DeepSeek V4.1-Flash-1017: más agentes a menor costo

DeepSeek-V4.1-Flash-1017: qué cambió en esta actualización

DeepSeek publicó en Hugging Face una actualización de su modelo DeepSeek-V4.1-Flash-1017, que la propia compañía describe como un ajuste menor sobre V4.1-Flash pero que mueve de forma notable las métricas que más importan a quien construye agentes: razonamiento, código, tareas agénticas y visión.

El detalle que más debería interesar a un founder no es el salto en un benchmark aislado, sino la combinación: el modelo mejora y, al mismo tiempo, reduce el tiempo de ejecución de tareas y la longitud de salida. Menos tokens generados por tarea, con igual o mejor calidad, es una reducción directa del costo por tarea, que es la métrica que realmente aparece en tu factura.

Los pesos están publicados bajo licencia MIT, lo que permite descargarlos, modificarlos y ejecutarlos en infraestructura propia.

Los números: dónde mejora y dónde sigue lejos

La tabla comparativa que acompaña al modelo contrasta la versión 1017 con la V4.1-Flash anterior y con rivales como K3 de Moonshot, GLM-5.3, GPT-5.6 Sol de OpenAI y Opus 5 de Anthropic. Los avances más marcados frente a la versión previa:

• Terminal-Bench 4.0: 42.3 frente a 31.2. Mide tareas autónomas en línea de comandos y se ejecuta con el harness de Claude Code.
• ProgramBench: 29.1 frente a 20.3.
• Apex Bench v1.1: 72.1 frente a 64.6.
• DeepSWE v1.1: 77.0 frente a 74.2, con el harness Mini-SWE-V2.
• Automation-Bench v1.0.6: 60.5 frente a 54.8.
• Agents' Last Exam: 35.4 frente a 31.8.
• HLE sin herramientas: 42.6 frente a 36.8.
• Chartography con herramientas: 83.0 frente a 78.9.
• BabyVision con herramientas: 92.5 frente a 89.6.

El patrón es claro: las mejoras más grandes están en los benchmarks de ejecución de tareas (terminal, repositorios, automatización), no en los de conocimiento puro. En HLE sin herramientas, la versión 1017 queda en 42.6 mientras Opus 5 marca 56.3. En ProgramBench, 29.1 contra 37.0 del modelo de Anthropic. DeepSeek se acerca en lo operativo y sigue por detrás en razonamiento académico y en algunas tareas de software complejas.

Son cifras publicadas por DeepSeek. The Next Web señaló al cubrir el lanzamiento de V4.1-Flash que no las verificó de forma independiente, y TechRepublic advirtió lo mismo. Trátalas como punto de partida para tu propia evaluación, no como verdad absoluta.

Por qué el ahorro real no está en el precio por token

El argumento de eficiencia de esta familia de modelos se apoya en la caché KV, la memoria que el modelo guarda de lo ya procesado. Según The Next Web, V4.1-Flash necesita 890 bytes por token, alrededor de un cuarto de lo que requería V4-Flash. TechRepublic, citando a SCMP, precisa que la huella bajó de 3.514 a 890 bytes por token.

Para un agente que encadena llamadas a herramientas, esa diferencia se traduce en más sesiones concurrentes sobre el mismo hardware. Y en precio: The Next Web reporta que, en horario valle, un millón de tokens de salida cuesta US$0.60 y la entrada cacheada US$0.003, con tarifas dobles en horario pico. TechRepublic menciona entrada cacheada desde 0,02 yuanes por millón de tokens en horario valle. Bloomberg Intelligence, citado por The Next Web, calculó el recorte en hasta un 32%.

El contexto importa: según The Next Web, ese recorte llega un mes después de que DeepSeek cuadruplicara sus precios al lanzar un rival de Claude Code. Cuando la compañía previsualizó la familia V4, TechCrunch reportó que V4 Flash costaba US$0.14 por millón de tokens de entrada y US$0.28 de salida. Y la firma retiró su modelo insignia: desde el 14 de septiembre, las peticiones a V4-Pro se redirigen a V4.1-Flash y se facturan a tarifas Flash, según The Next Web y TechRepublic.

¿Qué significa esto para tu startup?

Tres implicaciones concretas.

La economía de los agentes cambia de eje. Si tu producto ejecuta flujos largos con muchas llamadas a herramientas, el costo dominante no es el precio por millón de tokens sino cuántos tokens y cuánto tiempo consume cada tarea. Un modelo que genera salidas más cortas puede abaratar tu operación sin que toques una línea de código.

El open source con licencia MIT es una palanca de control. Puedes correr el modelo en tu propia infraestructura, algo que importa si manejas datos de clientes regulados o si tu margen depende de no pagar por token. El costo se traslada a GPUs y a tu equipo de infraestructura.

La presión de precios es global. Según The Next Web, las acciones de MiniMax y Z.ai cayeron más de 8% en Hong Kong el día del anuncio y Alibaba retrocedió más de 2%, con datos de Bloomberg. Cuando el proveedor más barato mejora, el resto tiene que responder. Para ti, eso significa que renegociar contratos con proveedores cerrados es más razonable hoy que hace seis meses.

Cómo evaluar la migración antes de comprometerte

• Corre tu propio set de tareas, no benchmarks públicos. Arma 20 o 30 tareas reales de tu producto, las que ya usas en producción, y mide tasa de éxito, latencia y tokens de salida por tarea. La tabla del modelo no dice nada sobre tu caso.
• Ojo con el formato de prompt. Esta release no incluye una plantilla de chat en formato Jinja. El repositorio trae encoding.py como implementación de referencia en Python, con casos de prueba para conversaciones multi-turno, llamadas a herramientas, modo de razonamiento y contenido de imágenes intercalado. Para producción, DeepSeek publica además deepseek-recipe, librerías en Rust con bindings de Python que convierten peticiones de Messages, Chat Completions y Responses API al formato Conversation. Si tu stack depende de una plantilla estándar, esto agrega trabajo de integración.
• Verifica la compatibilidad de endpoints. Si usas V4-Flash o V4-Flash-Vision-Exp, TechRepublic señala que esos endpoints están siendo retirados y redirigidos temporalmente a V4.1-Flash. Prueba antes del cambio si tu aplicación depende de formatos de salida estables o de una versión aprobada.
• Revisa los parámetros de muestreo recomendados. El repositorio sugiere temperature 1.0, top_p 1.0, ventana de contexto de 1M tokens y max_tokens de al menos 256K. Configuraciones heredadas de otros modelos pueden degradar la calidad.

Lo que queda por verificar

Dos cosas siguen abiertas. La primera es si las mejoras se sostienen en pruebas independientes: IBTimes recuerda que en un ranking de octubre, V4.1 Flash aparecía en 39.5 en un índice de inteligencia, por detrás de Claude Haiku 5.5 (43.4) y Gemini 3.8 Flash (40.9). La segunda es el costo de V4.1-Pro, que DeepSeek aún no ha fechado.

Para un equipo pequeño, la lectura práctica es esta: la ventaja ya no está en elegir el modelo más inteligente, sino en elegir el que resuelve tu tarea al menor costo total. Esta actualización empuja esa frontera en las tareas de agentes. Vale la pena medirlo con tus propios números antes de decidir.

Fuentes

• DeepSeek-V4.1-Flash-1017 (Hugging Face) (fuente original)
• The Next Web: DeepSeek launches V4.1-Flash and retires V4-Pro
• TechRepublic: DeepSeek Launches V4.1-Flash With Lower Memory and API Costs
• IBTimes: Can DeepSeek Compete With OpenAI, Google and Anthropic?
• TechCrunch: DeepSeek previews new AI model that closes the gap with frontier models