Desenvolvedores descobriram três novos identificadores de modelos no repositório oficial do Harness da DeepSeek no GitHub: deepseek-v5, deepseek-v5-open e deepseek-v5-next. Atualmente, a DeepSeek não anunciou o modelo V5, e esses registros são placeholders de teste no código, e não modelos disponíveis.
Ao verificar o repositório, foi constatado que esses identificadores estão em um arquivo de teste para o provedor de contas DeepSeek, especificamente no arquivo packages/llm/llm-deepseek-account/tests/provider.spec.ts, nas linhas 154–156, ao lado da entrada existente deepseek-v4-pro. O histórico do repositório mostra que eles foram adicionados em um commit de 24 de setembro, que moveu o diretório de modelos da conta DeepSeek para a lista oficial de modelos.
O cenário de teste verifica como o cliente filtra os modelos por requisito de versão: a entrada v5-open exige uma versão mínima do cliente 0.0.1, enquanto v5-next exige 99.0.0-alpha.1, e o teste espera que apenas os modelos flash e v5-open apareçam na lista. Isso indica a possibilidade de alternar para um novo modelo do lado do servidor do Harness, seja para todos os clientes ou apenas para aqueles que atualizaram, sem a necessidade de lançar uma nova versão. No entanto, isso não confirma a existência do modelo V5 nem seu cronograma de lançamento, e alguns desenvolvedores consideram esses nomes meros placeholders de teste. Até 28 de outubro, a DeepSeek não publicou nenhum anúncio, cartão de modelo ou identificador de API para a série V5.
A oferta atual de modelos inclui V4-Pro e V4.1-Flash; este último foi lançado em setembro com uma nova arquitetura, mantendo o nome V4.
Na mesma semana, um novo resultado de benchmarking foi apresentado para o modelo atual. A Artificial Analysis lançou o Intelligence Index v5, que é a maior atualização desde o lançamento do v4 em janeiro, com 60% do peso agora baseado em conjuntos de dados de teste fechados ou respostas ocultas. O codificação representa 25% do índice, e desses 15 pontos, FrontierCode 2.0 da Cognition corresponde a 132 tarefas reais de código aberto que avaliam se os repositórios acompanhantes aprovariam o pedido de fusão.
Na plataforma FrontierCode 2.0, o modelo DeepSeek V4.1-Flash-1017 alcançou 28% com esforço máximo, sendo o maior resultado entre os modelos com pesos lançados. Kimi K3.1 Pro obteve 25,5%, mas seus pesos completos ainda não estão disponíveis. Gemini 4 Argon atingiu 25,7%, e GPT-6 Luna — 25,2%.
O índice geral foi menos favorável. DeepSeek V4.1-Flash obteve 32 pontos, empatando com GLM-5.3, enquanto o líder, Claude Opus 5.5, recebeu 58 pontos. A Artificial Analysis observa que a lacuna entre o melhor modelo aberto com pesos lançados e o líder da tabela aumentou de 3 pontos sob v4.3 para 12 pontos sob v5.
