Jev desafia DeepSeek, mas os dados não medem a latência

A promessa é forte: o Jev teria levado vantagem sobre o DeepSeek em agentes autônomos, com respostas muito mais rápidas e menor custo em tempo de execução. Mas há uma diferença importante entre o que os testes divulgados sugerem e o que a conta da API permite afirmar agora: não há, nos dados de 18 de setembro, uma medição de latência do Jev nem uma ficha comparável do modelo.

Isso muda a decisão de quem opera uma aplicação. Se você precisa de um agente que escolha ferramentas, execute etapas e responda dentro de um limite rígido de tempo, a arquitetura pode importar mais do que o tamanho bruto do modelo. Ainda assim, não dá para transformar uma demonstração em uma economia garantida na fatura.

O que os testes afirmam — e o que falta medir

Os vídeos “Deepseek tomou um pau pro jev”, de Vini — AI Coders Academy (link), e “They released an AI that refuses to write. And that’s the point (I tested Jev)”, de Matheus Battisti — Hora de Codar (link), colocam o Jev em tarefas de agentes e tomada de decisão. A pauta central é que um modelo orientado a decisões tipadas pode evitar texto desnecessário e chegar mais rápido à ação.

O ponto não é descartável. Em um agente, cada chamada extra, cada saída longa e cada rodada de validação podem aumentar o tempo total e o consumo. Um modelo que devolve uma decisão estruturada pode reduzir trabalho no runtime, especialmente quando a aplicação precisa escolher entre ferramentas em vez de redigir uma resposta extensa.

Mas os dados disponíveis não trazem o número que mais interessa para provar a vantagem: milissegundos por tarefa, chamadas necessárias, tokens consumidos ou custo total por execução. Também não há índice do Jev no Artificial Analysis nem preço correspondente no OpenRouter. Portanto, “até 10x menor” continua sendo uma alegação dos testes, não um resultado confirmado pelo conjunto de preços e índices.

DeepSeek aparece na fatura, mas com registros conflitantes

O OpenRouter registra mudanças para variantes do DeepSeek V4 Flash em 18 de setembro. Em um registro, o preço passa de US$ 0,177 para US$ 0,099 por milhão de tokens. Em outro, uma variante passa de US$ 0,14 para US$ 0,177. Há ainda uma versão Latest que aparece de US$ 0,13 para US$ 0,177 e, em outro registro, de US$ 0,177 para US$ 0,165.

A divergência impede escolher um único preço como se fosse a tarifa universal do “DeepSeek Flash”. Para quem paga a API, isso é mais relevante do que uma comparação visual em uma demonstração: o identificador exato da rota, a variante usada e o momento da consulta podem alterar o cálculo.

O mesmo dia teve movimentos grandes em outros modelos. O OpenAI gpt-oss-120b aparece de US$ 0,17 para US$ 0,60 por milhão de tokens. O DeepSeek V4 Pro 0423 aparece tanto em uma alta de US$ 1,887 para US$ 3,20 quanto em um registro posterior de US$ 3,20 para US$ 1,887. A lista também registra o GLM 5.2 de US$ 4,40 para US$ 1,56 e, depois, de US$ 1,56 para US$ 1,742.

A mensagem prática é simples: preço de catálogo não é uma propriedade fixa do modelo. É preciso registrar o identificador e conferir a tarifa efetiva antes de comparar custo por agente.

O mercado mudou, mas não valida o Jev

O catálogo reúne 604 modelos de 73 criadores. Em 18 de setembro, foram registrados dois lançamentos e 20 mudanças de preço. Entre as estreias, o Ternary Bonsai 2 27B custa US$ 0,075 por milhão de tokens de entrada e US$ 0,50 de saída, com contexto de 262.144 tokens. O GLM 5.3 FlashX custa US$ 0,37 na entrada e US$ 1,25 na saída, com contexto de 1.048.576 tokens.

No Artificial Analysis, o K2 Horizon MoVA 36B A4B estreou com índice de inteligência de 25,7. Esse número ajuda a mostrar que o índice acompanha capacidade geral, não necessariamente velocidade de decisão em um fluxo de ferramentas. Os melhores resultados de inteligência listados chegam a 53,4, com preço de US$ 20 por milhão de tokens, enquanto o melhor custo-benefício listado combina índice de 50,7 com preço de US$ 10.

Isso vale para quem está avaliando um agente em produção e quer reduzir tempo de resposta, chamadas e tokens gerados. Não muda nada, por enquanto, para quem precisa de uma comparação auditável entre Jev e DeepSeek: faltam preço do Jev, latência medida e uma execução padronizada.

O que testar antes de trocar o modelo

A comparação correta não é apenas perguntar qual modelo escreve melhor. Meça o tempo até a primeira decisão, o tempo até a conclusão, a quantidade de chamadas, os tokens de entrada e saída e a taxa de ações corretas. Rode o mesmo fluxo com as mesmas ferramentas e registre o identificador exato de cada modelo.

Também separe o custo do raciocínio do custo da ação. Um modelo pode responder rápido, mas exigir mais tentativas, falhar na seleção da ferramenta ou devolver decisões que precisam de validação adicional. Nesse caso, a latência aparente cai e o custo operacional sobe.

Até que esses números existam, o Jev deve ser tratado como candidato para um teste controlado, não como substituto comprovado do DeepSeek. A decisão prática é colocar os dois atrás da mesma interface, limitar o orçamento por tarefa e escolher pelo custo por tarefa concluída — não pela promessa de uma demonstração.