Estratégia de Preços da DeepSeek: Por que Liang Wenfeng Prioriza a Eficiência em vez da Maximização do Lucro

Introdução

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.

DeepSeek Afirma Buscar Lucro Razoável, Não Maximização de Receita

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.

Preço do DeepSeek-V4-Pro Cai para Um Quarto do Valor Original

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.

Precificação Atual da API da DeepSeek

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:

• V4-Flash: 2.500
• V4-Pro: 500

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.

Por que a DeepSeek Precificou Inicialmente Mais Alto

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:

1. Criar listas de espera.
2. Implementar limites rigorosos de taxa.
3. Reservar o acesso apenas para clientes específicos.
4. Reduzir as funcionalidades disponíveis do modelo.
5. Suprimir a demanda aumentando os preços.
6. Expandir a infraestrutura e reduzir os preços posteriormente.

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.

Baixo Custo é Resultado Arquitetural, Não Mera Estratégia Comercial

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:

• Arquitetura de especialistas mistos (ativa apenas parte dos parâmetros do modelo para cada token)
• Atenção latente de múltiplas cabeças (reduz a necessidade de cache de chave-valor)
• Treinamento de baixa precisão
• Sistema de treinamento com comunicação eficiente
• Codesign consciente de hardware
• Cache de contexto
• Computação esparsa
• Inferência e serviço otimizados

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.

Eficiência de Custo Ajuda a DeepSeek a Treinar Modelos Maiores

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.

Reduzir o Custo de Atendimento ao Usuário

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.

Expandir a Escala de Modelos Treináveis

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.

Custo em Primeiro Lugar em Relação ao Tempo e à Experiência do Usuário

Em atas mais completas da reunião, Liang supostamente apresentou três elementos-chave na competição de modelos de ponta:

1. Custo
2. Tempo
3. Experiência do Usuário

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.

DeepSeek opera o negócio de API com equipas pequenas

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:

• Uma equipa pequena é suficiente para manter o serviço.
• O apoio ao cliente da empresa é muito limitado.
• Não é necessária uma grande equipa de vendas.
• Os utilizadores descobrem e integram os modelos por si próprios.
• A procura de produtos é impulsionada pela capacidade e pelo preço dos modelos.

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:

• Apoio à aquisição
• Documentação de segurança
• Acordos de nível de serviço
• Gestão de contas
• Assistência à migração
• Revisões de conformidade
• Capacidade dedicada
• Apoio a incidentes
• Consultoria de integração

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.

"Estamos a comercializar, mas a comercialização não é o objetivo"

Segundo relatos, Liang Wenfeng afirmou que a DeepSeek tem vindo a comercializar, mas não vê a comercialização como um fim em si mesmo.

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:

• Acesso pago à API
• Aplicações de consumo
• Adoção por programadores
• Utilização empresarial
• Crescimento do ecossistema de modelos
• Distribuição de pesos de código aberto
• Licenciamento ou parcerias tecnológicas
• Colaboração em infraestrutura
• Atração de talentos
• Potenciais produtos futuros

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.

Mesmo sem maximizar lucros, preços baixos podem ser uma arma competitiva

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:

• Baixar os preços
• Lançar modelos mais pequenos
• Otimizar mecanismos de cache
• Oferecer descontos por volume
• Otimizar a eficiência da inferência
• Criar camadas de encaminhamento mais baratas
• Agrupar modelos com serviços cloud
• Justificar prémios elevados através de ferramentas, fiabilidade ou apoio

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 modelos de código aberto são parte integrante da mesma estratégia

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:

• Os investigadores estudarem a arquitetura dos modelos
• Os programadores executarem modelos de forma privada
• As empresas fazerem fine-tuning ou adaptação
• Os fornecedores de infraestrutura otimizarem a implementação
• Os concorrentes aprenderem com os resultados
• O ecossistema mais amplo construir sem usar a API hospedada da DeepSeek

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:

• Influência tecnológica
• Adoção por programadores
• Feedback de investigação
• Valor de recrutamento
• Orgulho organizacional
• Inovação mais rápida do ecossistema
• Uma posição mais forte no diálogo global sobre IA

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.

"Lucro razoável" não significa nada em particular

A expressão "lucro razoável" é apelativa, mas não é um indicador financeiro preciso.
A DeepSeek ainda não definiu publicamente:

• Margem bruta alvo
• Margem operacional alvo
• Taxa de retorno necessária para a infraestrutura
• Como os custos de investigação são repartidos no preço da API
• Se os produtos de consumo são subsidiados
• Como os preços variam com o fornecimento de chips
• Quanta capacidade computacional é reservada internamente
• Se os futuros serviços empresariais terão margens diferentes

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.

A diferença entre tokens baratos e custo total baixo

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:

• Quantos tokens o modelo precisa para concluir uma tarefa.
• Se são necessárias repetições.
• A qualidade das chamadas de ferramentas.
• A latência.
• A taxa de acertos na cache.
• O comprimento do contexto.
• O comprimento da saída.
• A taxa de erros.
• O tempo de revisão humana.
• A fiabilidade sob carga.
• O custo de mudar de modelo.
• O valor do apoio e das garantias de serviço.

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.

O que os programadores devem verificar antes de escolher a API da DeepSeek

Adequação do modelo

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.

Comportamento da cache

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.

Comprimento da saída

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.

Capacidade de concorrência

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.

Nome do modelo

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.

Risco do fornecedor

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.

Necessidades de apoio

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.

Vantagens estratégicas da estratégia da DeepSeek

O modelo de preços da DeepSeek cria várias vantagens potenciais.

Adoção mais ampla

Os preços baixos reduzem o custo da experimentação, permitindo que equipas mais pequenas utilizem estes modelos.

Mais dados de utilização e feedback

Uma base de utilizadores maior gera mais informações sobre casos de falha, fluxos de trabalho populares, estrangulamentos de infraestrutura e necessidades dos programadores.

Pressão para uma engenharia eficiente

Quando uma empresa não pode depender de margens de lucro elevadas, há um forte incentivo para melhorar a arquitetura e a eficiência do serviço.

Ecossistema aberto mais forte

APIs hospedadas a preços acessíveis e pesos descarregáveis complementam-se. Os programadores podem começar com a API e depois transitar para uma implementação privada.

Reputação de talento e investigação

Os laboratórios que se dedicam à investigação de ponta, publicações abertas e objetivos tecnológicos de longo prazo atraem mais engenheiros.

Riscos e compromissos

A mesma estratégia também traz desafios.

Necessidades de infraestrutura

A demanda gerada por preços extremamente baixos pode superar o ritmo de aumento da capacidade.

Suporte empresarial limitado

Equipes de vendas e suporte menores podem desacelerar a adoção em organizações com alta regulação ou processos de compra complexos.

Sustentabilidade

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.

Expectativas de preço

Uma vez que os desenvolvedores se acostumem com preços extremamente baixos, aumentos futuros podem enfrentar dificuldades.

Resposta competitiva

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.

Foco comercial

Evitar produtos não essenciais ajuda a manter o foco em pesquisa, mas também pode abrir mão de mercados valiosos para concorrentes.

Perguntas frequentes

Qual é a opinião de Liang Wenfeng sobre a estratégia de precificação da DeepSeek?

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.

A DeepSeek reduziu o preço de algum modelo em 75%?

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.

Por que o DeepSeek-V4-Pro era caro no lançamento?

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.

Quais são os preços atuais da API do DeepSeek-V4?

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.

A DeepSeek é contra a comercialização?

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).

Como a DeepSeek oferece preços baixos de API?

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 oferece vendas empresariais e suporte?

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.

Os preços da API da DeepSeek permanecerão os mesmos?

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.

Ferramentas relacionadas

• DeepSeek Chat: Interface web oficial da DeepSeek para interagir com o modelo atual.
• Plataforma API DeepSeek: Plataforma oficial para obter chaves de API, gerenciar uso, cobrança e acesso a modelos.
• Documentação da API DeepSeek: Guia oficial de integração, informações do modelo, preços, limites e registro de alterações.
• GitHub da DeepSeek
  Repositório oficial de pesquisa de modelos, componentes de inferência, sistemas de treinamento e projetos de código aberto.
• DeepSeek no Hugging Face: Lançamentos oficiais de pesos de modelos de código aberto, fichas técnicas e checkpoints para download.
• Coleção DeepSeek-V4: Coleção oficial de modelos V4, incluindo Flash, Pro, base e variantes de implantação.

Links relacionados

• Modelos e preços DeepSeek: Preços oficiais atuais da API, limites de contexto, funcionalidades e nomes de modelos.
• Lançamento da prévia do DeepSeek V4: Informações oficiais sobre V4-Pro, V4-Flash, tamanho de contexto e acesso à API.
• Registro de atualizações da API DeepSeek: Atualizações oficiais de modelos, nomes compatíveis, funcionalidades e disponibilidade.
• Coleção DeepSeek-V4 no Hugging Face: Pesos oficiais do modelo e versões relacionadas.
• Lançamento do DeepSeek-V3: Arquitetura oficial do V3 e informações históricas de preços da API.
• Artigo de pesquisa do DeepSeek-V2: Detalhes técnicos sobre DeepSeekMoE, atenção latente multi-cabeça, eficiência de treinamento e melhorias de inferência.
• Compilação pública dos discursos de Liang Wenfeng em reunião com investidores: Material compilado por terceiros, com possíveis diferenças em relação ao discurso original.

Resumo

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.