Em junho de 2026, o SWE-bench Verified publicou um número que vai contra a narrativa do mercado: DeepSeek-V4-Pro-Max atingiu 80,6%, o mesmo patamar que Claude Code marcava com versões anteriores do Opus. Claude Opus 4.8, o modelo frontier mais acessível da Anthropic hoje, chega a 88,6%.
A diferença: 8 pontos percentuais no benchmark mais difícil de coding do mercado. O preço do DeepSeek-V4-Pro-Max: US$ 0,43 por milhão de tokens de entrada, contra US$ 5 do Claude Opus 4.8. Onze vezes mais barato.
A pergunta que importa não é qual modelo tem o score mais alto. É se esses 8 pontos valem 11x de custo no seu workflow.
O que o SWE-bench Verified realmente mede?
SWE-bench Verified é o benchmark mais próximo do trabalho real de dev que existe hoje. A metodologia: o modelo recebe um issue aberto de repositórios open source reais, Django, scikit-learn, Flask, Sympy, e precisa resolver o bug ou implementar a feature autonomamente, sem ver a solução. O teste valida se o código gerado compila e passa nas suítes de teste originais do repositório.
Não é autocomplete. Não é "explique esse código". É: conserte esse bug no repositório de produção, com as mesmas condições de um dev humano abrindo o PR.
Os números de junho de 2026, segundo MorphLLM — Best AI Model for Coding:
| Modelo | SWE-bench Verified | Preço entrada (US$/M) | Contexto |
|---|---|---|---|
| Claude Fable 5 | 95,0% | Acesso restrito* | 200k |
| Claude Opus 4.8 | 88,6% | $5,00 | 200k |
| DeepSeek-V4-Pro-Max | 80,6% | $0,43 | 128k |
| MiniMax M3 | 80,5% | $0,30 | 1M |
| Qwen3.7 Max | 80,4% | Variável | 128k |
* Claude Fable 5 teve acesso bloqueado para usuários fora dos EUA por decreto de export control americano em 12 de junho de 2026.
O padrão é claro: há um cluster de modelos open source empatados em torno de 80% (DeepSeek, MiniMax, Qwen) e um salto para os modelos frontier da Anthropic (88 a 95%). O custo sobe proporcionalmente. O DeepSeek-V4-Pro-Max é o ponto de entrada mais eficiente do cluster open source.
8 pontos de diferença valem 11x de custo?
Depende do que você faz. A maioria dos devs erra a resposta porque compara benchmarks em vez de workloads.
Os 8 pontos que separam Opus 4.8 (88,6%) do DeepSeek-V4-Pro-Max (80,6%) aparecem principalmente em tarefas de alta complexidade:
- Debug de comportamento emergente: quando o bug é consequência de interação entre múltiplos sistemas e a raiz não aparece no código em si
- Refactor arquitetural em codebase desconhecida: inferir intenção de design sem documentação, a partir do histórico de commits e de padrões implícitos
- Edge cases em linguagens menos representadas: Elixir, Rust e Zig têm presença menor no treino do DeepSeek, o que pode elevar a taxa de erro nesses stacks
Para feature development, manutenção de endpoints, escrita de testes e refactors em stack comum (Python, TypeScript, Go), a diferença de 8 pontos é imperceptível na prática. O benchmark captura os casos mais difíceis que dominam o score, não o ticket médio do sprint.
A pergunta certa: quais das tasks em que o DeepSeek falha pertencem ao seu trabalho principal? Se a resposta for "raramente", os 11x de custo extra do frontier não fazem sentido financeiro.
O problema real não é o modelo: é pagar por token em uso intenso
DeepSeek-V4-Pro-Max a US$ 0,43/M de tokens parece o cenário perfeito até você calcular uma sessão real de agente de programação.
Uma sessão de 8 horas com refactor pesado lê arquivos grandes, gera código e itera. Esse ciclo consome facilmente de 50 a 200 milhões de tokens dependendo da janela de contexto e da frequência de chamadas. A US$ 0,43/M de entrada (mais saída): de US$ 21 a US$ 86 por dia. Em 22 dias úteis, de US$ 462 a US$ 1.892 por mês.
O modelo é 11x mais barato por token. Mas pagando por token, o consumo intenso cobra a conta de qualquer forma. Modelo barato por token não é o mesmo que modelo sem cap.
Como usar o deepseek-v4-flash no Verboo Code
O Verboo Code roda o deepseek-v4-flash, variante do mesmo DeepSeek-V4, com tokens ilimitados. Sem cap de sessão, sem janela de horas, sem crédito sendo debitado a cada chamada.
# Instalar o Verboo Code
npm install -g @verboo/code@latest
# Iniciar o agente
verboo
# Abrir o seletor de modelo
/model
O /model abre o seletor interativo com os modelos disponíveis no seu plano. O deepseek-v4-flash, disponível no plano Pro (R$ 174/mês), tem janela de contexto de 1 milhão de tokens, 8x maior que os 128k do Pro-Max disponível via API direta. Isso resolve o problema de refactor de monolito que os modelos de contexto menor não absorvem inteiro sem chunking manual.
A variante flash é otimizada para inferência rápida. Em tarefas de desenvolvimento onde throughput importa mais que benchmark puro, a troca entre Pro-Max e flash costuma não aparecer na qualidade do código entregue.
A conta em reais por mês
| Opção | Custo mensal | SWE-bench base | Contexto | Cap |
|---|---|---|---|---|
| Claude Code Max ($200) | ~R$ 1.200 | 88,6% (Opus 4.8) | 200k | Janela de 5h |
| DeepSeek-V4-Pro-Max (API, uso intenso) | US$ 462 a US$ 1.892 | 80,6% | 128k | Paga por token |
| Verboo Code Pro | R$ 174 | Família DeepSeek-V4 | 1M tokens | Zero |
102 devs já estão nesse modelo. O Verboo Code chegou a R$ 14.575 de MRR com crescimento de 406%, não porque bate o Claude Opus 4.8 em benchmark puro, mas porque resolve o problema que a maioria dos devs realmente tem: usar o agente sem ficar olhando pro relógio nem pro crédito restante.
O que o DeepSeek ainda não resolve (honestidade primeiro)
Os 8 pontos de diferença existem. Aparecem em contextos específicos e é honesto nomear quais:
- Debugging de sistemas com múltiplas interdependências, onde o Claude Opus tem mais capacidade de raciocinar sobre o estado global sem perder o fio
- Tarefas arquiteturais em codebases sem documentação, onde a capacidade de inferir intenção de design a partir de padrões implícitos faz diferença real
- Código em linguagens com menor representação open source, onde modelos treinados em corpora mais amplos levam vantagem
Se o seu trabalho é principalmente nesses cenários, Claude Opus 4.8 vale os R$ 1.200/mês. Se o seu fluxo é feature development e manutenção em stack convencional, os 80,6% do DeepSeek entregam o mesmo resultado por uma fração do custo, e com 1M de contexto em vez de 128k.
Para entender como os modelos se encaixam em ferramentas completas de agente de programação, veja o comparativo Cursor vs Claude Code vs Verboo Code com SWE-bench e preço. E para a análise de custo real de cada plano frontier, o artigo Claude Code, Cursor e Copilot: a conta real do ilimitado tem os números abertos.
Quer testar esses modelos sem pagar por token? Verboo Code roda os principais open source com tokens ilimitados.
