DeepSeek vs ChatGPT: custo, qualidade e a parte que quase ninguém comenta

A resposta curta

Em raciocínio de texto, matemática e código, o DeepSeek é de fato competitivo com os modelos de fronteira do Ocidente, e custa uma fração disso para rodar via API. Não é hype: foi por isso que o setor inteiro parou para olhar quando o R1 apareceu, e é por isso que o preço de todo provedor está sob pressão desde então.

Em tudo que não é o modelo cru, o ChatGPT está na frente, e não é por pouco. Compreensão de imagem e áudio, voz, execução de código nos seus arquivos, conectores, assistentes personalizados, o ferramental para quem desenvolve, a estabilidade sob carga, a documentação, o ecossistema. Se você está escolhendo um assistente para o dia a dia, e não um modelo para construir em cima, essa diferença pesa mais do que as notas de benchmark.

Ou seja, o enquadramento honesto não é "qual é melhor". É "você está comprando um modelo ou um produto?" O DeepSeek vende um modelo muito bom muito barato. A OpenAI vende um produto com um modelo muito bom dentro. São compras diferentes.

Antes de tudo: de qual DeepSeek você está falando?

Quase toda discussão confusa sobre DeepSeek nasce de duas pessoas falando de coisas diferentes. Existem três formas distintas de usar o modelo, e elas mudam o custo, a privacidade e o que você tem direito de fazer com o resultado.

	O app e o site	A API do DeepSeek	Os pesos abertos
Custo	Grátis	Muito baixo por token	A sua própria infraestrutura
Para onde vão os seus dados	Servidores do DeepSeek	Servidores do DeepSeek	Para onde você rodar
Dá para hospedar por conta própria	Não	Não	Sim
Dá para fazer fine-tuning	Não	Não	Sim
Restrições de tema	Sim, em assuntos politicamente sensíveis	Sim	Menores, mas o comportamento treinado permanece
Bom para	Experimentar	Texto e código baratos em produção	Trabalho sensível ou regulado

A terceira coluna é a que todo mundo esquece, e é a mais interessante. O DeepSeek publica os pesos dos modelos sob licenciamento permissivo, ou seja, dá para baixar, rodar no seu próprio hardware, hospedar com um provedor da sua jurisdição e adaptar. Nenhum laboratório de fronteira ocidental faz isso com os seus melhores modelos.

A consequência prática: um time que não pode mandar dados para uma empresa chinesa ainda consegue usar o DeepSeek rodando os pesos por conta própria ou através de um provedor que os hospeda em outro lugar. Quando você lê que algum governo proibiu o DeepSeek, quase sempre a proibição vale para o app e para a API hospedada, não para os pesos.

Onde o DeepSeek é de fato competitivo

Raciocínio e matemática. A linha de raciocínio é o trabalho mais forte do DeepSeek. Em problemas difíceis de várias etapas, matemática de olimpíada e quebra-cabeças de lógica, ele fica na mesma faixa de modelos que custam muito mais para rodar. Se o seu problema tem uma resposta certa verificável, vale testar ali primeiro.

Código. Sólido para implementar, refatorar, depurar e explicar código desconhecido. Não é o melhor para raciocinar sobre bases de código gigantes, onde uma janela de contexto muito grande ajuda mais, mas é forte por dólar gasto com uma folga larga.

Raciocínio visível. Os modelos de raciocínio mostram o caminho de um jeito genuinamente útil para revisão. Quando a resposta está errada, normalmente dá para ver em qual etapa a coisa desandou, o que vale mais do que parece quando você confere o resultado em vez de confiar nele.

Custo. Esse é o destaque. O DeepSeek V3.2 é tabelado a $0,269 por milhão de tokens de entrada e $0,40 por milhão de saída, contra $5 e $30 do GPT-5.5, o que dá cerca de $0,0005 por resposta padrão contra $0,02 (índice de custo de modelos da Whizi, agosto de 2026). Os descontos de cache abrem ainda mais essa distância. Para qualquer coisa que rode em volume, isso não é uma economia pequena, é a diferença entre um recurso ser viável ou não.

Eficiência como objetivo de projeto. A parte interessante da pesquisa do DeepSeek é arquitetural: roteamento mixture-of-experts, atenção esparsa e técnicas de treinamento que chegam a resultados de fronteira sem orçamentos de fronteira. Esse trabalho foi publicado, e influenciou de forma visível como todo mundo constrói e precifica.

Onde o ChatGPT está claramente na frente

Trabalho multimodal. Dê ao ChatGPT uma captura de tela, a foto de um quadro branco, um gráfico ou uma nota fiscal digitalizada e ele dá conta bem. Os modelos de texto do DeepSeek são modelos de texto. Se o seu trabalho envolve imagens, isso sozinho já decide a escolha.

Uso de ferramentas e execução de código. O ChatGPT consegue rodar código em cima dos dados que você enviou, gerar um gráfico e te devolver o arquivo pronto. Esse fluxo, somado aos conectores com ferramentas de trabalho, é uma capacidade de produto, e nenhum modelo sozinho substitui isso.

Confiabilidade e capacidade. O serviço hospedado do DeepSeek já teve períodos visíveis de degradação e pausas de cadastro sob carga. Se você está construindo algo de que clientes dependem, o histórico de disponibilidade pesa tanto quanto a qualidade.

Ecossistema. SDKs, function calling bem documentado, integrações, respostas da comunidade para problemas obscuros e um mercado de contratação que já conhece o ferramental. Quando você esbarra em um caso estranho às duas da manhã, a chance de alguém já ter escrito sobre ele é muito maior.

Consistência de comportamento. O ChatGPT segue instruções complexas de formato e de papel com mais confiabilidade ao longo de conversas longas. O DeepSeek desvia mais, e isso aparece rápido em cargas no estilo agente, em que o mesmo prompt roda mil vezes.

Voz, geração de imagem e todo o resto. Gerar qualquer coisa além de texto é uma parte grande do que as pessoas pagam, e praticamente não faz parte da oferta do DeepSeek.

A comparação de custo, feita direito

Se você usa uma interface de chat, esta seção quase não importa: o app do DeepSeek é gratuito e a assinatura do ChatGPT fica em torno de $20 por mês. Pode pular.

Se você está construindo alguma coisa, a diferença por token se acumula rápido. Pegue uma carga realista de assistente de suporte: 2.000 tokens de entrada e 500 de saída por requisição, 50.000 requisições por mês. Isso dá 100 milhões de tokens de entrada e 25 milhões de saída. Nos preços de tabela do GPT-5.5 ($5 por milhão de entrada, $30 por milhão de saída), o mês sai por $1.250. Nos preços do DeepSeek V3.2 ($0,269 e $0,40), a mesma carga sai por cerca de $37, uma diferença de mais de 30 vezes. Mesmo depois dos cortes de preço que o próprio DeepSeek provocou no setor, a distância continua grande.

Três coisas mudam essa conta, e são justamente as que passam batido:

• Modelos de raciocínio geram muitos tokens que você nunca vê. O pensamento estendido pode ser várias vezes maior que a saída visível. Barato por token multiplicado por muito mais tokens nem sempre é barato. Meça o total de tokens, não o preço por token.
• O preço com cache pesa mais que o preço de tabela em qualquer coisa com um prompt de sistema estável. Um desconto grande na entrada repetida pode ganhar de um preço de vitrine menor.
• Vence o modelo mais barato que passa na sua avaliação. Não o melhor modelo. Monte um conjunto pequeno de entradas reais com respostas boas já conhecidas e rode nos dois. A maioria das cargas em produção não precisa de um modelo de fronteira, e você só descobre isso medindo.

Um padrão sensato para times: mande o grosso do tráfego para o modelo barato e escale para o caro quando a confiança for baixa ou a tarefa for crítica. Isso fica bem mais fácil de montar quando você não está preso à API de um fornecedor só.

Privacidade, jurisdição e censura

Isso merece ser tratado com fatos, e não como história de terror, porque são os detalhes que determinam se o assunto afeta você ou não.

Para onde vão os dados. O serviço hospedado do DeepSeek processa e armazena dados em servidores na China, e a política de privacidade diz isso com todas as letras. A lei chinesa dá às autoridades um acesso mais amplo aos dados guardados no país do que a maioria dos marcos regulatórios ocidentais. Se isso importa ou não depende inteiramente do que você está enviando. Uma pergunta sobre receita de bolo não é risco. Contratos de clientes, dados de pacientes, código não lançado ou qualquer coisa coberta pela LGPD, pelo GDPR ou por um acordo de tratamento de dados com o cliente são outra história.

Reação dos reguladores. Vários governos e órgãos reguladores restringiram o app do DeepSeek em dispositivos oficiais ou nas suas jurisdições, citando o tratamento de dados. Se a sua empresa tem processo de compras ou de revisão de segurança, espere que o serviço hospedado seja reprovado, e espere que essa decisão seja sobre jurisdição, não sobre qualidade do modelo.

Restrições de conteúdo. O serviço hospedado recusa ou desvia de assuntos politicamente sensíveis, principalmente os que são sensíveis dentro da China. Rodar os pesos abertos reduz isso, já que a camada de recusa está em parte na infraestrutura que serve o modelo, mas parte do comportamento vem do treinamento e não some por completo. Se o seu trabalho toca em história, geopolítica ou qualquer comparação entre governos, teste antes de depender disso.

A saída que realmente funciona. Use os pesos abertos através de um provedor que os hospede na sua jurisdição, ou rode você mesmo. Você mantém as vantagens de custo e de qualidade, e a questão da residência de dados simplesmente desaparece. É exatamente por isso que pesos abertos são estrategicamente importantes, e não apenas um gesto simpático.

Para uma comparação mais completa de como os grandes provedores tratam dados de conversa, retenção e opção de sair do treinamento, o nosso guia de custos de assinaturas de IA cobre o lado da compra, e as páginas de política de cada fornecedor são a fonte oficial para o resto.

Quem deve usar o quê

Seu perfil	Use	Por quê
Usuário geral do dia a dia	ChatGPT	O produto em volta do modelo é a maior parte do valor
Sensível a custo e construindo em volume	API do DeepSeek	Mais de 30 vezes mais barato para texto e código
De um setor regulado	Pesos abertos do DeepSeek, hospedados por você, ou um modelo ocidental	Residência de dados é a questão inteira
Com muita matemática ou lógica pesada	Teste os dois	O DeepSeek é realmente forte aqui e barato de experimentar
Trabalhando com imagens, áudio ou arquivos	ChatGPT	Os modelos de texto do DeepSeek não cobrem isso
Rodando um loop de agente em produção	ChatGPT, e depois otimize	No começo, consistência em seguir instruções ganha do preço
Pesquisando ou experimentando	Os dois	O custo de testar o DeepSeek é perto de zero

O padrão em que a maioria dos times acaba caindo não é um ou outro. É um modelo barato e capaz para o trabalho de volume, um modelo de fronteira para os casos difíceis e para tudo que chega ao cliente, e uma regra de roteamento entre os dois. Essa é uma arquitetura sensata, e é por isso que vale evitar ficar preso a um fornecedor só, mesmo quando você gosta dele.

Se você quer testar o raciocínio do DeepSeek contra GPT, Claude e Gemini sem abrir quatro contas e sem mandar nada para um endpoint hospedado na China, o Whizi inclui todos eles em uma assinatura só, e a diferença de custo vem junto: uma mensagem no DeepSeek V3.2 gasta 1 crédito, contra 20 no GPT-5.5. Passe o mesmo prompt por dois modelos, fique com a melhor resposta e veja como comparar modelos lado a lado para entender como isso funciona na prática.