El V4.1-Flash, más barato, supera al modelo Pro de DeepSeek en tareas de agentes

DeepSeek publicó DeepSeek-V4.1-Flash el 10 de septiembre de 2026, y la frase más relevante del anuncio no tenía que ver con el tamaño del modelo, sino con la afirmación de que su modelo más barato actual supera a su propio buque insignia en el trabajo que más importa a quienes construyen agentes. La afirmación es lo bastante inusual como para comprobarla de cerca, y las primeras pruebas independientes la respaldan en buena medida, con algunas excepciones importantes.

Lectura relacionada: El V4 Pro de DeepSeek es su mejor modelo, y, de lejos, el más caro · El Gemini 3.8 Live de Google razona en voz alta mientras habla.

El nuevo modelo es un sistema de mezcla de expertos de 552.000 millones de parámetros construido sobre un nuevo diseño de codificador-decodificador causal. DeepSeek afirma que solo activa 8.000 millones de parámetros al leer la entrada y 16.000 millones al generar la salida, una división pensada para cargas en las que el prompt es grande y la respuesta corta. Acepta imágenes de forma nativa, tiene una ventana de contexto de un millón de tokens y puede emitir hasta 384.000 tokens. El nombre del modelo en la API es deepseek-flash, y los pesos pueden descargarse bajo licencia MIT.

Qué ha lanzado DeepSeek

El lanzamiento, anunciado en el sitio de DeepSeek y replicado en su registro de cambios de la API, sustituye por completo a la anterior línea V4-Flash. La compañía retiró V4-Flash y V4-Flash-Vision-Exp, y después mantuvo vivos los identificadores antiguos como alias de compatibilidad que dirigen al nuevo modelo.

Especificaciones clave, según las publicó DeepSeek:

• 552.000 millones de parámetros, mezcla de expertos, con una base de 552.000 millones.
• 8.000 millones de parámetros activos para la entrada y 16.000 millones para la salida, repartidos entre un codificador de 20 capas y un decodificador de 20 capas.
• Contexto de 1 millón de tokens y una salida máxima de 384.000 tokens.
• Entrada de imágenes nativa (JPEG, PNG, GIF, WebP). V4 Pro no acepta imágenes.
• ID de modelo deepseek-flash, con pesos bajo licencia MIT descargables en Hugging Face.
• Caché KV de unos 890 bytes por token, que según DeepSeek es una cuarta parte del uso de HBM de V4-Flash y una octava parte de su almacenamiento en SSD.

La arquitectura es la razón del precio bajo. Un agente de programación o de investigación dedica la mayor parte de sus tokens a releer contexto: un repositorio, un prompt de sistema, un historial de herramientas que no deja de crecer. Activar menos parámetros durante esa fase de entrada reduce el cómputo, y una caché más pequeña abarata mantener ese contexto residente. Las notas de la versión de DeepSeek señalan que los cargos por aciertos de caché «suelen representar una buena parte de los costes de los agentes», así que la compañía fija el precio del modelo en torno a la parte de la factura que su arquitectura reduce.

La lista de precios y la brecha de la caché

DeepSeek mantuvo la estructura de horas punta y valle que introdujo en agosto, e hizo efectivas las nuevas tarifas a las 04:00 UTC del 10 de septiembre. Según la página oficial de modelos y precios, las tarifas valle por millón de tokens son 0,003 $ para la entrada con caché, 0,15 $ para la entrada sin caché y 0,60 $ para la salida. Las tarifas punta son exactamente el doble, y las horas punta van de lunes a viernes de 01:00 a 04:00 UTC y de 06:00 a 10:00 UTC. Los fines de semana se mantienen en valle todo el día.

La cifra llamativa es la diferencia de 50 veces entre un acierto y un fallo de caché en la entrada. En la mayoría de las facturas de API, las lecturas con caché son un error de redondeo. Aquí marcan la diferencia entre una carga barata y una cara. TechBriefly hizo un ejemplo ilustrativo: un prefijo reutilizable de 500.000 tokens reutilizado en 100 peticiones, es decir 50 millones de tokens de entrada con caché, costaría unos 0,15 $ en V4.1-Flash en valle, frente a unos 15 $ en Kimi K3 y 25 $ en Claude Opus 5 según las tarifas publicadas de lectura de caché. Son comparaciones de tarifa de lista, no facturas medidas, y dan por hecho que la caché acierta.

Frente a V4 Pro, V4.1-Flash es más barato en todas las partidas. V4 Pro lista 0,022 $ para la entrada con caché, 0,66 $ para la entrada sin caché y 1,98 $ para la salida en valle. Flash es, por tanto, entre tres y cuatro veces más barato, con la mayor diferencia en los aciertos de caché. Los dos modelos también se diferencian en rendimiento: V4.1-Flash admite un límite de concurrencia de 2.500, mientras que el de V4 Pro es de 500.

La retirada que DeepSeek anunció y luego canceló

El precio no es el único motivo por el que el lanzamiento atrajo atención. Cuando DeepSeek lanzó V4.1-Flash, dijo que retiraría gradualmente V4 Pro y que, a partir de las 04:00 UTC del 14 de septiembre, dirigiría cada petición a deepseek-v4-pro hacia V4.1-Flash con las tarifas de Flash. El plan no sobrevivió al contacto con los usuarios.

DeepSeek ha cambiado de rumbo desde entonces. Su página de precios activa señala ahora: «Atendiendo a la demanda de los usuarios, hemos decidido seguir prestando servicios de API para DeepSeek V4 Pro después del 14 de septiembre de 2026, sin cambios en el método de facturación». V4 Pro conserva su propio ID de modelo, sus propias tarifas y su límite de concurrencia de 500 peticiones. Se ha mencionado un futuro modelo V4.1 Pro, pero sin fecha.

La inversión interesante no es que un modelo más barato haya mejorado. Es que un buque insignia dejó de merecer la pena a precios de buque insignia.

El giro creó un registro dividido en internet. Varios medios publicaron explicaciones basadas en el aviso original y todavía describen el 14 de septiembre como una migración forzosa, a veces en presente. La propia documentación de DeepSeek y los rastreadores independientes que la revisaron de nuevo, incluido LLM Data Hub, se han actualizado al aviso de continuidad. La posición actual correcta es la de la página de precios de DeepSeek: V4 Pro sigue disponible, facturado exactamente igual que antes, y la compañía añade que «proporcionará más aviso si hay algún cambio».

Dónde gana y dónde va por detrás

La evaluación independiente aún es escasa, porque el modelo solo tiene unos días, pero los primeros resultados son coherentes.

El índice Vals, gestionado por la firma de evaluación Vals AI, sitúa a V4.1-Flash en un 57,86 % global, lo que según la firma lo convierte en el modelo de pesos abiertos número uno y en el decimoquinto de 56 modelos en total. Supera por poco a Kimi K3 (57,81 %) y cuesta 0,30 $ por prueba frente a 6,47 $, y termina las tareas en menos de la mitad del tiempo. Vals también lo coloca primero entre los modelos de pesos abiertos en su prueba de migración de código y primero de 34 en SkillsBench.

Kilo Code, que realiza evaluaciones de agentes de programación, informa de un 75,3 % en Terminal-Bench 2.0 para V4.1-Flash, con un coste medio de 2,58 $ por intento de la prueba.

Las cifras de la propia DeepSeek, que deben leerse como declaradas por el proveedor, sitúan Terminal-Bench 2.1 en 90,6, DeepSWE v1.1 en 74,2, GPQA Diamond en 90,9 y HLE entre 36,8 y 39,1 según el subconjunto. Esas cifras principales llevan una advertencia que el informe técnico hace explícita: los resultados dependen del andamiaje que rodea al modelo. El mismo modelo obtuvo 90,6 en Terminal-Bench 2.1 con el arnés mínimo de DeepSeek y 88,0 con Claude Code.

El panorama no es de superioridad uniforme. V4 Pro sigue por delante en GPQA Diamond (92,4 frente a 90,9) y en el subconjunto HLE de solo texto (42,7 frente a 39,1). Frente a los modelos cerrados más potentes, la brecha se amplía. En Terminal-Bench 4.0, un resumen independiente de las tablas publicadas sitúa a V4.1-Flash en 31,2 y a Claude Opus 5 en 51,8. En HLE, se atribuye a Opus 5 un 56,3. V4.1-Flash es un modelo de agentes barato y rápido, no un razonador de frontera, y la decisión de DeepSeek de mantener V4 Pro reconoce que el equilibrio no es el mismo para todas las cargas.

Pesos abiertos y el hardware que la gente usa de verdad

Los pesos son abiertos bajo MIT, y la comunidad se movió rápido. Hugging Face lista docenas de cuantizaciones comunitarias, y al menos un grupo informa de que sirve el modelo completo de 552.000 millones en cuatro máquinas NVIDIA DGX Spark en paralelo de tensores, a unos 77 tokens por segundo en un solo flujo y más de 200 tokens por segundo agregados en seis flujos en un análisis comparativo. Eso es terreno de aficionados y equipos pequeños, no una referencia de producción. La memoria n-gram Engram independiente de 203 GB debe leerse del disco en lugar de mantenerse en la memoria de la GPU, y eso es lo que permite que el checkpoint quepa en cuatro máquinas con 128 GB de memoria unificada cada una.

El autoalojamiento aún tiene asperezas. El lanzamiento no incluye una plantilla de chat Jinja, y DeepSeek proporciona en su lugar una implementación de codificación de referencia y recomienda una biblioteca Rust aparte para el formateo de prompts en producción. Los recuentos de parámetros también invitan a la confusión: DeepSeek describe una base de 552.000 millones, el informe técnico menciona un componente Engram de 196.000 millones y la página de Hugging Face lista 763.000 millones de parámetros. La compañía no ha conciliado las tres cifras. Los números de parámetros activos, 8.000 y 16.000 millones, describen el cómputo por token, no la memoria necesaria para almacenar y servir el modelo.

Advertencias y qué vigilar

Conviene hacer algunas advertencias antes de tratar V4.1-Flash como opción por defecto.

• Las pruebas son recientes y en parte las aporta el proveedor. Vals y Kilo son evaluadores independientes creíbles, pero sus pruebas tienen días y Vals mide una única configuración por defecto. Tu propia carga de trabajo es la única prueba que se traslada.
• El precio punta puede duplicar la factura. Las cifras baratas de valle dan por hecho que puedes organizar tu trabajo alrededor de las mañanas de días laborables en UTC. Los agentes en tiempo real no siempre pueden esperar a que se cierre la ventana.
• Los aciertos de caché no son automáticos. El almacenamiento en caché de DeepSeek es de mejor esfuerzo y exige una coincidencia exacta de prefijo. Un modelo que parece casi gratis en una demostración puede costar mucho más cuando el orden del prompt o los prefijos propios de cada cliente cambian en cada llamada.
• La hoja de ruta es incierta. La retirada cancelada de V4 Pro demuestra que DeepSeek aún decide cómo se relacionan sus capas. Quien dependa de un ID de modelo concreto debería tratarlo como un blanco móvil.

Lo más importante es lo que V4.1-Flash dice sobre hacia dónde se dirige la competencia entre modelos. Durante dos años el argumento fue que los mejores modelos cuestan más. Una capa flash que supera a la capa pro de su propio proveedor, a una fracción del precio, en el trabajo repetitivo que llena la mayoría de las tuberías de agentes, sostiene que la lucha por la capacidad es cada vez más una lucha por el coste por tarea completada. Son buenas noticias para quien paga la factura. Y recuerda que la factura depende tanto de cómo diseñes los prompts y la caché como del nombre del modelo que invoques.

Portada: ilustración del logotipo de DeepSeek de RoadMaster19 (CC BY 4.0) vía Wikimedia Commons.