DeepSeek V4.1 Flash 1017: benchmarks de programación, pesos y costes de API

DeepSeek ha actualizado V4.1 Flash a DeepSeek-V4.1-Flash-1017, una nueva versión disponible en su sitio web, aplicación y API. Los desarrolladores pueden seguir usando el nombre de modelo deepseek-flash; la actualización de octubre no cambia el método de llamada a la API ni los precios de los tokens del modelo.

El anuncio destaca un mejor rendimiento en programación y en tareas de agentes, junto con respuestas más breves y una reducción del tiempo de ejecución. DeepSeek también publicó los pesos del modelo y habilitó sus API independientes Search y Fetch.

La fuente ilustra la actualización mediante la «programación por intuición» (vibe coding): describir una aplicación o escena y pedir a un agente que construya un prototipo funcional. Los ejemplos son demostraciones: muestran lo que se produjo en casos concretos, no garantizan que cualquier proyecto pueda completarse con una sola instrucción.

De una descripción a un proyecto en funcionamiento

El primer ejemplo es una escena tridimensional de la Ciudad Prohibida. La demostración alterna entre vistas elevadas y ángulos de cámara más bajos, y muestra patios, puertas, terrenos circundantes y detalles arquitectónicos en un entorno navegable.

Demostración de DeepSeek reproducida en el informe fuente.

A continuación aparece un juego de carreras para navegador. El flujo mostrado incluye elegir un coche, iniciar una carrera, conducir por una ciudad iluminada con neones y llegar a una pantalla de resultados. El informe también describe el cambio entre una vista exterior del vehículo y una perspectiva desde el interior.

Después se presenta una demostración basada en Godot e inspirada en Portal. Muestra una cámara de pruebas en primera persona, el desplazamiento por el entorno, objetos interactivos y elementos similares a portales. Debe entenderse como un prototipo presentado en una demostración, no como un lanzamiento con licencia oficial del juego de Valve.

El cuarto ejemplo, Valley of Ages, presenta un asentamiento que cambia a lo largo de distintas épocas históricas. Los edificios y las infraestructuras evolucionan en torno al mismo paisaje fluvial, desde los primeros asentamientos hasta formas urbanas industriales y modernas.

La fuente atribuye a un aprendizaje por refuerzo con retroalimentación propia las mejoras al construir proyectos desde cero. El changelog oficial y la ficha del modelo consultados para este artículo confirman la actualización de capacidades, pero no detallan por completo ese proceso de entrenamiento. Por ello, la explicación concreta sobre el entrenamiento se atribuye al informe.

Estos ejemplos apuntan a un patrón de desarrollo útil: revisar un prototipo ejecutable y, después, modificar su comportamiento y presentación. Una demostración seleccionada no demuestra que el resultado esté listo para producción, que se tengan derechos sobre recursos de terceros ni cuánto trabajo humano ha requerido el resultado final.

Mejores puntuaciones de programación sin aumentar el precio del modelo

La comparación oficial muestra mejoras en tareas de razonamiento, programación, agentes y visión. La tabla siguiente reproduce los resultados anteriores y nuevos que aparecen en la ficha del modelo:

Los valores de HLE solo para texto corresponden a un subconjunto y no deben confundirse con la puntuación del benchmark completo. DeepSeek indica que Terminal-Bench 4.0 se ejecutó con el entorno Claude Code, DeepSWE v1.1 con Mini-SWE-V2 y ZeroBench-main con Pass@5.

Tabla comparativa del editor reproducida en el informe fuente.

En la tabla comparativa de DeepSeek, el nuevo modelo supera a las alternativas indicadas en DeepSWE, Automation-Bench, Agents' Last Exam y Apex Bench. No lidera todas las filas: por ejemplo, los resultados mostrados para Opus 5 siguen siendo superiores en Terminal-Bench 4.0 y ProgramBench. Afirmar que supera universalmente a los demás modelos de frontera iría más allá de lo que demuestran estos resultados.

La fuente también destaca un resultado de DeepSWE Pass@1 del 77 % con un coste aproximado de 0,20 dólares por tarea en la comparación de costes del editor, frente a un resultado de GPT-6 Astra del 74 % que aparece allí. Se trata de una comparación concreta de benchmark y entorno de evaluación, no de una clasificación general de precios o capacidades para todo tipo de trabajo de software.

Comparación de costes por tarea de DeepSeek, reproducida por la fuente.

DeepSeek describe la actualización como una mejora de Pareto entre rendimiento y coste en varios entornos de evaluación: más tareas completadas correctamente, menor tiempo de ejecución y respuestas más breves. Aunque las tarifas por token no cambien, la factura total puede reducirse si una tarea consume menos tokens o requiere menos intentos; el ahorro real depende de la carga de trabajo.

El changelog recomienda DeepSeek Harness 0.2.1-rc.1 o una versión posterior para el nuevo modelo. Es una recomendación para esa integración, no un requisito para cambiar el nombre del modelo en la API.

Pesos abiertos y nuevas API de búsqueda

DeepSeek publica los pesos de la versión 1017 en su repositorio oficial de Hugging Face, y la fuente también enlaza una versión en ModelScope. La ficha oficial del modelo indica que tanto el repositorio como los pesos del modelo utilizan la licencia MIT.

Que los pesos sean abiertos no significa que el despliegue local requiera pocos recursos. La página de Hugging Face indica que el modelo tiene 763 mil millones de parámetros en total y remite a las instrucciones del repositorio para la inferencia y la conversión de pesos. También señala que esta versión no incluye una plantilla de chat en formato Jinja: un codificador de referencia y el kit de herramientas mantenido deepseek-recipe se encargan del formato de las instrucciones.

Junto con la actualización del modelo, DeepSeek habilitó dos API de contenido web:

• Search encuentra páginas para una consulta y devuelve resultados estructurados.
• Fetch recupera una página concreta y devuelve su contenido en formato Markdown.

DeepSeek afirma que su motor propio indexa cientos de miles de millones de páginas, procesa cientos de millones de solicitudes diarias y filtra spam de SEO, manipulación de GEO y contenido de baja calidad generado por IA. Estas son afirmaciones de la empresa sobre su escala y sus filtros, no mediciones auditadas de forma independiente en este artículo.

Las solicitudes fallidas, los tiempos de espera agotados y las búsquedas sin resultados no se facturan. El número de resultados de búsqueda no modifica el precio por solicitud, y Search y Fetch se cobran por separado de los tokens del modelo.

Fecha de inicio de la facturación: La documentación indica que actualmente no se cobran las llamadas a Search/Fetch realizadas en el servidor a través de la API de DeepSeek en DeepSeek Harness, Claude Code o Codex. La facturación por solicitud comenzará a las 00:00, hora de Pekín, del 1 de noviembre de 2026. Esta condición temporal concreta no debe presentarse como si la API Search fuera gratuita de forma permanente.

Preguntas frecuentes

¿Cómo puedo llamar a DeepSeek V4.1 Flash 1017 mediante la API?

El nombre oficial del modelo sigue siendo deepseek-flash. DeepSeek indica que su sitio web, aplicación y API ya utilizan la nueva versión, sin cambios en el método de llamada ni en los precios de los tokens del modelo con esta actualización.

¿La actualización ha abaratado todas las tareas de programación?

DeepSeek informa de un menor tiempo de ejecución, respuestas más breves y mejores resultados de rendimiento y coste en sus evaluaciones. El coste total dependerá de los tokens consumidos, los reintentos, las herramientas utilizadas y de si el proyecto generado realmente cumple la tarea.

¿Los pesos del modelo 1017 están abiertos?

Sí. La ficha oficial de Hugging Face indica que el repositorio y los pesos tienen licencia MIT. El despliegue local sigue requiriendo una infraestructura adecuada y seguir las instrucciones del repositorio para la codificación y la inferencia.

¿Una puntuación de DeepSWE del 77 % garantiza código de aplicación funcional?

No. Es un resultado medido con el entorno de evaluación Mini-SWE-V2, no una garantía para un proyecto distinto. Asimismo, las demostraciones visuales deben inspeccionarse y probarse antes de usar su código más allá de un prototipo.

¿Cuál es la diferencia entre Search y Fetch?

Search localiza páginas web relevantes y devuelve resultados estructurados. Fetch recupera el contenido de una página concreta en formato Markdown, sujeto a la disponibilidad de ese sitio y a sus políticas de acceso.

¿Cuándo empiezan a cobrarse las llamadas a las herramientas Search y Fetch?

Las llamadas temporales sin cargo en el servidor descritas para DeepSeek Harness, Claude Code y Codex terminan a las 00:00, hora de Pekín, del 1 de noviembre de 2026. Consulta la página de precios aplicable para conocer las tarifas vigentes, tanto independientes como regionales, ya que los tokens del modelo y las solicitudes a las herramientas se cobran por separado.

Herramientas relacionadas

• API de DeepSeek: Interfaces oficiales de modelos y herramientas web para integrar DeepSeek en aplicaciones.
• DeepSeek V4.1 Flash 1017: Pesos oficiales, ficha del modelo y referencias para inferencia.
• deepseek-recipe: Kit de herramientas para convertir formatos de instrucciones y analizar resultados, enlazado desde la ficha del modelo.

Enlaces relacionados

• Informe original de BAAI/Xinzhiyuan: Demostraciones de la fuente, cifras de benchmarks y cobertura del lanzamiento.
• Changelog oficial del 17 de octubre: Alias de la API, configuración de los benchmarks y recomendación de Harness.
• Ficha oficial del modelo: Comparación de benchmarks, instrucciones de codificación y licencia.
• Guía de Search y Fetch: Comportamiento de las solicitudes, facturación por solicitudes correctas y límites de frecuencia.
• Guía de Search y Fetch en chino: Precios publicados en renminbi y aviso sobre la facturación a partir de noviembre.
• Modelos y precios: Tarifas actuales de los tokens de los modelos y cargos independientes de las herramientas web.

Resumen

DeepSeek V4.1 Flash 1017 mejora los resultados del editor en evaluaciones de programación y agentes, sin cambiar el alias de la API ni los precios de los tokens del modelo. Sus demostraciones muestran prototipos visuales completos y sus pesos están disponibles con licencia MIT.

El lanzamiento de Search y Fetch añade una vía independiente para encontrar una página y leer su contenido, con facturación por solicitud. Evalúa conjuntamente la calidad del proyecto, el coste total de la tarea y los cargos por herramientas antes de tomar una decisión de despliegue basándote en una mejora de benchmark.