DeepSeek V3.2 cobra US$ 0,40 por milhão de saída e não tem nota de QI

O que está em jogo

Dez dias depois de entrar no catálogo, o DeepSeek V3.2 ainda não publicou nota de inteligência no índice que o agregador usa para ordenar modelos. Isso não é detalhe: é o sinal que falta para decidir se vale trocar o que roda hoje na sua aplicação. Enquanto o o3 da OpenAI marca 31,096 e o Claude Haiku 4.5 marca 29,892 no topo da lista, o V3.2 simplesmente não tem número — e o catálogo não arrisca um chute.

Você paga a conta, então a pergunta certa não é "o modelo é bom?", é "vale pagar US$ 0,40 por milhão de saída sem saber onde ele para no ranking?".

O preço que o release esconde

A tabela de preços parece amigável: US$ 0,269 por milhão de entrada e US$ 0,40 por milhão de saída. Tem cache hit a US$ 0,1345, metade do preço de entrada — recurso que reduz custo quando você repete o mesmo prefixo de prompt, como system prompt grande ou contexto de RAG.

Coloque lado a lado do Claude Haiku 4.5, que cobra US$ 1 por milhão de saída segundo o catálogo. Em volume, a diferença é brutal: um milhão de tokens gerados no Haiku custa quase três vezes mais que no V3.2. Para um chatbot de suporte que cospe respostas curtas, isso muda a margem no fim do mês.

Mas preço baixo sem nota de capacidade é como comprar carro sem saber o consumo: você está apostando.

O que é a tal "DeepSeek Sparse Attention"

O release destaca o DSA, um mecanismo de atenção esparsa fina. Pense na atenção tradicional como um fiscal que confere cada passageiro do ônibus contra a lista — todo mundo, sempre. A versão esparsa só confere quem está perto da sua poltrona. O custo de memória e computação cai, e é isso que permite cobrar tão barato mantendo 163.840 tokens de contexto.

Contextos longos são o cenário onde isso mais rende: resumir documentação inteira, analisar logs, colar um repositório e pedir refactor. Em prompts curtos, a economia existe, mas a vantagem não aparece.

Para quem vale — e para quem não muda nada

Vale se você roda volume alto de texto com contexto longo e já está pagando caro num Haiku ou num modelo de fronteira. Vale se você tem um pipeline de avaliação próprio e consegue medir se o V3.2 resolve o seu caso sem confiar em benchmark genérico.

Não vale se você precisa de garantia pública de raciocínio forte — coding, agentic, raciocínio multi-etapa. O catálogo não publica nenhuma dessas notas para o V3.2, e isso não é acidental: modelo sem benchmark é modelo em que o criador preferiu não publicar, ou em que a medição ainda não fechou. Em dezembro de 2025, com o3 marcando 31,096 e Haiku 4.5 marcando 29,892 no topo, apostar no desconhecido para tarefas críticas é decisão de CTO, não de desenvolvedor.

O tabuleiro em 11 de dezembro

O catálogo tem mais de 304 modelos listados, 46 criadores diferentes, e 34 modelos lançados nos últimos 30 dias. O V3.2 entra nesse bolo dez dias depois do lançamento, sem preço de entrada agressivo o suficiente para forçar o resto do mercado a mexer — mas com a combinação de contexto largo + cache barato que costuma ser onde DeepSeek briga.

O Haiku 4.5 segue como referência de qualidade por dólar no segmento pequeno. O o3 segue como teto de capacidade. O V3.2 entra como aposta de volume: barato, longo, sem nota.

O que você faz com isso amanhã

Se você roda um produto com contexto longo e fatura API no fim do mês, rode o V3.2 contra o seu próprio eval antes de migrar. Se você roda tarefas curtas e já tem Haiku, a economia não paga o risco. E se você está escolhendo modelo para um agente novo do zero, comece pelo Haiku 4.5 — benchmark publicado é benchmark publicado, e o V3.2 ainda não deu esse passo.