Introducción
DeepSeek ha hecho la transición oficial de su modelo V4 Pro de la versión preliminar a una versión de producción actualizada, permitiendo a los desarrolladores acceder al modelo actualizado DeepSeek-V4-Pro-0813 a través de la API.
El artículo fuente considera este lanzamiento como un avance significativo de DeepSeek en capacidades de agentes y codificación. Los primeros resultados de pruebas comparativas reportados en el artículo muestran que el V4 Pro se acerca a los principales modelos de vanguardia, especialmente en tareas que implican codificación, interacción con terminales, agentes de ciberseguridad y uso prolongado de herramientas.
Al mismo tiempo, los primeros usuarios han notado un cambio inusual en la salida de razonamiento del modelo. El texto de razonamiento puede aparecer altamente comprimido y difícil de leer, lo que sugiere que el modelo está cada vez más optimizado para el razonamiento eficiente orientado a máquinas en lugar de explicaciones fluidas en lenguaje natural.
La documentación oficial de DeepSeek confirma que el identificador actual de API deepseek-v4-pro ahora proporciona el modelo DeepSeek-V4-Pro-0813, manteniendo la misma forma de invocación.
DeepSeek V4 Pro finalmente llega
El artículo fuente comienza con un mensaje conciso: DeepSeek V4 Pro ya está oficialmente disponible.
Los primeros resultados de pruebas comparativas destacados en el artículo incluyen HLE, Terminal-Bench, CyberGym y DeepSWE. Según el artículo fuente, el V4 Pro ya ha superado a Opus 4.8 en estas evaluaciones orientadas a agentes y se está acercando, en algunos casos incluso superando, los resultados reportados de Fable 5.
El artículo atribuye gran parte de las mejoras al post-entrenamiento, argumentando que la nueva versión no es simplemente un modelo base más grande, sino un modelo profundamente optimizado para los tipos de tareas que los agentes de IA modernos realmente ejecutan.
El mensaje más amplio es claro: DeepSeek ya no posiciona al V4 Pro únicamente en torno al bajo costo. El modelo Pro apunta directamente al segmento alto del mercado de modelos.
DeepSeek V4 Pro-0813 ya está disponible a través de la API
En el momento de la publicación del artículo fuente, DeepSeek aún no había publicado la publicación oficial de blog correspondiente, pero la plataforma de API ya estaba actualizada.
Los desarrolladores pueden usar la API del V4 Pro y acceder al modelo actualizado, identificado como:
DeepSeek-V4-Pro-0813
La documentación oficial actual de DeepSeek confirma que el identificador público del modelo permanece sin cambios:
deepseek-v4-pro
El servicio ahora enruta ese identificador a DeepSeek-V4-Pro-0813, por lo que los desarrolladores no necesitan cambiar el nombre del modelo en sus integraciones de API existentes.
La documentación oficial de la API también confirma la compatibilidad con los formatos de API compatibles con OpenAI y con Anthropic. El V4 Pro admite una ventana de contexto de 1 millón de tokens, llamadas a herramientas, salida JSON, así como modos de pensamiento y razonamiento profundo.
Los precios siguen siendo agresivos
El artículo fuente informa los siguientes precios para DeepSeek V4 Pro:
| Concepto | Precio por millón de tokens |
|---|---|
| Entrada | ¥3 |
| Entrada en caché | ¥0.025 |
| Salida | ¥6 |
Estos datos coinciden con los precios de deepseek-v4-pro en la documentación oficial china actual de precios de DeepSeek. La página oficial lista los precios de ¥0.025 por millón de tokens de entrada en caché, ¥3 por millón de tokens de entrada sin caché y ¥6 por millón de tokens de salida.
Tokens de salida.
Este precio sigue siendo una de las mayores ventajas competitivas de DeepSeek.
El cambio interesante radica en que DeepSeek ahora intenta combinar esta ventaja de precio con un rendimiento de agente más sólido. Las versiones anteriores hacían que la ventaja de costos fuera fácil de entender; el V4 Pro intenta hacer que la ventaja de rendimiento sea igualmente convincente.
Buena noticia: mejora significativa en programación y rendimiento de agentes
Según el artículo fuente, lo más destacado del lanzamiento del V4 Pro son las capacidades de programación.
Los resultados de pruebas comparativas destacados cubren tareas mucho más cercanas a los flujos de trabajo reales de ingeniería de software que los simples puntos de referencia de preguntas y respuestas.
HLE
El artículo fuente lista el "Examen Final de la Humanidad" (Humanity's Last Exam) como una evaluación en la que el V4 Pro compite con los modelos líderes.
El HLE está diseñado para probar conocimiento y razonamiento de alta dificultad. El artículo utiliza este resultado para demostrar que las mejoras del V4 Pro no se limitan a la simple autocompletación de código.
Terminal-Bench
Terminal-Bench evalúa modelos mediante tareas ejecutadas en un entorno de terminal.
Esto es especialmente importante para los agentes de programación, ya que el modelo debe interactuar con un entorno de herramientas real, no solo devolver un fragmento de código.
El artículo fuente reporta que el V4 Pro se acerca a la cima en este punto de referencia y supera a Opus 4.8.
CyberGym
CyberGym es otra evaluación orientada a agentes destacada en el artículo.
El artículo fuente afirma que el V4 Pro se desempeña especialmente bien aquí, lo que indica que el modelo se está volviendo más competente en el manejo de tareas técnicas complejas de múltiples pasos que involucran herramientas y entornos.
DeepSWE
DeepSWE es quizás el resultado de evaluación más directamente relevante para los desarrolladores.
El artículo fuente afirma que el V4 Pro ha mejorado significativamente en esta evaluación en comparación con la versión anterior, alcanzando un nivel cercano a los principales modelos de vanguardia.
En conjunto, estos resultados respaldan el argumento central del artículo fuente: DeepSeek V4 Pro ha sido fuertemente optimizado para agentes de programación y flujos de trabajo basados en herramientas.
Pero hay un cambio extraño en la cadena de pensamiento
El artículo fuente también reporta algunas observaciones menos positivas de los primeros usuarios.
Después de probar el V4 Pro, algunos usuarios notaron que el texto de su cadena de pensamiento se ha vuelto extremadamente comprimido y difícil de leer.
Un ejemplo reproducido en el artículo fuente contiene frases fragmentadas y mecánicas, en lugar de lenguaje humano normal.
El modelo aún puede transmitir información útil a través de su salida de razonamiento, pero el texto ya no es necesariamente agradable o intuitivo de leer.
Este comportamiento es consistente con la dirección general del desarrollo de modelos de razonamiento.
La documentación oficial de DeepSeek actualmente describe un modo de pensamiento dedicado que expone la salida de razonamiento a través de reasoning_content en la API. También proporciona opciones de control para el modo de pensamiento y la intensidad del razonamiento.
El artículo fuente especula que reducir la legibilidad humana del contenido de razonamiento podría ayudar a disminuir el consumo de tokens mientras se conserva información útil para el propio modelo. Esta interpretación debe considerarse como una observación, no como una explicación oficial de DeepSeek.
El equilibrio: agentes más fuertes, menor amabilidad humana
Razonamiento
Aquí existe una disyuntiva natural.
Si el modelo utiliza su presupuesto de razonamiento para generar oraciones bien elaboradas, el proceso intermedio puede ser más comprensible para los humanos, pero la eficiencia de tokens disminuye.
Si el modelo se optimiza para completar tareas de la manera más eficiente posible, sus representaciones internas de razonamiento pueden volverse mucho más difíciles de leer.
Para los agentes de programación de IA, el segundo enfoque tiene mucho sentido.
Crea un sitio de presentacion y capta leads en minutos
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
Un agente no necesita necesariamente escribir un ensayo extenso al ejecutar un comando. Necesita tomar la acción correcta de manera eficiente, verificar el resultado y continuar.
Es por eso que el artículo fuente relaciona el cambio en el estilo de razonamiento con el auge más amplio de la programación basada en agentes.
Los modelos están cada vez más optimizados para "hacer cosas", no necesariamente para explicar cada paso intermedio en lenguaje natural.
Qué significa esto para la escritura y las tareas de contenido general
En el lado negativo, la optimización para programación y agentes puede no traducirse directamente en mejores habilidades de escritura de formato largo.
El artículo fuente sugiere que el estilo de razonamiento del V4 Pro puede resultar menos atractivo para flujos de trabajo centrados en la escritura, especialmente cuando los usuarios esperan un lenguaje pulido y explicaciones transparentes.
Esto no significa que el modelo no pueda escribir.
Más bien, refleja un cambio de prioridades. Si gran parte del trabajo de post-entrenamiento del modelo se centra en codificación, uso de herramientas y confiabilidad de agentes, es posible que otras capacidades no mejoren al mismo ritmo.
Para los desarrolladores, esta distinción es importante.
Un modelo puede ser excelente en codificación a nivel de repositorio y aun así no ser necesariamente la mejor opción para tareas de generación de contenido.
El cambio más amplio de DeepSeek: de líder en bajo costo a competidor de vanguardia
El artículo sitúa al V4 Pro en el contexto de los múltiples lanzamientos recientes en el ecosistema de modelos de código abierto chino.
El artículo fuente describe una serie de nuevos modelos que avanzan rápidamente y que apuntan cada vez más al nivel de rendimiento de los modelos propietarios líderes.
El artículo menciona a GLM 5.2, Kimi K3 y otros lanzamientos recientes como parte de la misma tendencia más amplia.
El lanzamiento anterior de la versión V4 Flash de DeepSeek se centró en la rentabilidad. El artículo fuente describe esa estrategia como un factor que ayudó a impulsar la caída de los precios de API en todo el mercado.
El V4 Pro adopta un posicionamiento diferente.
El objetivo ya no es simplemente:
"¿Podemos ofrecer capacidades similares a un costo menor?"
Sino más bien:
"¿Podemos competir en el escalón superior de rendimiento manteniendo al mismo tiempo una ventaja en costos?"
Es un posicionamiento mucho más ambicioso.
V4 Pro también está diseñado para la integración con agentes
La documentación oficial de DeepSeek muestra que el modelo V4 está diseñado para trabajar con herramientas populares de agentes de IA y asistencia de programación, incluyendo Claude Code, GitHub Copilot y OpenCode. Los desarrolladores pueden utilizar DeepSeek como modelo backend de estas herramientas.
Esto es importante porque la capacidad de los modelos depende cada vez más de su desempeño en el ciclo de trabajo de los agentes.
Un modelo de programación potente necesita más que capacidad de generación de código. Requiere:
- Comprender bases de código extensas.
- Planificar cambios de varios pasos.
- Invocar herramientas de manera fiable.
- Inspeccionar la salida de los comandos.
- Recuperarse de errores.
- Trabajar de forma continua a lo largo de múltiples turnos de conversación.
- Producir implementaciones finales realmente ejecutables.
El lanzamiento de V4 Pro está claramente orientado a este objetivo.
Flujo de trabajo.
Otro aspecto
El artículo original concluye con un tono más emocional.
Compara este lanzamiento con el momento DeepSeek de principios de 2025 y sostiene que el posicionamiento del modelo ya ha cambiado.
Antes, el arma más evidente de DeepSeek era la relación calidad-precio.
Ahora, la compañía intenta situar directamente a V4 Pro en la discusión sobre los modelos más potentes disponibles.
Esto hace que el significado de este lanzamiento vaya más allá del propio modelo.
Si un modelo de código abierto puede alcanzar el nivel de vanguardia en codificación para agentes manteniendo al mismo tiempo precios de API relativamente bajos, la presión sobre los proveedores de modelos cerrados aumentará considerablemente.
Preguntas frecuentes
¿Qué es DeepSeek V4 Pro-0813?
DeepSeek-V4-Pro-0813 es la versión actualizada que se sirve a través del identificador de modelo deepseek-v4-pro. La documentación oficial de la API de DeepSeek confirma que los desarrolladores pueden seguir usando deepseek-v4-pro sin necesidad de cambiar su forma de integración.
¿Cuál es el precio de DeepSeek V4 Pro?
La página de precios en chino de DeepSeek muestra actualmente que V4 Pro tiene un precio de entrada sin caché de 3 yuanes por millón de tokens, entrada con caché de 0,025 yuanes por millón de tokens y salida de 6 yuanes por millón de tokens. Los precios pueden variar, por lo que se debe consultar la página oficial de precios antes del despliegue.
¿Para qué está optimizado principalmente DeepSeek V4 Pro?
Este lanzamiento hace hincapié en la codificación, los flujos de trabajo con agentes, el uso de herramientas y la capacidad de razonamiento. La documentación oficial de DeepSeek también menciona la invocación de herramientas, el contexto de 1M, el modo de pensamiento y la integración con herramientas de codificación para agentes más populares.
¿DeepSeek V4 Pro tiene una ventana de contexto de 1M de tokens?
Sí. La documentación oficial actual del modelo DeepSeek indica que la longitud de contexto de V4 Pro es de 1M. También indica una longitud máxima de salida de 384K tokens.
¿Por qué el razonamiento de DeepSeek V4 Pro parece inusual?
El artículo original informa que los primeros usuarios vieron textos de razonamiento altamente comprimidos, similares a los generados por máquinas. El artículo sugiere que esto podría estar relacionado con la eficiencia, pero la documentación oficial de DeepSeek no indica que este estilo inusual se haya introducido específicamente con ese propósito.
¿Se puede usar DeepSeek V4 Pro con agentes de codificación?
Sí. La documentación oficial de DeepSeek documenta la integración con herramientas como Claude Code, GitHub Copilot y OpenCode. También admite formatos de API compatibles con OpenAI y compatibles con Anthropic.
¿DeepSeek V4 Pro es de código abierto?
El lanzamiento de la vista previa de V4 de DeepSeek se anunció como de código abierto, incluidos los pesos abiertos y el informe técnico. El servicio de API actual y la versión del modelo se documentan por separado de los materiales de lanzamiento, por lo que los desarrolladores deben distinguir entre los artefactos del modelo de código abierto y el servicio de API alojado.
Herramientas relacionadas
- API de DeepSeek: Punto de acceso oficial a la API para los modelos de DeepSeek.
- Documentación de la API de DeepSeek: Documentación oficial sobre acceso a modelos, precios, herramientas e integraciones.
- Claude Code: Un agente de codificación de IA que puede usar DeepSeek como backend mediante integraciones compatibles.
- OpenCode: Agente de codificación de código abierto compatible con las integraciones de agentes documentadas por DeepSeek.
- GitHub Copilot: Asistente de codificación de IA que DeepSeek enumera como uno de los agentes compatibles.
Integración.
Enlaces relacionados
- Modelos y precios de DeepSeek: Especificaciones oficiales actuales de modelos y precios de API.
- Primera llamada a la API de DeepSeek: Guía oficial para invocar
deepseek-v4-proydeepseek-v4-flash. - Modo de pensamiento de DeepSeek: Documentación oficial para habilitar y controlar el modo de razonamiento.
- Integraciones de agentes de DeepSeek: Documentación oficial para usar DeepSeek con herramientas de codificación y agentes.
- Lanzamiento de la vista previa de DeepSeek V4: Anuncio oficial del lanzamiento de V4 y resumen técnico.
- GitHub de DeepSeek: Organización oficial de DeepSeek en GitHub.
Resumen
DeepSeek V4 Pro marca un cambio en la estrategia de la compañía. El nuevo modelo Pro ya no se posiciona únicamente como una alternativa de bajo costo; su principal atractivo se orienta cada vez más a competir en la vanguardia del rendimiento en codificación y agentes.
La versión actual de la API, deepseek-v4-pro, sirve DeepSeek-V4-Pro-0813 con soporte para contexto de 1M, invocación de herramientas, modo de pensamiento y precios muy competitivos.
Según los informes, el cambio en el estilo de razonamiento también muestra un giro en las prioridades del modelo: menos énfasis en texto intermedio legible y más enfoque en razonamiento eficiente y ejecución con agentes.
