DeepSeek: a história, os avanços e por que a IA chinesa virou protagonista global em 2026

A DeepSeek entrou no vocabulário global da inteligência artificial com a velocidade de quem chega atrasado a uma corrida… e, de repente, cruza a linha de chegada ao lado dos favoritos. Sediada em Hangzhou, na China, e fundada em 2023 por Liang Wenfeng, a empresa nasceu sob o guarda-chuva e financiamento da High-Flyer, um grupo quantitativo conhecido por operar com cultura de engenharia e apetite por computação em escala. Essa origem ajuda a explicar por que, em tão pouco tempo, a DeepSeek deixou de ser um nome “do ecossistema open” e passou a ser tratada como um laboratório capaz de pressionar a conversa mundial sobre custo, eficiência e desempenho de modelos.

O que realmente muda o jogo, porém, não é o mito — é a engenharia. A fase que colocou a DeepSeek no centro do debate veio quando ela começou a publicar modelos com uma assinatura técnica clara: escalar sem explodir custos, e tornar a inferência mais viável no mundo real. Em maio de 2024, o laboratório apresentou o DeepSeek-V2, um modelo do tipo Mixture-of-Experts (MoE) descrito como “forte, econômico e eficiente”: 236 bilhões de parâmetros no total, mas apenas 21 bilhões ativados por token, com suporte a contexto de 128 mil tokens. O texto técnico destaca escolhas como a Multi-head Latent Attention (MLA) e a arquitetura DeepSeekMoE, propostas para reduzir gargalos de cache e viabilizar throughput maior, enquanto mantém desempenho competitivo.

No fim de 2024, a DeepSeek subiu vários degraus de uma vez. O anúncio oficial do DeepSeek-V3, em 26 de dezembro de 2024, descreve um salto de escala e ambição: 671 bilhões de parâmetros MoE, 37 bilhões ativados por token, treinado em 14,8 trilhões de tokens — números que, na prática, colocam o projeto como uma aposta declarada em competir no mesmo território mental dos grandes modelos globais, mas com a narrativa de eficiência como diferencial. O relatório técnico do V3 reforça a continuidade: as ideias validadas no V2, como MLA e DeepSeekMoE, aparecem como base para sustentar o crescimento sem que a operação se torne impraticável.

A virada cultural que fez o nome “DeepSeek” circular fora da bolha técnica veio no início de 2025 com o DeepSeek-R1, apresentado como um modelo de raciocínio em que a capacidade de “pensar melhor” pode emergir ao ser incentivada por reforço — isto é, por um regime de treinamento que recompensa padrões de raciocínio, sem depender necessariamente de trajetórias humanas rotuladas para cada etapa. O artigo descreve explicitamente esse foco em reinforcement learning e discute, por exemplo, uma abordagem de otimização em grupo para tornar o RL eficiente em escala. Para o mercado, a implicação é clara: se modelos conseguem avançar em raciocínio com menos dependência de rotulagem humana intensiva, o custo e o tempo para iterar podem cair — e isso muda o equilíbrio de poder.

A DeepSeek não ficou restrita ao texto. Em janeiro de 2025, o laboratório também empurrou a fronteira multimodal com o Janus e, logo depois, com o Janus-Pro, apresentado como um framework autoregressivo que unifica compreensão e geração multimodal, com melhorias tanto em entendimento quanto em geração visual, segundo o próprio repositório do projeto e as páginas de distribuição. É o tipo de movimento que sinaliza intenção: não ser apenas “o modelo barato que surpreendeu”, mas uma stack de pesquisa completa, capaz de disputar também no terreno onde imagem e linguagem se encontram.

Em paralelo, o que transforma uma família de modelos em fenômeno global é distribuição — e aqui a DeepSeek também cruzou uma linha simbólica. Em janeiro de 2025, a Microsoft anunciou a disponibilidade do DeepSeek-R1 no Azure AI Foundry e no GitHub, apresentando-o como parte do catálogo de modelos e enfatizando a integração em ambiente enterprise, com testes e compromissos de plataforma. A Reuters tratou esse movimento como mais do que um detalhe: é um sinal de que o ecossistema corporativo quer acesso a alternativas e de que o mercado está aceitando modelos chineses como peças relevantes na disputa de infraestrutura e produto, mesmo em meio a debates recorrentes sobre privacidade, governança e origem de dados.

E o “mais atual” agora, olhando para o calendário desta semana, é que a história continua acelerando. Em 9 de janeiro de 2026, a Reuters noticiou que a DeepSeek deve lançar em meados de fevereiro seu próximo modelo de geração, chamado V4, com forte foco em programação, segundo reportagem do The Information citada pela agência. A nota menciona testes internos sugerindo desempenho competitivo em tarefas de coding e destaca um ponto que costuma separar demonstração de laboratório de utilidade real: a capacidade de lidar com prompts de código muito longos, algo crucial quando a conversa deixa de ser “um snippet” e passa a ser “um sistema”.

No pano de fundo dessa ascensão está o fato de que a DeepSeek não é uma startup “clássica” tentando sobreviver ao trimestre. A relação com a High-Flyer segue sendo observada como fonte de fôlego financeiro e computacional — e reportagens recentes apontam o desempenho do grupo e o peso simbólico que isso dá ao projeto, sugerindo que há recursos e incentivo para continuar empurrando pesquisa e infraestrutura.

O que a DeepSeek representa, no fim, é uma tese que incomoda porque funciona: em vez de depender apenas de escala bruta, ela tenta transformar eficiência em arma estratégica — MoE para ativar só parte do modelo por token, janelas longas para trabalho real, arquiteturas e truques para reduzir custos de inferência e, agora, regimes de treinamento que miram raciocínio como produto. Se o V4 cumprir parte do que vem sendo sugerido em reportagens, 2026 tende a empurrar ainda mais a DeepSeek para o centro da disputa, especialmente no território onde empresas sentem a diferença entre “modelo impressionante” e “modelo que entrega no código do mundo real”.