Imagen para ayudar a comprender el artículo
DeepSeek presentó el 17 de octubre de 2026, en hora local, su modelo DeepSeek-V4.1-Flash-1017. Según la compañía, esta versión mejora el rendimiento en pruebas de referencia, completa tareas con mayor rapidez y genera respuestas más breves que su predecesora.
Resultados en programación y agentes
En DeepSWE 1.1, una evaluación enfocada en tareas de ingeniería de software, el modelo obtuvo un 77%, frente al 74,2% de DeepSeek-V4.1-Flash. La empresa situó el costo promedio por tarea en unos US$0,20, por debajo de los aproximadamente US$0,50 atribuidos a la versión anterior.
Los resultados difundidos por DeepSeek —presentados como imágenes y no como tablas— colocan al nuevo modelo por encima de Claude Opus 5, GPT-5.6-Sol, Kimi K3 y GLM 5.3 en comparaciones de programación y trabajo con agentes. Los modelos rivales analizados tendrían costos de entre US$2 y más de US$10 por tarea.
En otras pruebas, DeepSeek-V4.1-Flash-1017 alcanzó un 60,5% en AutomationBench y un 72,1% en Apex Bench, frente al 50,3% y el 65,8%, respectivamente, de Opus 5.0. Wu Yu, responsable de posentrenamiento de DeepSeek, afirmó que el lanzamiento marca la entrada en una era de programación guiada por intenciones y democratizada. El modelo utiliza una caché KV de 890 bytes por token.
Estas cifras deben interpretarse con cautela: todavía no hay suficientes evaluaciones independientes, los benchmarks no describen por sí solos el rendimiento general y la calidad del código percibida por los desarrolladores puede diferir de los resultados publicados.
Las mediciones independientes muestran matices
BenchLM otorgó al modelo una puntuación global de 65,61 sobre 100 en su actualización del 17 de octubre de 2026, lo que lo ubicó en el puesto 35 entre 954 modelos. Entre sus resultados figuran 90,6% en Terminal-Bench 2.1, 88,1% en CyberGym, 68,9% en AA AutomationBench, 77% en DeepSWE, 68,2% en NL2Repo, 90,9% en GPQA/GPQA-D y 84% en AA-LCR. También registró 3471 puntos en Codeforces y 67,368% en los niveles 1 a 3 de FrontierMath v2.
La clasificación de BenchLM sitúa a DeepSeek V4 Pro 0813 en 63,19 puntos y a V3.2 en 50,2. Sin embargo, existe una discrepancia en Apex: BenchLM informa un 65,6% para el nuevo modelo, mientras otra comparación difundida le atribuye un 72,1%.
Vals AI todavía no mostraba una página de evaluación específica para la versión 1017. La anterior DeepSeek V4.1 Flash había obtenido allí un índice de 51,32% ± 1,13, suficiente para ocupar el puesto 26 entre 49 modelos.
Acceso por API y tarifas
DeepSeek-V4.1-Flash-1017 está disponible mediante el identificador deepseek-flash de la API. El modelo admite un contexto de un millón de tokens, una salida máxima de 384.000 tokens y un límite de 2.500 procesos simultáneos. Por separado, deepseek-v4-pro continúa conectado a DeepSeek-V4-Pro-0813.
Por cada millón de tokens, la entrada con acierto de caché cuesta US$0,003 en horario de baja demanda y US$0,006 en horario congestionado. Sin acierto de caché, las tarifas son de US$0,15 y US$0,30, respectivamente. La salida cuesta US$0,60 fuera de las franjas de mayor demanda y US$1,20 durante ellas.
El horario congestionado se aplica de lunes a viernes entre las 01:00 y las 04:00 UTC y entre las 06:00 y las 10:00 UTC. Las llamadas a las herramientas Search y Fetch del servidor serán gratuitas hasta el 31 de octubre de 2026 a las 16:00 UTC; después costarán US$0,75 por cada mil solicitudes exitosas.
Disponibilidad y límites conocidos
El modelo puede utilizarse en el sitio web, la aplicación y la API de DeepSeek. Sus pesos abiertos también fueron publicados en Hugging Face y ModelScope, con optimizaciones para DeepSeek Harness desde la versión 0.2.1-rc.1, además de Tencent CodeBuddy y WorkBuddy.
La versión anterior se basaba en una arquitectura de mezcla de expertos con 552.000 millones de parámetros y un módulo de memoria condicional de 196.000 millones. Activaba 8.000 millones de parámetros durante la fase de procesamiento inicial y 16.000 millones durante la generación, con contexto de un millón de tokens y capacidades nativas de visión.
Aunque aquel modelo superó por poco a Claude Opus 5 y GPT-5.6 Sol en DeepSWE v1.1, quedó por detrás de Claude en Terminal-Bench 3.0 y 4.0. DeepSeek también había advertido sobre posibles caídas de rendimiento en situaciones no probadas, errores de atención dispersa, mayor consumo de tokens con el nivel máximo de razonamiento y la necesidad de revisar los prompts al migrar entornos de producción. El lanzamiento ocurre además mientras se informa que el Gobierno chino estudia endurecer las reglas para publicar modelos de pesos abiertos o incluso impedir su difusión.
Comentarios
Publicar un comentario