OpenAI corta gpt-oss-120b em 77,3%, mas DeepSeek divide o Flash

Se você usa modelos em produção e consegue processar tarefas fora do tempo real, a mudança mais importante desta sexta-feira é direta: o gpt-oss-120b em lote caiu de US$ 0,60 para US$ 0,136 por milhão de tokens. A redução é de 77,3%, segundo os preços listados no OpenRouter.

A DeepSeek também cortou preços da família V4 Flash, mas a história é menos uniforme. O V4 Flash 0423 passou de US$ 0,156 para US$ 0,098 por milhão em 25 de setembro, queda de 37,1%. Na versão V4 Flash 0731, o corte de 24 de setembro foi de 50%, de US$ 0,64 para US$ 0,32.

O resultado é uma queda relevante para quem roda classificação, extração, geração de dados ou avaliações em grande volume. Mas não é uma redução geral de todos os modelos Flash — e nem todos os preços caíram.

O corte que muda a conta do batch

O gpt-oss-120b é o caso mais agressivo. No modo batch, o preço listado caiu US$ 0,464 por milhão de tokens em relação ao valor anterior. Em uma operação que envia dezenas ou centenas de milhões de tokens, essa diferença altera a escolha de arquitetura: tarefas que antes exigiam otimização pesada podem passar a caber em um modelo maior, ou o mesmo orçamento pode cobrir mais processamento.

A palavra decisiva é “batch”. O desconto está associado à variante openai/gpt-oss-120b:batch, não ao modelo como uma categoria indistinta. Se você precisa de resposta imediata para uma conversa, uma consulta interativa ou uma etapa síncrona de um agente, não deve presumir que o preço em lote se aplica ao caminho normal da API.

Também não há, entre os dados disponíveis, uma mudança de capacidade, contexto ou nota de benchmark associada a esse corte. O que mudou foi o preço listado. Para decidir uma migração, ainda é necessário testar qualidade, latência e comportamento no seu fluxo.

DeepSeek corta, mas o catálogo mostra versões em sentidos opostos

O nome V4 Flash reúne entradas diferentes. A versão 0423 caiu duas vezes em sequência antes do corte de 25 de setembro: de US$ 0,177 para US$ 0,156 em 24 de setembro e, depois, para US$ 0,098. Já a versão 0731 caiu de US$ 0,64 para US$ 0,32 no dia anterior.

Isso impede uma leitura simples de que “o DeepSeek V4 Flash ficou 50% mais barato”. A afirmação só vale para o V4 Flash 0731. Para o V4 Flash 0423, a redução registrada em 25 de setembro é de 37,1%, embora o preço final seja menor.

A família V4.1 Flash reforça a necessidade de conferir o identificador exato antes de recalcular a fatura. A versão caiu de US$ 0,60 para US$ 0,50 em 23 de setembro e de US$ 0,50 para US$ 0,42 em 24 de setembro. Porém, outra alteração registrada em 24 de setembro mostra o preço subindo de US$ 0,42 para US$ 0,60, alta de 42,9%. O mesmo nome, portanto, aparece com movimentos diferentes nas listagens.

Quem ganha e quem não muda de modelo

A vantagem é maior para quem tem filas de trabalho tolerantes a atraso: processamento noturno, reprocessamento de documentos, geração de variações, testes automatizados e tarefas de back-office. Nesses casos, o batch pode reduzir o custo unitário sem exigir que cada resposta seja entregue imediatamente.

Se você paga por inferência síncrona, o corte do gpt-oss-120b em lote não muda automaticamente a sua fatura. O mesmo vale para quem usa uma versão específica do DeepSeek que não aparece entre as reduções. A economia também não substitui uma comparação de qualidade: o índice do Artificial Analysis registrou a estreia do DeepSeek V4.1 Flash (Non-Reasoning) com nota de inteligência de 24,7 e preço de US$ 0,525 por milhão, mas esse registro não é uma atualização de benchmark das versões barateadas citadas acima.

O cenário do dia inclui 20 mudanças de preço, além de sete lançamentos e três estreias no índice. Há sinais de competição intensa por volume, mas também de preços que se movem em direções opostas em pouco tempo. Para quem compra API, o nome comercial não basta: versão, modalidade e data entram no cálculo.

O que conferir antes de trocar a rota

Primeiro, compare o identificador completo do modelo, incluindo o sufixo de batch. Depois, refaça a conta com a proporção real entre entrada e saída da sua aplicação; o valor listado por milhão não informa sozinho quanto cada requisição custará. Por fim, teste uma amostra representativa antes de transferir tráfego, porque a queda de preço não comprova ganho de qualidade.

A decisão prática é separar filas síncronas das assíncronas. Se o trabalho pode esperar, o gpt-oss-120b batch merece uma nova simulação imediatamente; se não pode, os cortes do V4 Flash só valem quando a versão exata e o preço aplicável coincidirem com o seu fluxo.