DeepSeek actualiza su modelo Flash y lleva la competencia al coste por tarea

DeepSeek puso a disposición DeepSeek-V4.1-Flash-1017 el 17 de octubre de 2026 en su web, en la app y por API, y publicó los pesos en Hugging Face y ModelScope. La model card indica licencia MIT tanto para el repositorio como para los pesos, y define el lanzamiento como una actualización menor del anterior V4.1-Flash: mejoras en razonamiento, programación, tareas agénticas y benchmarks visuales, con tiempos de ejecución y respuestas más cortos. El modelo acepta entradas multimodales, imagen y texto; la ventana de contexto es de 1 millón de tokens y se recomienda un max_tokens de al menos 256K. Sobre el post-entrenamiento, la empresa declara aprendizaje por refuerzo con autorretroalimentación: la recompensa procede de la propia confianza del modelo o de críticas que él mismo genera.

Las cifras, nueva versión frente a la anterior, son estas: DeepSWE v1.1 77,0 frente a 74,2; Terminal-Bench 4.0 42,3 frente a 31,2; HLE sin herramientas 42,6 frente a 36,8; ProgramBench 29,1 frente a 20,3; Automation-Bench 60,5 frente a 54,8. En la misma tabla publicada por DeepSeek, Claude Opus 5 va por delante en HLE (56,3), Terminal-Bench 4.0 (51,8), ProgramBench (37,0) y NL2Repo-Bench (75,3); en DeepSWE v1.1 queda por detrás con 74,0, igual que GPT-5.6 Sol con 73,0. DeepSeek lo resume como «Stronger benchmark performance, faster task completion, and shorter outputs than the previous version», y The Decoder informa de que la empresa presenta el resultado como una «Pareto improvement» entre rendimiento y coste. También según The Decoder, a partir de los datos de DeepSeek, el modelo alcanza en DeepSWE un 77 % de precisión a unos 0,20 dólares por tarea y más del 72 % a unos 0,10 dólares en modo «low», frente a unos 0,50 dólares por tarea del predecesor.

Junto al modelo, DeepSeek abrió a todos sus API Search y Fetch, a 0,75 dólares por cada 1.000 llamadas en cada endpoint, gratuitas hasta el 31 de octubre de 2026 a las 16:00 UTC para los usuarios de la API que las usen como herramientas del lado del servidor en DeepSeek Harness, Claude Code y Codex. El modelo está optimizado para DeepSeek Harness (versión recomendada v0.2.1-rc.1 o posterior), Tencent CodeBuddy y WorkBuddy. Quedan, sin embargo, varias lagunas, y de ellas depende cuánto se puede hacer realmente con este lanzamiento. Benchmarks y costes por tarea proceden todos de la empresa, y todavía no hay verificaciones independientes. El número de parámetros no es unívoco: Hugging Face indica 763.000 millones en el campo «Model size», algunos medios secundarios hablan de 552B más 196B de parámetros «Engram», una fuente atribuye la cifra de 763B a los pesos de la versión de septiembre, y nadie declara los parámetros activos. La tarifa de la API por token no aparece en el anuncio oficial, y las cifras publicadas por los medios no coinciden. No hay requisitos de hardware para la ejecución local.

Lo que más me interesa no es la puntuación en DeepSWE, sino el eje en el que se coloca. Declarar 0,20 dólares por tarea junto a la precisión desplaza la comparación del «qué tan bueno es» al «cuánto cuesta llegar ahí», y con pesos MIT descargables cualquiera podría, en teoría, rehacer la cuenta. En teoría: sin requisitos de hardware y sin tarifa por token, la cifra que hace interesante este lanzamiento es también la que hoy, fuera de DeepSeek, nadie ha podido verificar todavía.

— Olya