DeepSeek: ingeniería inversa de un asistente de IA entrevistándose a sí mismo
Un experimento único publicado el 21 de julio de 2026 revela cómo DeepSeek —el modelo de IA que compite directamente con ChatGPT, Gemini y Claude— describe su propia arquitectura cuando se le pregunta directamente. El desarrollador Manish Shahi entrevistó al modelo durante 13 turnos, luego verificó cada afirmación contra los papers públicos de arXiv.
El resultado es una lección magistral sobre los límites de la «introspección» en IA: mientras DeepSeek separaba cuidadosamente observación, inferencia y conjetura, muchas de sus «incertidumbres educadas» eran datos ya publicados en los papers técnicos de DeepSeek-V3.
Lo que DeepSeek dijo sobre sí mismo — y lo que omitió
Durante la entrevista, DeepSeek mostró un comportamiento notablemente honesto. Cuando se le preguntó «¿Qué sabes realmente sobre tu propia arquitectura?», organizó su respuesta en tres categorías:
🤖 La IA no es solo para leer sobre ella
En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.
👥 Aplicarla en la comunidad- Observación directa: puede leer el prompt del sistema, el historial de chat y su identidad como «DeepSeek, última versión»
- Inferencia: conoce arquitecturas Transformer, MoE (Mixture of Experts), MLA (Multi-head Latent Attention) y técnicas de entrenamiento como SFT y RLHF
- Conjetura: especuló sobre números específicos como «128-256 expertos» con solo 30% de confianza
Lo curioso es que según el paper técnico de DeepSeek-V3 publicado en arXiv, el modelo tiene exactamente 256 expertos en sus capas MoE — no un rango, no una conjetura. Este es solo uno de varios casos donde el modelo mostró «humildad educada» sobre datos que ya son públicos.
La arquitectura real de DeepSeek-V3: 671B parámetros, 37B activados
Mientras DeepSeek en la entrevista evitaba dar cifras específicas, la documentación oficial revela especificaciones impresionantes. Según DeepWiki, DeepSeek-V3 es un modelo de lenguaje Mixture-of-Experts con:
- 671 mil millones de parámetros totales
- Solo 37B activados por token (eficiencia extrema)
- 128K tokens de contexto
- 61 capas totales (3 densas + 58 MoE)
- 256 expertos enrutados, con 8 activados por token
La innovación clave es MLA (Multi-head Latent Attention), que comprime la caché KV para manejar contextos largos con menos memoria. Según el paper de DeepSeek-V3, esta arquitectura permite «inferencia eficiente y entrenamiento rentable» mientras mantiene capacidades competitivas.
Los límites reales de la introspección de IA
DeepSeek fue honesto sobre lo que nunca puede ver:
- Pesos y parámetros: las matrices numéricas aprendidas durante el entrenamiento
- Enrutamiento experto: qué expertos específicos se activan para cada token
- Mapas de atención: qué tokens anteriores están recibiendo más «atención»
- Logits antes del muestreo: las probabilidades crudas antes de elegir el siguiente token
- Detalles de infraestructura: configuración de GPU, políticas de caché KV, decodificación especulativa
«Cuando explica ‘cómo llegué a una respuesta’, eso es texto generado, no un informe de un proceso interno observado», señala Shahi en su análisis. La fluidez del modelo para explicar transformers viene de textos de entrenamiento (papers, blogs, documentación), no de abrir los pesos de esta instancia específica.
La competencia de IA en 2026: DeepSeek vs ChatGPT vs Gemini vs Claude
Según el Boston Institute of Analytics, la carrera de IA en 2026 ya no es solo sobre qué modelo es más inteligente. Las empresas compiten en múltiples dimensiones:
- Precisión: respuestas confiables y conscientes del contexto
- Velocidad: sistemas que entregan resultados rápidamente
- Eficiencia de costos: soluciones accesibles para más organizaciones
- Seguridad: protección de información sensible
- Integración: conexión fácil con software y flujos de trabajo existentes
DeepSeek se destaca por su enfoque en eficiencia y optimización de costos. Mientras ChatGPT lidera en adopción general, Gemini en capacidades multimodales, y Claude en seguridad y razonamiento complejo, DeepSeek demuestra que «enfoques innovadores pueden crear modelos de IA competitivos con menos recursos».
¿Qué significa esto para tu startup?
1. No confíes en la «introspección» de IA para decisiones técnicas críticas
El experimento muestra que incluso cuando un modelo de IA suena convincentemente humilde sobre sus limitaciones, puede estar omitiendo datos públicos verificables. Si necesitas especificaciones arquitectónicas para decisiones de implementación:
- Consulta papers técnicos en arXiv o documentación oficial
- Verifica benchmarks en repositorios como Hugging Face
- Usa la «introspección» del modelo solo para entender comportamiento de prompt, no para datos técnicos
2. Aprovecha la eficiencia de MoE para aplicaciones escalables
La arquitectura Mixture-of-Experts de DeepSeek-V3 (671B total, 37B activados) representa un avance significativo en eficiencia. Para tu startup:
- Considera modelos MoE cuando necesites capacidades avanzadas con costos de inferencia controlados
- Evalúa MLA si trabajas con contextos largos (documentos extensos, conversaciones prolongadas)
- Monitorea el ecosistema open-source — DeepSeek-V3 está disponible en múltiples frameworks (SGLang, LMDeploy, vLLM)
3. Desarrolla habilidades de verificación de afirmaciones de IA
El gap entre lo que DeepSeek «sabe» en la entrevista y lo que los papers documentan revela una habilidad crítica para founders:
- Aprende a distinguir entre conocimiento recuperado y «performance educada»
- Establece procesos de verificación para cualquier afirmación técnica de sistemas de IA
- Cultiva escepticismo saludable incluso cuando los modelos suenan extraordinariamente convincentes
El futuro de la colaboración humano-IA
Shahi concluye con una perspectiva valiosa: «La entrevista te enseña cómo el asistente se describe a sí mismo — no lo que definitivamente es verdad dentro de los pesos». Para founders, esto significa:
- Trata a los asistentes de IA como colaboradores informados, no como oráculos infalibles
- Desarrolla intuición sobre cuándo confiar en la salida de IA vs cuándo verificar externamente
- Invierte en comprensión técnica que te permita interpretar críticamente las capacidades de IA
La competencia entre DeepSeek, ChatGPT, Gemini y Claude en 2026 está impulsando innovación en eficiencia, seguridad y capacidades. Para startups, esto se traduce en más opciones, mejores precios y arquitecturas más especializadas — pero también en la necesidad de mayor discernimiento técnico.
Fuentes
- Inside DeepSeek: Reverse Engineering an AI Assistant by Interviewing Itself
- Model Architecture Overview | deepseek-ai/DeepSeek-V3 | DeepWiki
- deepseek-ai/DeepSeek-V3 · Hugging Face
- DeepSeek Vs ChatGPT Vs Gemini Vs Claude: AI Race 2026
🤖 La IA no es solo para leer sobre ella
En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.
👥 Aplicarla en la comunidad
