DeepSeek aprimora V4-Flash-0731: grandes ganhos em codificação agêntica e API em versão beta

A DeepSeek publicou o DeepSeek-V4-Flash-0731 no Hugging Face e moveu a API oficial do V4-Flash para beta público em 31 de julho de 2026. A ficha do modelo afirma que este é o lançamento oficial que substitui a prévia, com arquitetura e tamanho inalterados; os ganhos vêm de um novo pós-treinamento. O checkpoint inclui o módulo de decodificação especulativa DSpark, e o Hugging Face relata 304 bilhões de parâmetros, incluindo o módulo draft, sobre a base de 284 bilhões. A API agora suporta nativamente o formato de API Responses e é adaptada para o Codex, mas a API do V4-Pro e os modelos de aplicativo/web não foram atualizados. A implantação é possível via API a um custo baixo (cerca de um terço do preço de saída do Pro) ou via auto-hospedagem, que requer recursos significativos: pesos com licença MIT, mas cada especialista permanece residente em memória. Um exemplo com vLLM o serve em um nó com 4×GB300; GGUF dinâmicos do Unsloth cabem em cerca de 110 GB de memória com quantização agressiva. A arquitetura inclui 284 bilhões de parâmetros com 13 bilhões ativos por token, contexto de 1 milhão de tokens, atenção híbrida com CSA e HCA, e hiperconexões com restrição de manifold. Os benchmarks mostram o V4-Flash-0731 superando o V4-Pro (Prévia) em todos os benchmarks de agente, mas todos os números são relatados pela DeepSeek em um harness não lançado. O DSpark é habilitado com uma flag do vLLM, e o modelo usa uma pasta de codificação em vez de um template de chat Jinja.