DeepSeek vale US$ 45 bi: o que isso muda para devs?

A DeepSeek, laboratório de IA chinês que sacudiu o mercado em 2025 ao lançar um modelo de linguagem treinado com muito menos poder computacional do que os concorrentes americanos, está em negociações para captar sua primeira rodada de venture capital. Em poucas semanas, a avaliação de mercado saltou de US$ 20 bilhões para US$ 45 bilhões, segundo o Financial Times e a Bloomberg.

Contexto técnico

Antes de entrar no impacto financeiro, vale entender o que fez a DeepSeek chamar tanta atenção da comunidade técnica.

LLM (Large Language Model) é um modelo de linguagem treinado em enormes volumes de texto para entender e gerar linguagem humana. GPT-4, Claude e Gemini são exemplos. Treinar esses modelos exige centenas de GPUs de ponta rodando por semanas, o que custa dezenas de milhões de dólares.

A DeepSeek conseguiu um resultado comparável gastando uma fração disso. Isso foi possível graças a otimizações na arquitetura do modelo e no processo de treinamento, técnicas como uso mais eficiente de atenção (attention mechanisms) e quantização de pesos.

Outro ponto importante: a DeepSeek é open weight, ou seja, os pesos do modelo são distribuídos livremente. "Pesos" são os parâmetros numéricos que o modelo aprende durante o treinamento, e que definem seu comportamento. Você pode baixar esses pesos direto do Hugging Face e rodar localmente ou em qualquer servidor.

# Exemplo: baixar o modelo via Hugging Face CLI
pip install huggingface_hub
huggingface-cli download deepseek-ai/DeepSeek-V3

Além disso, o modelo foi otimizado para rodar em chips da Huawei, a gigante de hardware chinesa. Isso é significativo porque os EUA restringiram a exportação de GPUs da NVIDIA para a China, e a DeepSeek encontrou uma rota alternativa viável.

Impacto para devs

Para quem escreve código no dia a dia, a movimentação da DeepSeek tem três implicações práticas:

1. Modelos baratos e poderosos continuam chegando. A competição acirrada entre labs de IA significa que você vai ter acesso a modelos cada vez melhores por preços menores, ou até gratuitos. A DeepSeek já performa bem em raciocínio e geração de código, e permanece open weight.

2. Rodar modelos localmente virou opção real. Com pesos abertos e otimização para hardware mais acessível (não só GPUs da NVIDIA), ferramentas como Ollama e LM Studio já permitem rodar versões da DeepSeek na sua própria máquina. Isso é interessante para projetos que precisam de privacidade ou que não podem depender de APIs externas.

# Exemplo com Ollama rodando DeepSeek localmente
import ollama

response = ollama.chat(
    model="deepseek-coder",
    messages=[{"role": "user", "content": "Explica o que é um decorator em Python"}]
)
print(response["message"]["content"])

3. O mercado de IA não é monopólio americano. A entrada de capital estatal chinês (o fundo China Integrated Circuit Industry Investment Fund lidera a rodada) e de gigantes como Tencent e Alibaba sinaliza que a corrida por IA é global. Para devs, isso significa mais opções de ferramentas, mais benchmarks abertos e mais pressão competitiva para inovar em eficiência.

Conclusão

A DeepSeek mostrou que não é preciso gastar fortunas para treinar um LLM competitivo. Agora, com valuation de US$ 45 bilhões e suporte de grandes investidores, o laboratório deve acelerar pesquisa e desenvolvimento. Para a comunidade de devs, a tendência é positiva: mais modelos open weight, mais eficiência de custo e mais diversidade no ecossistema de IA.

Fonte: https://techcrunch.com/2026/05/06/deepseek-could-hit-45b-valuation-from-its-first-investment-round/