75% no preço.
De acordo com relatos, os preços em renminbi caíram de aproximadamente 0,1 a 24 yuans por milhão de tokens para 0,025 a 6 yuans por milhão de tokens, dependendo se a entrada está em cache, não está em cache ou é a saída.
Liang supostamente explicou que o V4-Pro foi inicialmente precificado mais alto porque a DeepSeek temia uma demanda excessiva. Assim que as condições para a redução de preço estavam prontas, a empresa simplesmente reduziu o preço para um quarto.
De acordo com as atas da reunião, os funcionários comemoraram a redução, pois o modelo foi construído para que mais pessoas pudessem usá-lo plenamente.
Essa formulação é incomum. Normalmente, reduções de preço são descritas como meios para adquirir clientes, posicionar-se competitivamente ou crescer em participação de mercado. Liang, no entanto, apresentou isso como um alinhamento mais perfeito entre o propósito do modelo e sua acessibilidade.
A documentação oficial da API da DeepSeek atualmente lista dois endpoints principais do V4:
| Modelo | Entrada em Cache (por milhão de tokens) | Entrada sem Cache (por milhão de tokens) | Saída (por milhão de tokens) | Comprimento do Contexto |
|---|---|---|---|---|
| DeepSeek-V4-Flash | US$ 0,0028 | US$ 0,14 | US$ 0,28 | 1 milhão de tokens |
| DeepSeek-V4-Pro | US$ 0,003625 | US$ 0,435 | US$ 0,87 | 1 milhão de tokens |
De acordo com a documentação atual, ambos os modelos suportam modos de pensamento e não pensamento, saída JSON, chamada de ferramentas, preenchimento de prefixo de diálogo e um comprimento de contexto de até 1 milhão de tokens.
Os limites de concorrência listados são maiores para o V4-Flash do que para o V4-Pro:
A DeepSeek também declara que os preços estão sujeitos a alterações e recomenda consultar a página oficial de precificação antes de estimar custos de produção.
Os nomes de modelos antigos deepseek-chat e deepseek-reasoner estão programados para serem descontinuados em 24 de julho de 2026. Atualmente, eles são mapeados para os modos de não pensamento e pensamento do deepseek-v4-flash para fins de compatibilidade.
Um preço de lançamento alto nem sempre significa que a empresa acredita que o valor do produto aumentou permanentemente.
Também pode ser um mecanismo de gerenciamento de capacidade.
Quando a demanda excede a oferta disponível de computação para inferência, os provedores de serviço têm várias opções:
A DeepSeek parece ter combinado estratégias de precificação e limitação de capacidade.
O V4-Pro requer recursos computacionais de ponta mais escassos, portanto, um preço inicial mais alto reduziu a probabilidade de a demanda sobrecarregar o serviço. Quando mais capacidade e ganhos de eficiência foram obtidos, a empresa pôde oferecer o modelo de forma mais ampla.
Isso é muito diferente de definir um preço alto porque os clientes estão dispostos a pagar.
O primeiro trata o preço como uma ferramenta temporária de alocação de recursos; o segundo, como um meio de extrair o máximo valor percebido.
As declarações de Liang indicam que a DeepSeek tende a reduzir os preços assim que as restrições de capacidade são removidas.
Supostamente, Liang enfatizou que o baixo custo da DeepSeek não é uma mera estratégia comercial.
É o resultado conjunto da arquitetura do modelo, da engenharia de sistemas e da otimização consciente do hardware.
A DeepSeek sempre se concentrou em meios técnicos para melhorar a capacidade efetiva do modelo dentro de um orçamento computacional limitado.
Exemplos de suas pesquisas incluem:
Por exemplo, o DeepSeek-V2 tem um total de 236 bilhões de parâmetros, ativando apenas 21 bilhões por token. Seu artigo de pesquisa indica que, em comparação com o sistema anterior DeepSeek 67B, o modelo tem menor custo de treinamento, cache KV significativamente reduzido e maior taxa de transferência de geração.
O DeepSeek-V3 expandiu o total de parâmetros para 671 bilhões, ativando 37 bilhões por token. A empresa relata que completou o treinamento usando 14,8 trilhões de tokens, mantendo os preços da API abaixo da maioria dos serviços de modelos de ponta.
O DeepSeek-V4 continua essa estratégia, suportando uma janela de contexto de 1 milhão de tokens e lançando modelos Flash e Pro separados.
Esses sistemas não tornam a computação gratuita. Modelos grandes ainda exigem investimentos caros em chips, rede, eletricidade, engenharia, armazenamento e operação de data centers.
O ponto crucial é que a arquitetura pode alterar a quantidade de capacidade do modelo gerada por unidade de computação.
O argumento mais profundo de Liang envolve a capacidade de pesquisa.
Empresas com recursos computacionais ilimitados podem otimizar modelos adicionando mais chips, expandindo clusters e aumentando rodadas de treinamento.
As condições operacionais da DeepSeek são diferentes das maiores empresas de tecnologia dos EUA. Restrições de exportação, fornecimento de chips, necessidades de capital e limitações de infraestrutura afetam sua capacidade de treinamento.
Nesse ambiente, reduzir o custo por unidade de computação produz um efeito duplo.
Uma inferência mais eficiente permite que a DeepSeek processe mais solicitações com a mesma infraestrutura, reduzindo os preços da API e ampliando o alcance do serviço.
Se o sistema de treinamento utiliza os recursos computacionais de forma mais eficiente, a empresa pode treinar modelos maiores ou mais avançados dentro de um orçamento fixo de hardware.
Supostamente, Liang resumiu essa diferença como: grandes empresas resolvem problemas aumentando recursos, enquanto a DeepSeek prioriza a otimização da eficiência de custos.
É por isso que os preços baixos e a pesquisa de ponta estão tão intimamente ligados na estratégia da DeepSeek. As otimizações de engenharia que reduzem o custo da inferência também podem ajudar a empresa a fazer mais progresso com recursos de treinamento limitados.
Em atas mais completas da reunião, Liang supostamente apresentou três elementos-chave na competição de modelos de ponta:
O custo foi listado em primeiro lugar.
Quando duas empresas oferecem modelos de qualidade semelhante, aquela que pode atender a um custo menor tem uma vantagem estrutural. Ela pode precificar mais baixo, atender mais usuários, realizar mais experimentos internos ou reinvestir a economia na próxima rodada de treinamento.
O tempo está em segundo lugar, porque uma vantagem de meses de liderança é crucial num mercado em rápida mudança. Modelos, hardware, estruturas de agentes e expectativas dos clientes mudam num instante.
A experiência do utilizador pode gerar lealdade, mas, segundo relatos, Liang Wenfeng não a descreveu como o fosso técnico mais fundamental.
Esta priorização ajuda a explicar por que razão a DeepSeek investe fortemente em arquitetura e infraestrutura, mantendo ao mesmo tempo equipas de vendas e de produto relativamente reduzidas.
Segundo relatos, Liang Wenfeng afirmou que considera o negócio de API, por si só, pouco atrativo.
Este comentário pode parecer surpreendente, dado que as receitas de API são um dos principais modelos de negócio dos fornecedores de modelos de ponta.
Do ponto de vista operacional, a posição da DeepSeek é mais fácil de compreender.
De acordo com as atas da reunião:
Este é um modelo de distribuição liderado pelo produto.
Em vez de contratar uma grande equipa de vendas empresariais para negociar contratos, a DeepSeek publica modelos, fornece APIs compatíveis e documentação pública, permitindo que os programadores comecem a utilizar o serviço diretamente.
Esta abordagem permite manter baixos custos operacionais, mas também tem o seu preço.
As grandes organizações geralmente exigem:
Uma organização empresarial simplificada pode ser adequada para programadores autossuficientes e equipas tecnicamente capazes, mas pode não ser ideal para empresas que esperam apoio completo e garantias contratuais.
Segundo relatos, Liang Wenfeng afirmou que a DeepSeek tem vindo a comercializar, mas não vê a comercialização como um fim em si mesmo.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Isto não equivale a dizer que a empresa não tem um modelo de negócio.
A DeepSeek tem atualmente múltiplos mecanismos que podem gerar receitas ou valor estratégico:
Esta afirmação deve ser entendida como uma questão de prioridades.
O principal objetivo da DeepSeek é melhorar a capacidade dos modelos e prosseguir a Inteligência Artificial Geral (IAG). As atividades comerciais servem este esforço, mas a empresa não quer que os objetivos de receitas a curto prazo desviem a investigação para todas as categorias de produtos populares.
Segundo relatos, Liang Wenfeng afirmou que ainda está longe o momento para a DeepSeek se voltar totalmente para a comercialização.
Com financiamento suficiente, investidores pacientes ou outras fontes de apoio financeiro, esta posição pode ser mais fácil de manter. No entanto, à medida que as necessidades de poder computacional crescem, mesmo os laboratórios centrados na investigação têm de lidar com custos de infraestrutura, retenção de funcionários e operações de longo prazo.
A DeepSeek pode não descrever a sua estratégia de preços como uma luta por quota de mercado, mas os preços baixos afetam inevitavelmente os concorrentes.
Um fornecedor que oferece um modelo de qualidade competitiva a um preço que é apenas uma fração do custo das principais APIs do mercado força o mercado a reagir.
Os concorrentes podem ter de:
O resultado final é uma redução geral no custo de implementação de IA.
Esta mudança beneficia programadores, startups, instituições de investigação e empresas que antes não podiam pagar a utilização de modelos em grande escala.
Ao mesmo tempo, pressiona os fornecedores de modelos que dependem de margens brutas elevadas para se manterem rentáveis.
Assim, mesmo que a DeepSeek declare que o seu objetivo não é a maximização do lucro, a sua estratégia de preços tem implicações comerciais.
Os comentários de Liang Wenfeng sobre preços estão intimamente relacionados com o apoio da DeepSeek ao lançamento de modelos de código aberto.
Segundo relatos, ele descreveu o código aberto como abrir mão de parte dos lucros potenciais da empresa.
A publicação de pesos de modelos permite:
Numa perspetiva comercial restrita, isto pode enfraquecer o efeito de bloqueio da API.
Mas do ponto de vista da DeepSeek, os modelos de código aberto também trazem:
Segundo relatos, Liang Wenfeng afirmou que a DeepSeek não publicará um modelo deliberadamente enfraquecido, mantendo ao mesmo tempo uma versão substancialmente mais forte.
Esta afirmação precisa de ser avaliada caso a caso, mas reflete o posicionamento público da empresa: o acesso aberto não é apenas uma amostra de marketing, mas uma parte significativa da estratégia de investigação.
A expressão "lucro razoável" é apelativa, mas não é um indicador financeiro preciso.
A DeepSeek ainda não definiu publicamente:
Portanto, esta afirmação deve ser entendida como uma declaração de intenções, e não como uma fórmula pública de preços.
Também não garante que os preços nunca vão subir.
Os documentos oficiais da DeepSeek indicam que os preços dos produtos podem variar. Limitações computacionais, custos de hardware, procura, tamanho do modelo e requisitos de serviço podem influenciar os preços futuros.
Uma empresa pode recusar a maximização do lucro e, ao mesmo tempo, aumentar os preços quando os custos do serviço aumentam.
O preço por milhão de tokens de API é fácil de comparar, mas não reflete o custo total de utilização de um modelo.
Uma aplicação de nível de produção também deve considerar os seguintes aspetos:
Métricas:
Um modelo com um preço mais baixo por token pode ter um custo total mais elevado se as suas respostas forem prolixas, falharem frequentemente ou exigirem muitas correções.
Um modelo mais caro que resolva o problema à primeira pode ser mais económico.
Por conseguinte, a vantagem de custo da DeepSeek deve ser testada ao nível do fluxo de trabalho completo, e não apenas com base nas suas taxas de token anunciadas.
Compare o V4-Flash e o V4-Pro com base na tarefa real. Para fluxos de trabalho de alto rendimento, o Flash pode ser suficiente; para tarefas complexas de codificação, raciocínio ou agentes, o Pro pode ser mais adequado.
A entrada em cache é muito mais barata do que a entrada não armazenada em cache. Para aplicações com prompts de sistema repetitivos, documentos partilhados ou contexto estável, a cache pode trazer vantagens de custo significativas.
As taxas de saída para ambos os modelos são mais elevadas do que as de entrada. Trajetos de raciocínio desnecessariamente longos ou respostas prolixas podem dominar a fatura.
Os limites de concorrência documentados variam entre o Flash e o Pro. Os produtos de alto rendimento devem testar os requisitos de capacidade o mais cedo possível.
Os programadores que ainda utilizam deepseek-chat ou deepseek-reasoner devem migrar para os identificadores do modelo V4, uma vez que os nomes antigos estão programados para serem descontinuados.
A DeepSeek reserva-se o direito de alterar os preços. Os sistemas de produção devem evitar depender rigidamente de pressupostos económicos baseados num preço fixo.
Para programadores individuais, o acesso à API self-service pode ser suficiente. As empresas devem confirmar as suas expectativas de segurança, conformidade, serviço e apoio antes de padronizarem um fornecedor.
O modelo de preços da DeepSeek cria várias vantagens potenciais.
Os preços baixos reduzem o custo da experimentação, permitindo que equipas mais pequenas utilizem estes modelos.
Uma base de utilizadores maior gera mais informações sobre casos de falha, fluxos de trabalho populares, estrangulamentos de infraestrutura e necessidades dos programadores.
Quando uma empresa não pode depender de margens de lucro elevadas, há um forte incentivo para melhorar a arquitetura e a eficiência do serviço.
APIs hospedadas a preços acessíveis e pesos descarregáveis complementam-se. Os programadores podem começar com a API e depois transitar para uma implementação privada.
Os laboratórios que se dedicam à investigação de ponta, publicações abertas e objetivos tecnológicos de longo prazo atraem mais engenheiros.
A mesma estratégia também traz desafios.
A demanda gerada por preços extremamente baixos pode superar o ritmo de aumento da capacidade.
Equipes de vendas e suporte menores podem desacelerar a adoção em organizações com alta regulação ou processos de compra complexos.
Os custos de treinamento de modelos de ponta continuam subindo. Margens razoáveis ainda são necessárias para cobrir a operação do serviço e financiar pesquisas futuras.
Uma vez que os desenvolvedores se acostumem com preços extremamente baixos, aumentos futuros podem enfrentar dificuldades.
Grandes provedores de nuvem e de modelos podem subsidiar níveis de baixo custo, atrelar modelos à infraestrutura ou usar economia de escala para reduzir preços.
Evitar produtos não essenciais ajuda a manter o foco em pesquisa, mas também pode abrir mão de mercados valiosos para concorrentes.
Segundo relatos, Liang Wenfeng afirmou que o objetivo da DeepSeek é obter lucro razoável, não maximizar a receita. Ele associou a estratégia de preços baixos ao objetivo da empresa de tornar modelos poderosos amplamente disponíveis e aumentar a eficiência de custos.
Sim. A DeepSeek reduziu permanentemente o preço do V4-Pro em 75%, para um quarto do valor original. Os custos específicos dependem do uso de entrada em cache, entrada não cacheada e saída.
A DeepSeek afirmou que os recursos computacionais de alto nível eram limitados na época. O preço inicial mais alto ajudou a controlar a demanda até que mais capacidade computacional e maior eficiência fossem obtidas.
A documentação oficial da DeepSeek mostra que o V4-Flash cobra US$ 0,0028 por milhão de tokens de entrada em cache, US$ 0,14 para entrada não cacheada e US$ 0,28 para saída. No V4-Pro, os preços correspondentes são US$ 0,003625, US$ 0,435 e US$ 0,87.
Não. Segundo relatos, Liang Wenfeng afirmou que a empresa sempre busca a implantação comercial, mas a comercialização não é o objetivo final. Sua prioridade continua sendo a pesquisa de modelos e a busca de longo prazo pela Inteligência Artificial Geral (IAG).
A DeepSeek atribui sua vantagem de custo à arquitetura do modelo, computação esparsa, tecnologia de cache, treinamento de baixa precisão, otimização de infraestrutura e modelo operacional enxuto. A disponibilidade de hardware e a capacidade computacional também influenciam a precificação.
A DeepSeek fornece documentação, API, limites de uso e solicitações de escalabilidade, mas Liang Wenfeng afirmou que a equipe operacional da empresa é pequena, com infraestrutura limitada de vendas tradicionais e suporte ao cliente. As empresas devem verificar se o suporte existente atende às suas necessidades.
Não necessariamente. A página oficial de preços da DeepSeek declara que os valores podem mudar, e a empresa se reserva o direito de ajustá-los. Os desenvolvedores devem consultar a documentação mais recente ao estimar custos.
As declarações públicas de Liang Wenfeng sobre preços indicam que a DeepSeek vê a eficiência de custos como um objetivo técnico e estratégico, e não apenas como um meio de atrair clientes.
A empresa inicialmente definiu um preço alto para o V4-Pro para gerenciar a demanda diante de recursos computacionais limitados, reduzindo-o em 75% quando passou a oferecer capacidade mais ampla. Atualmente, os preços oficiais da API do V4-Flash e V4-Pro permanecem baixos.
A DeepSeek está comercializando sua tecnologia, mas Liang Wenfeng não descreve a maximização da receita como o objetivo final da empresa. Seu modelo combina distribuição autônoma, equipe operacional enxuta, lançamento de pesos de código aberto, eficiência arquitetural e foco de longo prazo na pesquisa de IAG.
A lógica central de precificação da DeepSeek é: empresas que conseguem construir modelos poderosos pelo caminho mais eficiente não precisam cobrar o máximo por cada chamada para expandir o acesso, competir globalmente e financiar o desenvolvimento futuro.
Comece com uma frase e tenha um site completo em minutos.
