O governo dos EUA afirma que os melhores modelos de IA da China ficaram para trás. Especialistas não têm tanta certeza

Com a Instrução Normativa 1.888/2022 da Receita Federalista e a recente regulamentação do mercado de criptoativos (Lei 14.478/2022), movimentos do mercado global impactam diretamente quem opera no Brasil. Fique cauteloso a:

• Tributação: Operações supra de R$ 35 milénio/mês têm incidência de IR (15-22,5%)
• Exchanges reguladas: Priorize plataformas registradas na CVM para maior segurança jurídica
• Adoção institucional: Bancos e fintechs brasileiras ampliam oferta de cripto para clientes
• Autocustódia: Entenda a diferença entre deixar em exchange vs. carteira própria (hardware wallet)

Um instituto do governo dos EUA publicou o seu veredicto sobre a IA mais poderosa da China: há oito meses de tardada e, quanto mais o tempo passa, maior se torna a diferença. A internet leu a metodologia e começou a fazer perguntas.

CAISI – o Núcleo de Padrões e Inovação de IA, uma unidade dentro do NIST –divulgou sua avaliação do DeepSeek V4 Pro em 1º de maio. A peroração: o carro-chefe de peso lhano do DeepSeek “está murado de 8 meses detrás da fronteira”.

A CAISI também o considera o protótipo chinês de IA mais capaz que já avaliou até o momento.

O sistema de pontuação

O CAISI não calcula a média das pontuações de benchmark uma vez que a maioria dos avaliadores faz. Em vez disso, aplica a Teoria de Resposta ao Item – um método estatístico de testes padronizados – para prezar a capacidade latente de cada protótipo, rastreando quais problemas ele resolve e quais não resolve, em nove benchmarks em cinco domínios: segurança cibernética, engenharia de software, ciências naturais, raciocínio abstrato e matemática.

As pontuações Gavinha estimadas pelo IRT: GPT-5.5 com 1.260 pontos, Claude Opus da Anthropic 4.6 com 999. DeepSeek V4 Pro pontua em torno de 800 (± 28), o que é muito próximo do GPT-5.4 mini com 749. No sistema CAISI, DeepSeek fica mais próximo da antiga geração de GPT mini do que do Opus.

O sistema de pontos na pontuação dos benchmarks modela a forma uma vez que os testes padronizados pontuam os alunos – não pela percentagem bruta de acertos, mas pela ponderação dos problemas que resolvem e dos que falham, produzindo uma estimativa de pontos que só significa um pouco em relação a outros modelos na mesma avaliação. Quanto mais pontos, melhor é o protótipo em termos gerais, sendo a melhor pontuação do protótipo o ponto de referência para ver a capacidade de um protótipo.

É impossível reproduzir os resultados do CAISI porque dois dos nove benchmarks não são públicos e é nesses dois benchmarks que a diferença é maior. Por exemplo, GPT-5.5 obteve pontuação de 71% no CTF-Archive-Diamond, um dos testes de segurança cibernética do CAISI, com DeepSeek registrando murado de 32%.

Nos benchmarks públicos, o quadro muda. GPQA-Diamond – raciocínio científico em nível de doutorado, pontuado uma vez que porcentagem correta – colocou o DeepSeek em 90%, um ponto detrás dos 91% do Opus 4.6. Os benchmarks das olimpíadas de matemática (OTIS-AIME-2025, PUMaC 2024, SMT 2025) colocam o DeepSeek em 97%, 96% e 96%. No SWE-Bench Verified – correções reais de bugs do GitHub, pontuadas uma vez que porcentagem resolvida – DeepSeek marcou 74% contra 81% do GPT-5.5. O próprio relatório técnico do DeepSeek afirma que o V4 Pro corresponde ao Opus 4.6 e ao GPT-5.4.

Para verificação de custos, o CAISI filtrou qualquer protótipo dos EUA que teve desempenho significativamente pior ou custou significativamente mais por token do que o DeepSeek. Exclusivamente um protótipo ultrapassou a barreira: GPT-5.4 mini. Essa é toda a fronteira dos EUA, filtrada em uma única ingressão.

O DeepSeek saiu mais barato em 5 dos 7 benchmarks, superando até mesmo o protótipo de IA mais ínfimo e menos capaz da OpenAI.

O contra-argumento: a diferença é maior ou menor?

Criticar a metodologia do CAISI não justifica totalmente o DeepSeek. O desenvolvedor de IA sob o pseudônimo Ex0bit recuado diretamente: “Não há ‘vazio’ e ninguém está 8 meses procrastinado. Fomos monitorados em cada queda fechada nos EUA e flexionados com pesos abertos.”

O Índice de Lucidez de Estudo Sintético v4.0 – um sistema de classificação que rastreia a lucidez do protótipo de fronteira em 10 avaliações – mostra OpenAI perto de 60 pontos e DeepSeek na morada dos 50 em maio de 2026, muito mais compactado do que há um ano.

Com base em benchmarks padronizados, a sua metodologia mostra que a diferença está, na verdade, a diminuir.

Quando o DeepSeek surgiu pela primeira vez em Janeiro de 2025, a questão era se a China já tinha restaurado o tardada. Os laboratórios dos EUA se esforçaram para responder. Stanford Índice de IA de 2026—lançado em 13 de abril—relata que a diferença na tábua de classificação da Estádio entre Claude Opus 4.6 e o ​​Dola-Seed-2.0 Preview da China está diminuindo, separados agora por somente 2,7%.

A CAISI planeja lançar um cláusula mais completo sobre a metodologia IRT em um horizonte próximo.