DeepSeek V4.1 Flash

O modelo aberto de 552B da DeepSeek para agentes de código, automação de empresas e perguntas sobre imagens, com contexto de 1M de tokens

Sobre o DeepSeek V4.1 Flash

O DeepSeek V4.1 Flash é o modelo aberto da DeepSeek para agentes de código, automação de empresas e perguntas sobre imagens. Ele tem 552 bilhões de parâmetros, dos quais 8 bilhões trabalham em cada token enquanto ele lê e 16 bilhões enquanto escreve, e guarda até 1 milhão de tokens em uma conversa

A atualização de 17 de outubro do DeepSeek V4.1 Flash marca 77,0% no DeepSWE v1.1, à frente do Claude Opus 5, com 74,0%, e 60,5% no AutomationBench contra 50,3% do Opus 5. Ele lê prints, gráficos e fotos sozinho, e a DeepSeek passou para ele o tráfego do seu modelo maior, o V4 Pro

Na Overchat AI, você pode perguntar ao DeepSeek V4.1 Flash, anexar uma foto ou um arquivo e trocar para o Claude ou o GPT-⁠6 na mesma conversa

Desenvolvedor
DeepSeek
Lançamento
17/10/2026
Janela de contexto
1M de tokens
Saída máxima
943.718 tokens
Parâmetros
552B no total, 8–16B ativos
Entrada
Texto e imagens
Saída
Texto
Raciocínio
Ajustável, de 1 a 100
Intelligence Index
33, #17 de 54 modelos
Licença
MIT
Disponível em
DeepSeek API, Hugging Face, OpenRouter, Overchat AI
Modalidades
Intelligence Index?
33
Janela de contexto?
1M de tokens
Lançamento
17/10/2026

DeepSeek V4.1 Flash vs outros modelos

O DeepSeek V4.1 Flash está em 17º lugar no Artificial Analysis Intelligence Index entre 54 modelos

Artificial Analysis Intelligence Index33#17 de 54 modelosMelhor que 68% de 54 modelos
  1. 59Claude Opus 5.5
  2. 46Kimi K3.1 Pro
  3. 36Claude Haiku 5.5
  4. 35Grok 4.7
  5. 35Hy4
  6. 34Qwen 3.8 Max
  7. 33DeepSeek V4.1 Flash
  8. 32GLM 5.3
  9. 31Gemini 3.8 Flash
  10. 29MiniMax M3.1 Flash
  • #9de 100 modelosAutomationBenchFluxos de trabalho de empresas que um agente executa em vários apps68,5%
  • #12de 37 modelosFrontierCodeMudanças de código que um agente escreve, avaliadas por estarem prontas para o merge43,7%
  • #13de 77 modelosMMMU ProPerguntas de nível universitário sobre gráficos, diagramas e fotos80,6%
  • #15de 187 modelosCritPtProblemas de física de nível de pesquisa24,0%

Fonte: Artificial Analysis

Compare o DeepSeek V4.1 Flash

DeepSeek V4.1 Flash vs Claude Opus 5

O DeepSeek V4.1 Flash pontua mais que o Claude Opus 5 em 3 de 9 benchmarks. A maior vantagem é no AutomationBench: 60.5% contra 50.3%. O Claude Opus 5 está à frente no Terminal-Bench 4.0: 51.8% contra 42.3%. O DeepSeek V4.1 Flash escreve 422 tokens por segundo, o Claude Opus 5 escreve 54

Benchmarks vencidos
DeepSeek V4.1 Flash: 3
Claude Opus 5: 6
Pontuação média
DeepSeek V4.1 Flash: 64.0%
Claude Opus 5: 64.9%
Velocidade de saída, tokens/s
DeepSeek V4.1 Flash: 422
Claude Opus 5: 54
Tempo até o primeiro token, s (escala logarítmica)
DeepSeek V4.1 Flash: 2.2
Claude Opus 5: 2.6
Claude Opus 5 à frenteDeepSeek V4.1 Flash à frente
  • AutomationBench+10.2
  • APEX-Agents 1.1+6.3
  • DeepSWE v1.1+3.0
  • Chartography−1.0
  • ZeroBench−1.0
  • BabyVision−1.6
  • NL2Repo-Bench−7.1
  • ProgramBench−7.9
  • Terminal-Bench 4.0−9.5

DeepSeek V4.1 Flash vs Kimi K3

O DeepSeek V4.1 Flash pontua mais que o Kimi K3 em 9 de 9 benchmarks. A maior vantagem é no Terminal-Bench 4.0: 42.3% contra 12.6%. O DeepSeek V4.1 Flash escreve 422 tokens por segundo, o Kimi K3 escreve 338

Benchmarks vencidos
DeepSeek V4.1 Flash: 9
Kimi K3: 0
Pontuação média
DeepSeek V4.1 Flash: 64.0%
Kimi K3: 49.4%
Velocidade de saída, tokens/s
DeepSeek V4.1 Flash: 422
Kimi K3: 338
Tempo até o primeiro token, s (escala logarítmica)
DeepSeek V4.1 Flash: 2.2
Kimi K3: 5.9
Kimi K3 à frenteDeepSeek V4.1 Flash à frente
  • Terminal-Bench 4.0+29.7
  • APEX-Agents 1.1+24.3
  • Chartography+14.9
  • AutomationBench+13.8
  • ProgramBench+11.6
  • NL2Repo-Bench+10.2
  • ZeroBench+10.0
  • DeepSWE v1.1+9.5
  • BabyVision+6.8

DeepSeek V4.1 Flash vs GLM 5.3

O DeepSeek V4.1 Flash pontua mais que o GLM 5.3 em 6 de 6 benchmarks. A maior vantagem é no APEX-Agents 1.1: 72.1% contra 56.6%. O DeepSeek V4.1 Flash escreve 422 tokens por segundo, o GLM 5.3 escreve 197

Benchmarks vencidos
DeepSeek V4.1 Flash: 6
GLM 5.3: 0
Pontuação média
DeepSeek V4.1 Flash: 58.2%
GLM 5.3: 47.9%
Velocidade de saída, tokens/s
DeepSeek V4.1 Flash: 422
GLM 5.3: 197
Tempo até o primeiro token, s (escala logarítmica)
DeepSeek V4.1 Flash: 2.2
GLM 5.3: 1.2
GLM 5.3 à frenteDeepSeek V4.1 Flash à frente
  • APEX-Agents 1.1+15.5
  • AutomationBench+11.7
  • NL2Repo-Bench+10.2
  • DeepSWE v1.1+10.1
  • ProgramBench+10.1
  • Terminal-Bench 4.0+4.4
  • Chartography—
  • BabyVision—
  • ZeroBench—

Melhor modelo por caso de uso

Pontuação média do DeepSeek V4.1 Flash e de 3 outros modelos por caso de uso

  • Código

    ?
    Média de 4 testes
    1. 1Claude Opus 559.5%
    2. 2DeepSeek V4.1 Flash54.2%
    3. 3GLM 5.345.5%
    4. 4Kimi K338.9%
  • Agentes

    ?
    AutomationBench
    1. 1DeepSeek V4.1 Flash60.5%
    2. 2Claude Opus 550.3%
    3. 3GLM 5.348.8%
    4. 4Kimi K346.7%
  • Trabalho intelectual

    ?
    APEX-Agents 1.1
    1. 1DeepSeek V4.1 Flash72.1%
    2. 2Claude Opus 565.8%
    3. 3GLM 5.356.6%
    4. 4Kimi K347.8%

Benchmarks do DeepSeek V4.1 Flash

Compare o DeepSeek V4.1 Flash com Claude Opus 5, Kimi K3 e GLM 5.3 em 9 benchmarks que medem código, agentes e trabalho intelectual

Ordem

Código

  • Terminal-Bench 4.0?DeepSeek V4.1 Flash42.3%Claude Opus 551.8%Kimi K312.6%GLM 5.337.9%42.3%−9.5
  • DeepSWE v1.1?DeepSeek V4.1 Flash77.0%Claude Opus 574.0%Kimi K367.5%GLM 5.366.9%77.0%+3.0
  • ProgramBench?DeepSeek V4.1 Flash29.1%Claude Opus 537.0%Kimi K317.5%GLM 5.319.0%29.1%−7.9
  • NL2Repo-Bench?DeepSeek V4.1 Flash68.2%Claude Opus 575.3%Kimi K358.0%GLM 5.358.0%68.2%−7.1

Agentes

  • AutomationBench?DeepSeek V4.1 Flash60.5%Claude Opus 550.3%Kimi K346.7%GLM 5.348.8%60.5%+10.2
  • Chartography?DeepSeek V4.1 Flash83.0%Claude Opus 584.0%Kimi K368.1%GLM 5.3—83.0%−1.0
  • BabyVision?DeepSeek V4.1 Flash92.5%Claude Opus 594.1%Kimi K385.7%GLM 5.3—92.5%−1.6
  • ZeroBench?DeepSeek V4.1 Flash51.0%Claude Opus 552.0%Kimi K341.0%GLM 5.3—51.0%−1.0

Trabalho intelectual

  • APEX-Agents 1.1?DeepSeek V4.1 Flash72.1%Claude Opus 565.8%Kimi K347.8%GLM 5.356.6%72.1%+6.3

Fontes: DeepSeek, card do modelo DeepSeek-V4.1-Flash-1017 (17/10/2026), DeepSeek, card do modelo DeepSeek-V4.1-Flash (10/09/2026)

Velocidade do DeepSeek V4.1 Flash

A velocidade de saída é a rapidez com que o modelo escreve (tokens por segundo, quanto maior, melhor). O tempo até o primeiro token é quanto você espera até a resposta começar (quanto menor, melhor)

Velocidade de saída e tempo até o primeiro token de 35 modelos

?Percentil
Tempo até o primeiro token, s (escala logarítmica)
Velocidade de saída, tokens/s (escala logarítmica)
Velocidade de saída e tempo até o primeiro token de 35 modelos
ModelosVelocidade de saída, tokens/s (escala logarítmica)Tempo até o primeiro token, s (escala logarítmica)
GPT-6 Luna1432.4
GPT-6.1 Terra754.3
GPT-6.1 Sol582.9
GPT-6 Astra483.2
Claude Opus 5.5881.9
Claude Opus 5542.6
Claude Opus 4.8591.3
Claude Fable 5.2842.3
Claude Sonnet 5.51021
Claude 5 Sonnet21510.5
Claude Sonnet 4.622010.8
Claude Haiku 5.51672.1
Gemini 4 Carbon16929.5
Gemini 4 Argon916
Gemini 3.8 Flash2037.5
Gemini 3 Pro27011.2
Grok 4.7818.9
Grok 4.629032
Qwen 3.8 Max8130.6
DeepSeek V4 Pro1441.1
DeepSeek V4.1 Flash4222.2
Mistral Large 42268.6
Hy421437.7
ERNIE 5.5 Flash4052.7
Muse Wonder9808.7
Muse Spark11296.2
Kimi K3.1 Pro3407.4
Kimi K33385.9
GLM 5.31971.2
Flint19412.3
Llama 4810.7
Claude 4.5 Haiku1620.9
MiniMax M31694.5
MiniMax M3.1 Flash6567.2
Kimi K2.7 Code4553.6

Teste de digitação

Todos os modelos escrevem a mesma resposta. O teste espera o tempo do modelo até o primeiro token, depois imprime o texto na velocidade de saída do modelo e mostra o tempo total

Tamanho da resposta
  • DeepSeek V4.1 Flash422 tokens/s2.2 s até o primeiro token
  • Claude Opus 554 tokens/s2.6 s até o primeiro token
  • Kimi K3338 tokens/s5.9 s até o primeiro token
  • GLM 5.3197 tokens/s1.2 s até o primeiro token

Fonte: Overchat AI, 2026-11-11

Veja como o DeepSeek V4.1 Flash responde

Exemplos de respostas do DeepSeek V4.1 Flash a 3 prompts: Renomear minhas fotos, Resolver um enigma de matemática e Escrever uma proposta. Cada resposta é a saída do modelo, sem edições

Escreva um script Python que monitore uma pasta e renomeie cada foto nova pela data em que foi tirada (pelos dados EXIF), como 2026-11-11_14-03-22.jpg. Seja breve, liste os pacotes que preciso instalar e explique em português.

DeepSeek V4.1 Flash

Pacotes necessários

bash
pip install watchdog Pillow
  • watchdog — observa a pasta em tempo real
  • Pillow — lê os dados EXIF da imagem

Script (foto_watch.py)

python
import time
from pathlib import Path
from datetime import datetime

from PIL import Image, ExifTags
from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler

PASTA = Path("./fotos")                    # pasta monitorada
EXTS = {".jpg", ".jpeg", ".png", ".tif", ".tiff", ".heic", ".webp"}


def data_exif(caminho: Path):
    """Retorna datetime do EXIF (DateTimeOriginal ou DateTime) ou None."""
    try:
        with Image.open(caminho) as img:
            exif = img.getexif()
            if not exif:
                return None
            # DateTimeOriginal (36867) e DateTime (306)
            raw = exif.get(36867) or exif.get(306)
            if isinstance(raw, bytes):
                raw = raw.decode(errors="ignore")
            if not raw:
                return None
            return datetime.strptime(raw.strip(), "%Y:%m:%d %H:%M:%S")
    except Exception:
        return None


def nome_unico(pasta: Path, base: str, ext: str) -> Path:
    """Evita sobrescrever: acrescenta _1, _2, ... se já existir."""
    destino = pasta / f"{base}{ext}"
    i = 1
    while destino.exists():
        destino = pasta / f"{base}_{i}{ext}"
        i += 1
    return destino


def renomear(caminho: Path):
    if caminho.suffix.lower() not in EXTS or not caminho.is_file():
        return

    # espera o arquivo terminar de ser copiado (até ~5 s)
    for _ in range(10):
        try:
            with open(caminho, "rb"):
                break
        except OSError:
            time.sleep(0.5)

    dt = data_exif(caminho)
    if dt is None:
        print(f"[skip] sem EXIF: {caminho.name}")
        return

    base = dt.strftime("%Y-%m-%d_%H-%M-%S")
    destino = nome_unico(caminho.parent, base, caminho.suffix.lower())

    if destino == caminho:
        return
    caminho.rename(destino)
    print(f"[ok] {caminho.name} -> {destino.name}")


class Handler(FileSystemEventHandler):
    def on_created(self, event):
        if not event.is_directory:
            renomear(Path(event.src_path))

    def on_moved(self, event):          # arquivos "arrastados" para a pasta
        if not event.is_directory:
            renomear(Path(event.dest_path))


if __name__ == "__main__":
    PASTA.mkdir(parents=True, exist_ok=True)

    # renomeia o que já está lá antes de começar a monitorar
    for f in PASTA.iterdir():
        renomear(f)

    obs = Observer()
    obs.schedule(Handler(), str(PASTA), recursive=False)
    obs.start()
    print(f"Monitorando: {PASTA.resolve()}  (Ctrl+C para sair)")
    try:
        while True:
            time.sleep(1)
    except KeyboardInterrupt:
        obs.stop()
    obs.join()

Como funciona (resumo)

  1. data_exif abre a imagem com o Pillow e busca a tag DateTimeOriginal (quando a foto foi tirada). Se não existir, usa DateTime (última modificação registrada). O formato EXIF é AAAA:MM:DD HH:MM:SS, convertido para datetime.
  2. renomear monta o nome AAAA-MM-DD_HH-MM-SS.ext. Se já existir arquivo com esse nome (duas fotos no mesmo segundo), adiciona _1, _2…
  3. Espera de segurança: ao copiar um arquivo grande, o evento "created" dispara antes da cópia terminar. O loop tenta abrir o arquivo por até ~5 s antes de ler o EXIF.
  4. Watchdog escuta on_created (novos arquivos) e on_moved (arquivos movidos para dentro da pasta). A varredura inicial no __main__ arruma o que já estava lá.
  5. Arquivos sem EXIF são ignorados com aviso — se quiser, dá para usar os.path.getmtime() como fallback.

Dica: rode com python foto_watch.py e deixe o terminal aberto; para uso permanente, transforme em serviço (systemd/launchd) ou agende com cron/Agendador de Tarefas.

Canetas são vendidas em pacotes de 7 e de 11. Qual é o maior número de canetas que não dá para comprar exatamente? Explique a resposta em poucas linhas, em português.

DeepSeek V4.1 Flash

O maior número que não pode ser comprado exatamente é 59 canetas.

Como 7 e 11 são primos entre si, vale a fórmula de Frobenius:

7 × 11 − 7 − 11 = 77 − 18 = 59.

Assim, 59 não pode ser escrito como 7a + 11b com a, b ≥ 0, mas todo número maior que 59 pode.

Sou designer freelancer. Escreva em português uma proposta de uma página para um café que quer um logo e um cardápio novos: o escopo, um cronograma de 3 semanas, três pacotes de preço e o que preciso do cliente para começar. Seja breve.

DeepSeek V4.1 Flash

Proposta — Identidade Visual e Cardápio | Café [Nome]

Objetivo: criar um logo e um cardápio novos, com visual coerente, legível e fácil de aplicar no dia a dia do café.

Escopo

  • Logo: briefing, pesquisa, 2 conceitos, 2 rodadas de ajustes, arquivos finais (SVG, PNG, PDF) e mini manual de uso (cores, tipografia e aplicações básicas).
  • Cardápio: design para impressão e versão digital, com organização de categorias, preços e destaques; até 2 rodadas de ajustes.
  • Reuniões: 2 encontros online (briefing e apresentação).

Cronograma — 3 semanas

  • Semana 1: briefing, pesquisa e apresentação dos conceitos do logo.
  • Semana 2: escolha e ajustes do logo; início do cardápio.
  • Semana 3: finalização do cardápio, ajustes finais e entrega dos arquivos.

Pacotes

Pacote Investimento Inclui
Essencial R$ 1.200 Logo com 1 conceito e 1 ajuste; cardápio de 1 página; arquivos PNG/PDF.
Recomendado R$ 1.800 Logo com 2 conceitos e 2 ajustes; mini manual; cardápio de 2 páginas; arquivos editáveis e para impressão.
Premium R$ 2.600 Logo completo + manual; cardápio de até 4 páginas; mockups de aplicação; 3 ajustes; prioridade no cronograma.

Valores de referência. Impressão, fotografia e redação de conteúdo não estão incluídos.

Para começar, preciso de:

  • Briefing respondido e logo atual, se houver.
  • Textos e preços finais do cardápio.
  • Fotos dos produtos, se forem usadas.
  • Referências visuais e formato/medida da impressão.
  • Canal de aprovação definido e feedback em até 2 dias úteis.
  • 50% de sinal para reservar a agenda; o prazo começa após o recebimento do sinal e dos materiais.

Mais prompts para testar com o DeepSeek V4.1 Flash

Em que o DeepSeek V4.1 Flash se destaca

  • Agentes de código

    O DeepSeek V4.1 Flash resolve 77,0% das tarefas reais de software do DeepSWE v1.1, mais que o Claude Opus 5, e escreve repositórios inteiros a partir de uma descrição, com 68,2% no NL2Repo-Bench

  • Automação de empresas

    O DeepSeek V4.1 Flash executa fluxos de trabalho em apps de vendas, suporte, finanças e RH, com 60,5% no AutomationBench, a maior pontuação entre os modelos com que é comparado

  • Perguntas sobre imagens

    O DeepSeek V4.1 Flash lê prints, gráficos e fotos sozinho. Ele marca 92,5% no BabyVision e 83,0% no Chartography, perto do Claude Opus 5

  • Matemática e problemas de competição

    O DeepSeek V4.1 Flash tem rating de 3.471 no Codeforces e marca 65,6% no MathArena Apex, então dá conta de matemática de olimpíada e programação competitiva

Como usar o DeepSeek V4.1 Flash na Overchat AI

Use o chat do topo desta página ou o app da Overchat AI na web, no iOS ou no Android

  1. O menu Modelos com o DeepSeek V4.1 Flash selecionado
    01

    Escolha o DeepSeek V4.1 Flash

    Ele já vem selecionado no chat desta página. No app da Overchat AI, abra a lista de modelos ao lado do campo de mensagem e selecione o DeepSeek V4.1 Flash

  2. Campo de mensagem com um arquivo anexado e um pedido
    02

    Anexe seu código ou um arquivo

    Adicione código, um documento, uma planilha ou um print e escreva o que você precisa: o resultado, o formato e o que deve continuar igual

  3. A resposta do DeepSeek V4.1 Flash e a próxima pergunta
    03

    Continue no mesmo chat

    Faça outra pergunta, peça testes ou uma versão mais curta, ou troque de modelo sem perder a conversa

Por que usar o DeepSeek V4.1 Flash na Overchat AI

Uma conta para chat, imagens e vídeo, em todos os dispositivos

O Superchat escolhido no lugar do DeepSeek V4.1 Flash: um pedido feito pelo Claude Opus 5.5 (o roteiro) e pelo Nano Banana 2.1 (o pôster)

Agente de IA Superchat

O Superchat Agent envia sua mensagem automaticamente para o modelo mais adequado à tarefa. Ele gera imagens e vídeos, usa as ferramentas de IA da Overchat AI e aprende com suas interações para melhorar com o tempo

Campo de mensagem com um PDF, uma planilha e um print de dashboard anexados, o DeepSeek V4.1 Flash selecionado e uma mensagem de voz sendo gravada

Converse com imagens e arquivos

Envie PDFs, planilhas, código e prints e pergunte ao DeepSeek V4.1 Flash sobre eles. Você também pode ditar a mensagem em vez de digitar

Uma imagem feita com o Nano Banana 2.1 e um vídeo de surfe feito com o Seedance 2.5

Vá além do texto

Gere imagens com Nano Banana e GPT Image e vídeos com Seedance e Kling na mesma conta, com os mesmos créditos do chat

A Overchat AI na web e no iPhone, e a tela do Superchat no app para iPhone

Na web e no iPhone

Comece um chat no notebook e termine no celular. O app da Overchat AI tem os mesmos modelos, e seus chats ficam em uma única conta em todos os dispositivos

Baixar na App Store

Modelos DeepSeek na Overchat AI

Compare 2 modelos DeepSeek na Overchat AI por velocidade de saída, tempo até o primeiro token e preço de uma mensagem

Modelos
Velocidade de saída, tokens/s
Primeiro token, s
Créditos por mensagem?
DeepSeek V4 Pro
144
1.1
2
DeepSeek V4.1 FlashEsta página
422
2.2
1

Fonte: Overchat AI, 2026-11-11

Conheça outros modelos

Os modelos marcados como Em breve estão chegando à Overchat AI; os outros já estão disponíveis

Saiba mais sobre modelos de IA

Todos os artigos

Pronto para testar o DeepSeek V4.1 Flash?

Faça sua primeira pergunta ou anexe um arquivo, e o DeepSeek V4.1 Flash responde no chat da Overchat AI

Conversar com o DeepSeek V4.1 Flash

Perguntas frequentes sobre o DeepSeek V4.1 Flash

Se tiver qualquer dúvida,
fale com a gente em hello@overchat.ai

O DeepSeek V4.1 Flash é o modelo de linguagem aberto da DeepSeek, lançado em 10 de setembro de 2026 e atualizado em 17 de outubro de 2026. Ele tem 552 bilhões de parâmetros, de 8 a 16 bilhões deles ativos em cada token, lê texto e imagens, guarda até 1 milhão de tokens e foi feito para agentes de código e automação de empresas

O DeepSeek V4.1 Flash 1017 é a atualização de 17 de outubro. Ele marca 77,0% no DeepSWE v1.1 contra 74,2% antes, 42,3% no Terminal-Bench 4.0 contra 31,2% e 60,5% no AutomationBench contra 54,8%, e escreve respostas mais curtas e termina as tarefas mais rápido. A Overchat AI usa a versão 1017

Sim. Os pesos do DeepSeek V4.1 Flash estão no Hugging Face sob a licença MIT, então você pode rodá-lo nos seus próprios servidores. Com 552 bilhões de parâmetros, ele precisa de várias GPUs de data center; para só conversar com ele, use-o na Overchat AI

Em tarefas de software e fluxos de trabalho de empresas, sim: o DeepSeek V4.1 Flash marca 77,0% no DeepSWE v1.1 contra 74,0% do Opus 5 e 60,5% no AutomationBench contra 50,3%. O Opus 5 é mais forte em tarefas difíceis no terminal e em programas grandes, com 51,8% no Terminal-Bench 4.0 contra 42,3% e 37,0% no ProgramBench contra 29,1%

Sim. O DeepSeek V4.1 Flash marca 74,2% no DeepSWE v1.1 contra 62,7% do V4 Pro e 54,8% no AutomationBench contra 43,2%, e a DeepSeek passou o tráfego do V4 Pro para o V4.1 Flash. Os dois modelos estão na Overchat AI

Sim. O DeepSeek V4.1 Flash lê imagens sozinho, sem um modelo de visão separado. Na Overchat AI, anexe um print, um gráfico ou uma foto e pergunte sobre ele

O DeepSeek V4.1 Flash guarda até 1 milhão de tokens em uma conversa, cerca de 750 mil palavras

Escreva sua mensagem no chat do topo desta página, anexe um arquivo se precisar e toque em Enviar. Depois de fazer login, o DeepSeek V4.1 Flash responde no chat da Overchat AI, onde você pode continuar a conversa na web, no iOS ou no Android e trocar de modelo a qualquer momento