A Intel parece ter encontrado uma alternativa bastante lucrativa para a crise de chips. A gigante passou a vender processadores que, em condições normais, seriam descartados como lixo eletrônico. Essa situação é similar ao que acontece no universo dos Grandes Modelos de Linguagem (LLMs), onde um modelo antes considerado "defeituoso" ou "problemático" subitamente encontra um caminho para o sucesso. No caso do DeepSeek V4 Pro, a história era de um LLM promissor — mas que, em testes práticos, encontrava um obstáculo técnico. Agora, ele não só superou os desafios como avançou nas classificações, impulsionado por uma solução engenhosa: o chamado DeepClaude.
Para quem acompanha os benchmarks de LLMs para programação, o desempenho do DeepSeek V4 Pro era inconsistente. Ele estava no Tier B com uma nota de 69/100 e, pior, era praticamente impossível de avaliar em cenários multiagente. O modelo simplesmente apresentava um bug de protocolo persistente, já detalhado em análises anteriores. A boa notícia é que esse problema técnico chegou ao fim. Uma solução inesperada elevou o DeepSeek do limbo direto para o Tier A, atingindo impressionantes 89/100.
Essa pontuação o coloca em um patamar muito respeitável, apenas abaixo de potências como o Opus 4.7, GPT 5.4/5.5 e o Kimi K2.6. Mas o que tornou essa reviravolta possível? A chave está no DeepClaude, um "shim" de shell que, de forma simplificada, contorna as limitações anteriores e permite que o DeepSeek V4 Pro demonstre todo o seu potencial. Este é um capítulo fascinante na evolução dos LLMs, que mostra como a criatividade de desenvolvedores pode resgatar modelos e redefinir rankings.
A jornada do DeepSeek nos benchmarks de codificação
A história do DeepSeek V4 Pro nos testes de codificação não teve um final feliz imediato. O experimento de benchmark, iniciado em abril, revelou que o modelo enfrentava desafios consideráveis. Inicialmente, durante a comparação de cerca de 20 modelos trabalhando em uma tarefa complexa (Rails 8 + RubyLLM + Hotwire + Tailwind + testes Minitest), o DeepSeek ainda não era o protagonista que se revelaria. Nesse primeiro panorama, buscava-se entender quem conseguiria realmente rivalizar com o Claude Opus.
Em uma segunda fase, a tentativa de orquestração multi-modelo — onde um "planner" mais robusto (Opus) delegaria tarefas a subagentes mais acessíveis (Kimi, Qwen, GLM, DeepSeek) — mostrou-se infrutífera. Os modelos mais "fortes" preferiam executar a tarefa sozinhos, resultando em zero delegações para o DeepSeek e outros. A complexidade de ter diferentes modelos trabalhando em conjunto ainda era um grande desafio.
O cenário ficou mais claro na terceira etapa, que consolidou um ranking com 23 modelos e uma rubrica padronizada de 0 a 100 pontos, divididos em 8 dimensões, com tiers A, B, C e D. Foi ali que o DeepSeek V4 Pro obteve seu 69/100, um Tier B. A questão era que, embora o código RubyLLM estivesse correto, faltavam elementos essenciais, como um arquivo docker-compose.yml funcional e a auditoria de pacotes. Ou seja, o produto final não estava completo, apesar de ter a base certa.
O quarto e decisivo artigo analisou a viabilidade de combinar dois modelos (um planner e um executor). A conclusão foi pragmática: para a tarefa específica de Rails, o Opus 4.7 sozinho superou todas as combinações multi-modelos. Mas, o mais significativo para o DeepSeek foi a documentação pública do seu "protocolo de incompatibilidade". Segundo a análise:
A história do DeepSeek até esse ponto era assim: solo no opencode entrega 69/100 Tier B (código RubyLLM correto, mas com README stock, sem
docker-compose.yml, sem bundle-audit). Em qualquer cenário multi-turn no opencode, a API rejeita o turno 2 com"reasoning_content must be passed back to the API".
Essa limitação significava que o DeepSeek V4 Pro era fundamentalmente incompatível com qualquer framework baseado em ai-sdk. Para que funcionasse plenamente, seria necessário usar a API diretamente ou um adaptador personalizado. A boa notícia, como veremos, é que esse adaptador chegou e mudou o cenário.
DeepClaude: a solução que resgatou o DeepSeek
A descoberta que mudou o panorama para o DeepSeek V4 Pro foi a existência de um "harness" customizado e pronto para uso: o DeepClaude. Basicamente, o DeepClaude é um shim de shell para o Claude Code, o CLI da Anthropic. Sua função é trocar o endpoint que o Claude Code consulta. Enquanto o Claude Code, por padrão, se comunica com api.anthropic.com e espera o formato específico da Anthropic (Messages API com system, messages, tools, etc.), o DeepClaude age como um intermediário inteligente.
Ele define algumas variáveis de ambiente antes de invocar o Claude Code, redirecionando as requisições para um endpoint alternativo. Isso inclui:
-
ANTHROPIC_BASE_URL: o endpoint alternativo. -
ANTHROPIC_AUTH_TOKEN: o token para autenticação nesse novo endpoint. -
ANTHROPIC_DEFAULT_OPUS_MODEL: que modelo usar como padrão.
A genialidade do DeepClaude reside em sua capacidade de traduzir o protocolo. Ele simula o comportamento da API da Anthropic, mas, por baixo dos panos, o DeepClaude transforma as requisições para que sejam compreendidas pelo DeepSeek. É uma ponte de comunicação que permite ao DeepSeek processar o reasoning_content que antes era "strippado" pelo ai-sdk, evitando o erro de "400 Bad Request".
Por meio dessa "adaptação" de protocolo, o DeepSeek V4 Pro, que antes falhava em cenários multi-turn, finalmente consegue participar de interações complexas sem ser desativado ou precisar ser substituído por "agentes de fallback" como o Opus 4.7. O DeepClaude oferece uma solução elegante para um problema que parecia uma barreira intransponível, mostrando que interoperabilidade e flexibilidade são cruciais no ecossistema de LLMs.
O impacto do DeepClaude no ranking de LLMs
Com o DeepClaude e a capacidade de "traduzir" os comandos para o DeepSeek, o modelo não apenas resolveu seus problemas de comunicação, mas também exibiu uma performance que o catapultou para o Tier A. Antes, a pontuação de 69/100 refletia uma "autoria mista" — parte do trabalho era feita pelo DeepSeek, mas o Opus 4.7 acabava complementando as lacunas. Agora, com 89/100, a autoria é majoritariamente do DeepSeek V4 Pro, refletindo seu verdadeiro potencial.
Essa elevação não é apenas um número; ela representa a validação de que o DeepSeek V4 Pro possui capacidades robustas para lidar com tarefas de programação. Sua capacidade de gerar código RubyLLM correto com os complementos necessários (como docker-compose.yml e auditoria de pacotes) o torna uma ferramenta muito mais completa. A comunidade de desenvolvedores e engenheiros de IA agora tem mais uma opção de altíssimo nível, especialmente para projetos que exigem a complexidade e a nuance de cenários multi-agente.
Essa virada do DeepSeek é um lembrete importante de que, no cenário dinâmico dos LLMs, as aparências podem enganar. Um problema de protocolo que parecia ser um impedimento foi resolvido com uma camada de abstração inteligente, revelando um modelo de alto desempenho. Para quem busca otimizar a criação de software com IA, ter mais um competidor forte no Tier A significa maior concorrência, o que historicamente leva a produtos melhores e a custos mais acessíveis.
O futuro dos benchmarks de LLMs
A ascensão do DeepSeek V4 Pro serve como um estudo de caso fascinante sobre como a superação de barreiras técnicas pode redefinir o valor e a posição de um LLM no mercado. Não é raro que modelos poderosos fiquem aquém de seu potencial por questões de interoperabilidade ou por detalhes de implementação. O DeepClaude provou que, muitas vezes, a resposta não está em redesenhar o modelo do zero, mas em criar as "pontes" certas para que ele se comunique de forma eficaz com o ecossistema existente.
A questão que se impõe agora é: quantos outros LLMs podem estar subutilizados devido a problemas semelhantes? A adoção de "shims" e adaptadores como o DeepClaude pode se tornar uma prática comum para liberar o verdadeiro poder de modelos variados. Isso significa que o cenário de benchmarks pode continuar a mudar rapidamente, com modelos que hoje são considerados medianos potencialmente subindo de categoria amanhã, uma vez que suas peculiaridades de protocolo sejam entendidas e adaptadas.
O caso DeepSeek V4 Pro é mais um capítulo na história da inteligência artificial aplicada à programação, mostrando que o desenvolvimento não se limita a arquiteturas complexas, mas também à engenharia de integração e à capacidade de fazer diferentes sistemas digitais conversarem de forma coesa. O futuro dos benchmarks de LLMs parece prometer mais reviravoltas e surpresas que podem alterar a percepção de quais modelos realmente entregam o melhor resultado.