DeepSeek V4 provoca debate nos EUA: Think tank afirma que fica atrás em seis meses devido a chips banidos, CEO do Vale do Silício defende inovação aberta

De acordo com o monitoramento da Dongcha Beating, Chris McGuire, um investigador sénior em China e tecnologias emergentes no Conselho de Relações Exteriores (CFR) e antigo membro do Conselho de Segurança Nacional da Casa Branca e do Departamento de Defesa, afirmou que o V4 não alterou o panorama competitivo de IA entre a China e os EUA. Ele citou o relatório original do V4, que indica que a DeepSeek admite que as suas capacidades de raciocínio estão “aproximadamente 3 a 6 meses atrás dos principais modelos”, referindo-se ao GPT-5.2 e Gemini 3.0 Pro lançados há seis meses. Ele também questionou por que o relatório do V4 revelou compatibilidade com GPUs NVIDIA e NPUs Huawei Ascend para inferência, mas não revelou os modelos específicos de GPU e os custos utilizados para o treino (V3 afirmou ter usado 2000 H800s a um custo de 5,57 milhões de dólares), sugerindo que o silêncio implica o uso de chips NVIDIA Blackwell controlados por exportação. Anteriormente, funcionários do governo dos EUA fizeram anonimamente afirmações semelhantes em fevereiro, que a NVIDIA considerou “fantasiosas”; a DeepSeek negou usar Blackwell, afirmando que o modelo foi treinado com NVIDIA H800 e Huawei Ascend 910C. Em contraste, o CEO da Replit, Amjad Masad, argumentou que, enquanto políticos e lobistas dos EUA alimentam temores de “destilação chinesa”, os cientistas chineses estão abertamente a partilhar avanços genuínos em IA. Ele referiu-se às inovações estruturais listadas nos tweets oficiais da DeepSeek, incluindo compressão de atenção a nível de token (DeepSeek Sparse Attention) e melhorias significativas na eficiência computacional de contexto longo, apontando que o poder de raciocínio de um único token do V4-Pro e o uso de cache KV em um contexto de 1 milhão são muito inferiores aos do V3.2. Masad acredita que tais inovações arquitetónicas não estão relacionadas com a destilação de dados de treino, e que todos podem beneficiar-se de desenvolvimentos de código aberto, incluindo laboratórios de todos os tamanhos nos EUA.