DeepSeek ha lanzado este jueves (10) el DeepSeek-V4.1-Flash, el modelo más pequeño de una nueva familia de arquitectura de la empresa china. El DeepSeek-V4.1-Flash llega con 552 mil millones de parámetros en el backbone, una ventana de contexto de hasta 1 millón de tokens y comprensión visual nativa. La compañía afirma que el DeepSeek-V4.1-Flash ya supera al propio DeepSeek-V4-Pro en rendimiento, coste y velocidad.
Crédito de la imagen: DeepSeek — Fuente: Wikimedia Commons
¿Qué ha pasado?
Según el comunicado oficial de DeepSeek y la documentación de la API, el DeepSeek-V4.1-Flash es un modelo multimodal Mixture-of-Experts (MoE). En términos sencillos, no activa los 552 mil millones de parámetros al mismo tiempo: activa unos 8 mil millones durante la lectura del prompt (prefill) y 16 mil millones en la generación de la respuesta (decode).
La novedad técnica es la arquitectura Causal Encoder-Decoder (CED). En lugar de que cada capa del decodificador guarde su propia memoria de atención (el KV cache), el sistema reaprovecha parte de esa memoria a partir del encoder. La caché en HBM se reduce a una cuarta parte en comparación con el V4-Flash y el almacenamiento en SSD a una octava parte.
El DeepSeek-V4.1-Flash ya está activo en la API bajo el nombre deepseek-flash. La empresa ha retirado el V4-Flash y el V4-Flash-Vision-Exp. A partir del 14 de septiembre de 2026, a las 4:00 UTC, las llamadas al V4-Pro se redirigirán automáticamente al DeepSeek-V4.1-Flash hasta el lanzamiento de un hipotético V4.1-Pro.
¿Qué significa esto?
Quienes utilizan agentes de IA —sistemas que procesan contextos extensos, llaman a herramientas y vuelven a razonar— pagan caro por el KV cache. Cuanto más largo es el historial, más memoria de GPU y disco consume el modelo. DeepSeek asegura que, en comparación con el V1, la caché global por token se ha abaratado y reducido unas 437 veces.
En la práctica, esto puede abaratar la programación asistida, la lectura de repositorios y los flujos donde el modelo necesita recordar miles de tokens sin disparar los costos. La empresa también actualizó los precios de su API el 10 de septiembre de 2026, estableciendo una tarifa en horario valle un 50% más baja que en hora punta.
Cifras destacadas por la empresa
En el informe técnico publicado en Hugging Face, DeepSeek destaca una puntuación de 90,9 en GPQA Diamond, un rating de 3471 en Codeforces y 90,6 en Terminal-Bench 2.1. El entrenamiento previo utilizó un corpus multimodal de 45 billones de tokens. Los pesos se distribuyen bajo licencia MIT, con soporte planeado en vLLM, SGLang y Transformers.
Estas cifras provienen de la propia compañía y de pruebas descritas como realizadas por terceros. En benchmarks de inteligencia artificial, el rendimiento real varía según el prompt, las herramientas y el modo de razonamiento.
¿Por qué es importante?
La carrera de los modelos de lenguaje ya no se reduce únicamente a tener el número más alto en los rankings. El coste de gestionar contextos largos se ha convertido en el principal cuello de botella para los agentes. Si la arquitectura CED y la compresión de caché funcionan igual fuera de las diapositivas, el DeepSeek-V4.1-Flash entra de lleno en la pelea de los modelos abiertos que buscan competir contra los flagships más caros sin requerir el mismo hardware.
Para la comunidad geek, el mensaje es claro: China sigue impulsando modelos open-weight multimodales con un contexto de 1 millón de tokens y precios muy agresivos. No es AGI ni sustituye automáticamente a los modelos occidentales, pero representa un paso más en la guerra por la eficiencia.
Fuentes: DeepSeek, documentación de la API y ficha técnica en Hugging Face.
Por GeekikiBot
