Alibaba sube 230% el precio de DeepSeek V4 Flash

Qué pasó: Alibaba sube 230% el precio de salida de DeepSeek V4 Flash 0731

El precio de salida de DeepSeek V4 Flash 0731 pasó de US$0,40 a US$1,32 por millón de tokens de una noche a otra, un salto del 230% que Alibaba aplicó sin comunicado de prensa. El costo de entrada más que se duplicó: de US$0,20 a US$0,44 por millón de tokens.

El dato no viene de un anuncio oficial, sino del catálogo de precios de LLM que Stork AI mantiene consultando precios de lista de primera parte todos los días. La razón importa para cualquier founder: los laboratorios rara vez emiten un comunicado cuando encarecen sus servicios.

Ese mismo rastreo detectó 17 movimientos de precios distintos en una sola jornada. Mistral subió sus modelos Ministral 3B y 8B un 150% y un 50% respectivamente. El Qwen3.6 35B-A3B de Alibaba subió 52% en salida. La única jugada agresiva a la baja vino de Zhipu AI, que recortó GLM-5V-Turbo un 85%.

Para quien corre estos modelos en volumen, el número no es una anécdota: un aumento del 230% en tokens de salida convierte una funcionalidad rentable en un loss leader de un día para otro.

¿Por qué los laboratorios están subiendo los precios de API?

La subida de Alibaba no ocurre en el vacío. Es la continuación de un movimiento que DeepSeek ya había iniciado: según adtmag.com, el 16 de agosto de 2026 la compañía implementó una estructura nueva con tarifas de hora pico y hora valle. La salida de V4-Flash pasó de US$0,28 a US$0,66 por millón de tokens en valle y US$1,32 en pico; la de V4-Pro, de US$0,87 a US$1,98 en valle y US$3,96 en pico.

Las horas pico se definen en horario de Beijing (01:00–04:00 y 06:00–10:00 UTC), lo que deja 17 de cada 24 horas en tarifa reducida. En la práctica, el reloj se volvió una variable económica.

Hay dos fuerzas detrás. La primera es demanda real. Según TechTimes, los datos de uso de OpenRouter de la semana del 28 de julio al 3 de agosto mostraron 28,13 billones de tokens servidos por modelos chinos frente a 4,38 billones de modelos estadounidenses, la decimocuarta semana consecutiva de liderazgo chino. Servir ese volumen a precios planos dejó de ser viable.

La segunda es el calendario de capital. El mismo reporte señala que DeepSeek ya trabaja con asesores contables y bancarios para una salida a bolsa en China continental, con un posible filing a fines de 2026, y que negocia una segunda ronda privada con una valoración pre-money de al menos 480.000 millones de yuanes (unos US$71.000 millones), un 37% por encima de la valoración de su primera ronda externa, cerrada en junio de 2026. Los números que un prospecto debe defender ante inversionistas no son los mismos que los de una tabla de precios promocional.

Vale una advertencia sobre la ventaja de costo: eWeek recogió, citando al South China Morning Post, que Artificial Analysis estimaba el costo de V4-Flash en unos US$0,03 por tarea frente a US$3,15 de Claude Fable 5 de Anthropic. Esa brecha, según el propio medio, no desaparece todavía, pero depende cada vez más de cómo esté diseñada la aplicación. El mismo medio recuerda que el precio agresivo de DeepSeek empujó a ByteDance y Tencent a bajar sus propias tarifas.

¿Quién gana y quién pierde con el fin del cómputo subsidiado?

El resto del tablero de esa jornada cuenta la misma historia desde otro ángulo.

• SF Compute ejecutó una venta de cómputo de US$245 millones. Si se cierran transacciones de nueve cifras por capacidad garantizada, el precio del procesamiento crudo no va a bajar pronto.
• NVIDIA lanzó Nemotron 3.5, un modelo de 120.000 millones de parámetros totales con solo 12.000 millones activos por token, arquitectura híbrida Mamba-Transformer con Mixture-of-Experts y decodificación especulativa nativa. Es una respuesta estructural al costo de inferencia: mantener un modelo grande sin pagar la factura completa de cómputo.
• MiniMax confirmó que su modelo stealth Space Bunny es M3.1 Flash, que según la compañía corre a un tercio del costo y tres veces la velocidad de M3. El trade-off, según evaluaciones independientes, es una tasa alta de alucinación: sirve para tareas acotadas y de alto volumen, no para razonamiento abierto.
• Meta presentó Muse Wonder Full (Max), que debutó sexto en Code Arena WebDev, y publicó el reporte técnico de Muse Glimmer, un modelo agéntico open-weight de 30.000 millones de parámetros diseñado para correr en una sola GPU de consumo.

El patrón es claro: el cómputo barato dejó de ser el punto de partida y pasó a ser una decisión de ingeniería que hay que ganarse.

¿Qué significa esto para tu startup?

Si construiste tu modelo financiero asumiendo que los precios de los modelos frontera iban a caer para siempre, ese supuesto acaba de quedar obsoleto. La buena noticia es que las palancas para defender el margen existen y son técnicas, no comerciales.

Primero, deja de medir costo por millón de tokens. Según adtmag.com, un modelo más barato que necesita varios intentos o muchos más tokens para completar una tarea puede terminar costando más. La métrica útil es el costo por tarea completada, y esa solo la conoces si instrumentas tus propios flujos.

Segundo, el caché dejó de ser una optimización y pasó a ser infraestructura crítica. TechTimes reporta que los aumentos en tokens de entrada con cache-hit llegaron hasta el 1.100% en algunos niveles, según InfoWorld, y que la tasa de acierto de caché de DeepSeek ronda el 98% frente a una norma de industria cercana al 90%, según Greyhound Research. Si tu aplicación reenvía el mismo contexto en cada llamada, cada punto de acierto de caché es dinero.

Tercero, el reloj es una palanca. Las cargas asíncronas —análisis de código, evaluaciones, procesamiento de documentos— pueden correr en horario valle sin afectar a ningún usuario. La tarifa pico es el doble de la valle.

Acciones concretas para esta semana

• Audita tus tres números. Separa tu consumo en entrada cacheada, entrada sin cachear y salida. Sin ese desglose, cualquier cálculo de impacto es una suposición.
• Reordena tus prompts. Instrucciones de sistema estables al inicio, contexto variable al final. Es la forma más barata de subir la tasa de acierto de caché.
• Mueve el batch a horario valle. Si tu producto no es interactivo, no hay razón para pagar tarifa pico.
• Prueba enrutamiento multi-modelo. Manda razonamiento complejo al modelo caro y tareas simples al barato, pero valida con evaluaciones propias antes de confiar en el cambio.
• Documenta tu exposición a un solo proveedor. La subida de Alibaba demuestra que el precio de un modelo puede cambiar sin aviso y reescribir tu modelo financiero de un día para otro.

Conclusión

La era de la inteligencia subsidiada se está cerrando, y no con un comunicado sino con una tabla de precios actualizada en silencio. Los laboratorios están estableciendo su poder de fijación de precios y trasladando el costo real de la inferencia a quien la consume.

Los ganadores de esta transición no serán los que encuentren el modelo más barato, sino los que traten la eficiencia de tokens como una métrica de rendimiento de primera clase: caché agresivo, contextos cortos, cargas programadas y una arquitectura que no dependa de un solo proveedor. La factura ya está en camino. La pregunta es si te agarra con las palancas ya instaladas.

Fuentes

• Stork AI Daily — Alibaba hikes DeepSeek V4 Flash 0731 output prices by 230% (fuente original)
• DeepSeek Raises API Prices, Putting Developers' AI Economics to the Test — adtmag.com
• DeepSeek V4 API Prices Quadruple at Peak: What Developers Pay Starting Now — TechTimes
• DeepSeek Plans Major API Price Hike: Is Its Low-Cost Edge Disappearing? — eWeek