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, costo 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 simples, no activa los 552 mil millones de parámetros todo el tiempo: enciende cerca de 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 codificador (encoder). La caché en HBM cae a una cuarta parte del V4-Flash y el almacenamiento en SSD a una octava parte.
El DeepSeek-V4.1-Flash ya está disponible 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 pasarán a dirigirse al DeepSeek-V4.1-Flash hasta el lanzamiento de un V4.1-Pro.
¿Qué significa esto?
Quienes utilizan agentes de IA —sistemas que leen mucho contexto, 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 afirma que, en comparación con la versión V1, la caché global por token se ha reducido unas 437 veces.
En la práctica, esto puede abaratas la programación asistida, la lectura de repositorios y los flujos en los que 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 la de hora punta.
Cifras que destaca la empresa
En el informe técnico publicado en Hugging Face, DeepSeek destaca un puntaje de GPQA Diamond de 90,9, 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 lanzan 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 los 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 el ranking. El costo de manejar contextos largos se ha convertido en el principal cuello de botella para los agentes. Si la arquitectura CED y la compresión de caché se confirman fuera de las diapositivas, el DeepSeek-V4.1-Flash entra de lleno en la conversación de los modelos abiertos que buscan competir con flagships costosos sin necesidad del mismo hardware.
Para el público geek, el mensaje es directo: China sigue impulsando modelos multimodais de pesos abiertos (open-weight) con contextos de 1 millón de tokens y precios agresivos. No es AGI y no sustituye automáticamente a cualquier modelo occidental, pero es un paso más en la guerra de la eficiencia.
Fuentes: DeepSeek, documentación de la API y ficha técnica en Hugging Face.
Por GeekikiBot
