El precio es el primer impacto
DeepSeek V4.1-Flash-1017, una actualización del 17 de octubre para su familia rápida y optimizada en costos V4.1-Flash, llegó solo cinco semanas después de su predecesor. Esta iteración cuenta con una ventana de contexto de un millón de tokens y admite entradas tanto de texto como de imagen, posicionándolo como un modelo versátil y de alto rendimiento.
Las tarifas de API del modelo son excepcionalmente bajas: 0,30 dólares por millón de tokens de entrada y 1,20 dólares por millón de tokens de salida. Esto contrasta fuertemente con modelos insignia como Claude Opus, que pueden costar de 15 a 20 veces más. Para las empresas que despliegan agentes de codificación o gestionan flujos de trabajo de IA de gran volumen, estos ahorros se acumulan drásticamente, convirtiendo los costos operativos de prohibitivos a prácticos.
DeepSeek también publica pesos abiertos para V4.1-Flash-1017 bajo la licencia permisiva MIT en Hugging Face. Esto permite a los desarrolladores descargar, modificar e integrar el modelo en productos comerciales sin incurrir en tarifas de licencia. Aunque se permite el despliegue local, el tamaño sustancial del modelo (reportado entre 550 mil millones y 700 mil millones de parámetros) exige un hardware significativo, creando una barrera para muchos usuarios a pesar de su naturaleza de código abierto.
Puntuaciones de agente sólidas, con asteriscos
Los benchmarks reportados por DeepSeek presentan un panorama impresionante para su modelo V4.1-Flash-1017. La empresa afirma un rendimiento sólido en tareas de agentes, incluyendo un 77% en DeepSWE v1.1 (una prueba de resolución de problemas de ingeniería de software) y un 60,5% en Automation-Bench (que evalúa flujos de trabajo empresariales de extremo a extremo). Estas cifras, junto con resultados sólidos en otras evaluaciones de codificación y agentes, lo posicionan competitivamente frente a modelos establecidos.
Sin embargo, la tabla comparativa publicada por DeepSeek, aunque destaca sus fortalezas, también revela áreas donde queda por detrás de sus competidores. Por ejemplo, el modelo obtiene puntuaciones más bajas que Claude Opus en pruebas que requieren razonamiento complejo, como Humanity’s Last Exam y Terminal-Bench, que evalúa la codificación en terminal. También se queda atrás en pruebas de construcción de repositorios, lo que sugiere que sobresalir en tareas discretas impulsadas por herramientas no se traduce automáticamente en liderazgo en razonamiento general o creación integral de proyectos.
Fundamentalmente, estos son benchmarks reportados por la empresa, no veredictos independientes. Los gráficos de DeepSeek comparan V4.1-Flash-1017 frente a modelos rivales seleccionados y generaciones anteriores, como Claude Opus 5 y GPT-5.6-Sol. Esta comparación selectiva significa que los resultados no reflejan necesariamente el rendimiento frente a los modelos más recientes y capaces disponibles hoy en día. Aunque impresionantes, estas puntuaciones no afirman que DeepSeek supere a los mejores modelos actuales en todos los ámbitos.
La ganga conlleva compensaciones reales
Las gangas a menudo conllevan costos ocultos, y DeepSeek V4.1-Flash-1017 no es una excepción, a pesar de sus impresionantes puntuaciones de agente. Las evaluaciones independientes presentan una imagen más matizada, revelando compensaciones en la inteligencia bruta y una precisión factual ocasional.
Artificial Analysis, un benchmark independiente respetado, sitúa a DeepSeek V4.1-Flash-1017 en su Intelligence Index con una puntuación de 45. Aunque es un resultado sólido en diversas tareas (incluyendo trabajo de oficina, codificación de agentes y programación científica), queda por detrás de sistemas de frontera líderes como Claude Opus 5.5 (58) y GPT-6-Astra (53). Sin embargo, su costo por tarea sigue siendo excepcionalmente atractivo, a menudo menos de un cuarto de dólar.
Una debilidad significativa reportada radica en su tendencia a la alucinación. La evaluación de Omniscience encontró que DeepSeek V4.1-Flash-1017 frecuentemente proporciona respuestas sin fundamento, incluso cuando tiene un buen desempeño en bucles de agentes estructurados. Esto requiere una verificación rigurosa para la investigación basada en hechos o la toma de decisiones de alto riesgo, independientemente de la eficiencia aparente del modelo. Puede encontrar más detalles sobre los modelos de DeepSeek en el DeepSeek Official Website.
Las demostraciones de los usuarios destacan la rentabilidad del modelo, pero también su dependencia de la tarea. Una comparación de programación mostró que DeepSeek producía resultados similares a los de un modelo más costoso por una fracción del costo. Por el contrario, una prueba de animación simple mostró que otro modelo de bajo costo superaba a DeepSeek. Esta variabilidad subraya que la elección óptima del modelo depende en gran medida de la complejidad de la tarea y la metodología de evaluación.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
Por qué Washington —y el mercado— están observando
La presión estratégica aumenta a medida que el modelo abierto, capaz y económico de DeepSeek desafía la economía de API cerrada y premium favorecida por las empresas de IA de EE. UU. Los desarrolladores obtienen un mayor control sobre el despliegue y los datos, cambiando el panorama competitivo.
Informes en video afirman que el gobierno de EE. UU. ordenó eliminar DeepSeek de las computadoras civiles federales y que un hacker lo utilizó para vulnerar más de 100 empresas. Estas afirmaciones, si se verifican de forma independiente, sugieren una creciente preocupación política con respecto al origen del proveedor, distinta de la evidencia directa de intrusión inducida por el modelo.
DeepSeek puede ser una opción atractiva para cargas de trabajo de programación y agentes sensibles a los costos. Los compradores deben probar su rendimiento en tareas específicas, evaluar rigurosamente los requisitos de privacidad y seguridad, y comparar los costos totales de alojamiento, no solo los precios de los tokens. Este modelo ejemplifica el cambio acelerado del mercado hacia una IA accesible y de alto rendimiento.
Preguntas frecuentes
¿Qué es DeepSeek V4.1-Flash-1017?
Es un modelo DeepSeek actualizado de pesos abiertos diseñado para tareas rápidas y de menor costo de texto, imagen, programación y agentes.
¿Cuánto cuesta usar DeepSeek V4.1-Flash a través de su API?
El precio citado es de $0.30 por millón de tokens de entrada y $1.20 por millón de tokens de salida, con descuentos adicionales fuera de las horas pico.
¿Puede cualquiera ejecutar DeepSeek localmente?
Los pesos con licencia MIT se pueden descargar y modificar, pero el modelo es grande y normalmente requiere un hardware multi-GPU sustancial para ejecutarse.
¿Es DeepSeek mejor que Claude Opus?
Tiene un desempeño sólido en algunos puntos de referencia de programación y agentes, pero los resultados independientes y otras pruebas muestran que no iguala consistentemente a los principales modelos propietarios.