Qué lanzó DeepSeek y por qué mueve el tablero
DeepSeek presentó este sábado DeepSeek-V4.1-Flash-1017, una actualización de su modelo V4.1-Flash que, según la compañía, entrega mejor desempeño en benchmarks, conclusión más rápida de tareas y respuestas más cortas que la versión anterior. El modelo ya está disponible en la web, en la app y en la plataforma para desarrolladores de la firma con sede en Hangzhou.
La empresa publicó el reporte técnico en Hugging Face y describe el lanzamiento como una actualización puntual, no como un salto generacional. El timing, sin embargo, no es menor: llega en plena disputa con Anthropic y OpenAI, y también con rivales domésticas como Moonshot Kimi y Z.ai.
DeepSeek afirma mejoras sustanciales en razonamiento, programación, tareas ejecutadas por agentes de IA y benchmarks de visión computacional, con casos de uso que van de la creación de juegos al modelado 3D. Para un equipo que construye producto, la pregunta relevante no es si el modelo es mejor, sino si es mejor en lo tuyo y a qué costo.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días¿Cómo queda frente a Claude Opus 5 en los benchmarks?
Según la tabla que recopila Marktechpost con cifras de la propia DeepSeek, el nuevo checkpoint gana en las pruebas centradas en agentes y supera a Claude Opus 5 en varias de ellas:
- DeepSWE v1.1 (ingeniería de software): 77,0 contra 74,0 de Opus 5 y 74,2 de la versión anterior.
- Agents’ Last Exam: 35,4 contra 28,6.
- Automation-Bench v1.0.6: 60,5 contra 50,3.
- Apex Bench v1.1: 72,1 contra 65,8.
El patrón es claro: DeepSeek gana donde la tarea exige varios pasos y uso de herramientas. Donde pierde es en conocimiento y razonamiento puro. En Humanity’s Last Exam sin herramientas marca 42,6 frente a 56,3 de Opus 5, y en Terminal-Bench 4.0 queda 42,3 contra 51,8. En tareas de repositorio completo, como NL2Repo-Bench, también va detrás (68,2 contra 75,3).
Conviene leer esos números con pinzas: son cifras publicadas por la empresa que las gana. OfficeChai lo resume con honestidad: los laboratorios chinos parecen hoy más lejos de la frontera de lo que estaban tres meses atrás, pero siguen sacando lanzamientos notables.
El precio por tarea, el argumento que sí cambia decisiones
Acá está el dato que un founder debería mirar dos veces. En el gráfico de costo versus precisión que DeepSeek publicó sobre su propio leaderboard DeepSWE v1.1, el V4.1-Flash-1017 ya supera el 72% de acierto en su configuración de menor esfuerzo de razonamiento, con un costo aproximado de 0,15 a 0,20 dólares por tarea. En su configuración más alta llega a 77% y sigue por debajo de 0,25 dólares por tarea, según el análisis de OfficeChai.
El contraste es fuerte: Claude Opus 5 necesita más de 10 dólares por tarea en sus ajustes de mayor esfuerzo para ubicarse cerca del 73%, y modelos como GPT-6 Astra y Gemini 3.8 Flash se mueven en la franja de 2 a 10 dólares para bandas de puntaje similares.
En la API, Marktechpost reporta que el modelo se sirve como deepseek-flash a 0,30 dólares por millón de tokens de entrada (cache miss) y 1,20 dólares por millón de salida en horario pico, con tarifas a la mitad fuera de pico. La misma publicación señala que DeepSeek abrió sus APIs de Search y Fetch a cualquier desarrollador a 0,75 dólares por cada 1.000 llamadas exitosas, y que las llamadas del lado del servidor vía DeepSeek Harness, Claude Code o Codex son gratuitas hasta el 1 de noviembre de 2026.
Para dimensionar la estrategia: en agosto, Artificial Analysis situaba el V4 Flash en 0,14 y 0,28 dólares por millón de tokens de entrada y salida, y el V4-Pro-0813 en 1,32 y 3,96, según reportó Reuters. DeepSeek no intenta ser el mejor en todo, sino quedar un paso atrás a una fracción del costo.
La letra chica: la caída de cinco horas
Hay una señal de alerta que el anuncio no menciona. A principios de esta semana, DeepSeek sufrió una interrupción de aproximadamente cinco horas en la que sus servidores quedaron inaccesibles. Algunos especialistas atribuyeron el problema a la falta de recursos computacionales suficientes, y las lentitudes e interrupciones del servicio se han incrementado en los últimos meses.
La causa de fondo es casi una consecuencia del propio éxito: modelos ofrecidos a precios agresivos y muy demandados por desarrolladores presionan la infraestructura de la compañía. Si tu producto depende de una API, eso es riesgo operativo, no un detalle.
El contexto de negocio ayuda a leer el movimiento. Reuters informó en julio que DeepSeek planeaba una nueva ronda de financiación con una valoración de unos 74.000 millones de dólares, semanas después de haber recaudado unos 7.400 millones en su primera ronda externa en junio. Competir en IA exige chips, centros de datos y talento especializado, y eso cuesta.
¿Qué significa esto para tu startup?
Cuatro cosas concretas para esta semana:
- Mide costo por tarea, no por token. El precio por millón de tokens es una métrica de marketing; lo que golpea tu P&L es cuánto cuesta resolver una tarea completa. Corre tu propio set de evaluaciones con el mismo prompt y mide tokens totales, reintentos y latencia.
- Aprovecha la ventana gratuita. Si estás construyendo agentes, las llamadas del lado del servidor vía DeepSeek Harness, Claude Code o Codex no tienen costo hasta el 1 de noviembre de 2026. Es una ventana razonable para hacer un benchmark real antes de comprometer arquitectura.
- Diseña para la degradación. Una interrupción de cinco horas en el proveedor es una interrupción de cinco horas en tu producto. Si vas a usar modelos de pesos abiertos, ten un plan B: pesos descargables, un segundo proveedor o un fallback a un modelo más chico.
- Separa la decisión técnica de la de cumplimiento. Un modelo barato y bueno en agentes no resuelve por sí solo dónde viven los datos de tus clientes. Esa conversación va antes de la migración, no después.
Conclusión
DeepSeek no está intentando ganar todos los leaderboards. Está ejecutando una jugada más incómoda para sus rivales: acercarse lo suficiente a la frontera en las tareas que más se usan —código y agentes— y cobrar una fracción. El V4.1-Flash-1017 refuerza esa posición con mejoras medibles frente a su versión anterior y un costo por tarea que, en el papel, es difícil de igualar.
El límite está en dos frentes: el conocimiento general, donde Claude Opus 5 mantiene ventaja, y la propia infraestructura de DeepSeek, que ya mostró grietas. Para un equipo chico con presupuesto ajustado, la ecuación sigue siendo atractiva. Para uno que vende a empresas y promete disponibilidad, la ecuación es más complicada.
Lo que sí conviene hacer es no decidir por titular. Corre tus propias pruebas, mide el costo real por tarea y define tu plan de contingencia antes de mover producción.
Fuentes
- Folha PE (fuente original)
- OfficeChai
- Marktechpost
- El Economista
- Yahoo Finanzas / Reuters
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
