DeepSeek V4.1 Flash: precio, benchmarks y cómo usarlo

DeepSeek V4.1 Flash es el modelo pequeño de la nueva familia de DeepSeek, publicado el 10 de septiembre de 2026 y actualizado el 17 de octubre con la versión V4.1-Flash-1017. Pequeño entre comillas: tiene 552.000 millones de parámetros en su columna vertebral, pero solo activa 16.000 millones por token al generar. Lee imágenes, admite un millón de tokens de contexto, sus pesos están en Hugging Face con licencia MIT y su API cuesta 1,20 dólares por millón de tokens de salida en hora punta. La mitad fuera de ella.

Y en la tabla de DeepSeek empata o supera a Claude Opus 5.0 en varios benchmarks de agentes de código.

Si te suena a titular de los que se deshinchan en cuanto lo pruebas, haces bien en sospechar. Por eso aquí vamos a separar lo que dice DeepSeek de lo que han medido otros, y a ver en qué trabajo concreto te compensa meterlo en tu flujo.

Esto es lo que vas a encontrar:

• Qué es V4.1 Flash y qué lleva por dentro (spoiler: una arquitectura distinta a la de V4).
• Qué cambió en la actualización 1017 y por qué es la versión que vas a usar sí o sí.
• Cuánto cuesta de verdad, y por qué en horario español pagas casi siempre la tarifa valle.
• Qué dicen los benchmarks oficiales y qué dicen los independientes.
• Cómo usarlo hoy desde Claude Code, desde el SDK de OpenAI o en local.
• Para qué tareas lo pondría yo y para cuáles no.

Vamos al lío.

🔑 Resumen en una frase: V4.1 Flash es el modelo con mejor relación precio-rendimiento para agentes de código que puedes usar en octubre de 2026, siempre que asumas que es muy hablador, que el API de DeepSeek ha tenido algún susto reciente y que en razonamiento puro sigue por detrás de los grandes.

¿Qué es DeepSeek V4.1 Flash? ¶

DeepSeek V4.1 Flash es un modelo de lenguaje multimodal de tipo Mixture-of-Experts (MoE) que acepta texto e imágenes y genera texto. DeepSeek lo presenta en su changelog como «el modelo más pequeño de nuestra nueva familia de arquitectura», con comprensión visual nativa. No es un V4 Flash reentrenado: es otra arquitectura, y eso tiene consecuencias en coste y en velocidad.

Para situarte en la línea temporal, que DeepSeek publica a un ritmo que marea:

El identificador en el API es deepseek-flash, que siempre apunta a la última versión de Flash. Los nombres antiguos (deepseek-v4-flash y deepseek-v4-flash-vision-exp) se aceptan todavía, pero están retirados y se sirven con V4.1-Flash-1017 al precio de Flash. Si tenías código apuntando a V4 Flash, ya estás usando V4.1 aunque no lo sepas.

¿Qué lleva por dentro? ¶

Aquí es donde DeepSeek ha vuelto a hacer de DeepSeek. Los datos salen del model card en Hugging Face y del paper técnico publicado el 17 de septiembre en arXiv:

• Arquitectura Causal Encoder-Decoder (CED): 40 capas, 20 de encoder causal y 20 de decoder. Raro de ver en un LLM generalista de este tamaño.
• MoE con 1 experto compartido y 384 enrutados, de los que se activan 6 por token.
• 552.000 millones de parámetros en la columna vertebral (los metadatos de los safetensors suman 763.000 millones en total), con 8.000 millones activos en prefill y 16.000 millones en decode.
• Engram, una memoria condicional de 196.000 millones de parámetros a la que el modelo accede de forma dispersa.
• Encoder visual propio (DeepSeek-ViT) con un proyector MLP de dos capas.
• Entrenado desde cero con 45 billones de tokens multimodales, con el contexto extendido a un millón de tokens a partir del token 34 billones. Después, SFT, aprendizaje por refuerzo y destilación on-policy.

Lo que se lleva el título del paper es la caché KV. Combinan reutilización de caché entre capas (lo llaman Compressed Sparse Attention 2) con caché en FP4. Resultado: 890 bytes por token de caché global, alrededor de una cuarta parte que V4 Flash. La caché persistente que se va a SSD o a memoria del host baja a una octava parte gracias a una optimización de despliegue que llaman SWA Bounded Replay.

¿Y eso a ti qué te importa? Te toca el bolsillo.

Cuando trabajas con un agente de código, el contexto crece sin parar: ficheros leídos, salidas de tests, diffs, logs. Una caché KV más ligera significa que el proveedor puede servir contextos largos más baratos y más rápido. Por eso DeepSeek puede cobrar 0,006 dólares por millón de tokens de entrada cacheados. Si quieres entender por qué eso cambia la factura de un agente, lo explico con calma en el post sobre prompt caching.

💡 El paralelismo con un coche híbrido funciona bien: la cilindrada total es enorme (552B), pero en ciudad solo tira del motor pequeño (16B activos). Pagas consumo de utilitario con el maletero de una furgoneta.

¿Qué cambia en DeepSeek V4.1 Flash 1017? ¶

La versión 1017 hace las mismas tareas en menos tiempo y con menos tokens de salida, y sube en casi todos los benchmarks de agentes. DeepSeek la llama «actualización menor» en el model card. No ha cuantificado cuánto más rápida es, cosa que SiliconANGLE también señaló.

Lo que sí ha publicado son los números de su changelog, comparando la versión de septiembre con la de octubre:

El salto en Terminal-Bench 4.0 (de 31,2 a 42,3) es el que más me llama la atención, porque es el benchmark que más se parece a lo que haces tú con un agente en la terminal. Ojo a la letra pequeña: DeepSeek lo midió con Claude Code como harness. Y DeepSWE con Mini-SWE-V2.

La otra pista está en para quién se ha optimizado. El changelog nombra su propio agente, DeepSeek Harness, y dos productos de Tencent: CodeBuddy (asistente de código) y WorkBuddy (agente de escritorio para oficina). Recomiendan usar DeepSeek Harness 0.2.1-rc.1 o posterior. Si te interesa ese agente, le dediqué un análisis completo a DeepSeek Harness y su arquitectura donde todo es un plugin.

⚠️ No hay nada que elegir: deepseek-flash ya sirve la 1017 en el API, la web y la app. Si fijaste una versión en algún proveedor externo, revisa que no te hayas quedado en la de septiembre.

Curso en vídeo

Un modelo barato rinde más con un flujo que puedas repetir

Antes de cambiar de modelo, ten claro cómo trabajas con el agente. En el curso montas el flujo completo solo con prompts sobre un proyecto real, y en la lección 3 escribes el AGENTS.md que te sirve con cualquier modelo, también con Flash.

Entra en el curso →

¿Cuánto cuesta DeepSeek V4.1 Flash? ¶

En hora punta, 0,30 dólares por millón de tokens de entrada sin caché, 0,006 con caché y 1,20 de salida. Fuera de hora punta, exactamente la mitad. La actualización 1017 mantuvo los precios de septiembre.

Esta es la tabla oficial de la página de precios de DeepSeek (dólares por millón de tokens):

Para que te hagas una idea de la escala: Artificial Analysis calcula un precio combinado de 0,18 dólares por millón de tokens (con su mezcla 7:2:1 de entrada cacheada, entrada y salida). La mediana de los modelos comparables está por encima en entrada (0,43) y en salida (1,59).

¿Cuáles son las horas punta de DeepSeek? ¶

Fíjate en el horario. DeepSeek considera hora punta de lunes a viernes de 01:00 a 04:00 y de 06:00 a 10:00 UTC, excluyendo festivos chinos. Todo lo demás, incluidos los fines de semana, es tarifa valle.

Traducido a hora peninsular española con el horario de invierno (desde el 25 de octubre, UTC+1):

• Punta: de 02:00 a 05:00 y de 07:00 a 11:00.
• Valle: de 11:00 de la mañana en adelante, toda la tarde y la noche hasta las 02:00, y los fines de semana enteros.

Dicho de otro modo: si programas en horario de oficina en España, la mayor parte de tu jornada cae en tarifa valle. Y si tienes tareas por lotes (migraciones, generación de tests, revisiones de código en CI), programarlas por la tarde te sale a mitad de precio sin tocar una línea.

🔑 Con horario español, Flash te cuesta en la práctica 0,15 dólares de entrada y 0,60 de salida por millón de tokens durante casi toda la tarde. Ese es el número con el que deberías hacer las cuentas.

El coste oculto: es muy hablador ¶

Ahora el pero. Artificial Analysis midió que la versión 1017 en modo máximo generó 210 millones de tokens de salida para completar su Intelligence Index, frente a una mediana de 140 millones. La versión de septiembre llegó a 250 millones.

Es un 50% más de tokens que la mediana. El precio por token es bajo, pero un modelo que piensa en voz alta paga esa charla en salida, que es la parte cara. Aun así, el coste por tarea del índice se queda en 0,26 dólares, según la misma fuente. Barato, pero no tan regalado como sugiere la tabla de precios.

Search y Fetch: las herramientas de servidor ¶

Con V4.1 Flash, DeepSeek estrenó dos herramientas que se ejecutan en su servidor: Search, que devuelve hasta 50 resultados web ordenados por consulta, y Fetch, que convierte una página en Markdown. Cuestan 0,75 dólares por cada 1.000 peticiones correctas.

Hay promoción: si las llamas desde DeepSeek Harness, Claude Code o Codex, son gratis hasta el 1 de noviembre de 2026 (medianoche hora de Pekín). A partir de ahí, se cobra por petición.

¿Qué dicen los benchmarks de DeepSeek V4.1 Flash? ¶

En los benchmarks publicados por DeepSeek, V4.1 Flash lidera en programación competitiva, uso de terminal, ingeniería de software y ciberseguridad, pero se queda atrás en razonamiento general. Y en las evaluaciones independientes aparece entre los mejores modelos de pesos abiertos.

Esta es la comparativa del model card (versión de septiembre, esfuerzo de razonamiento máximo):

Hay tres lecturas que merece la pena hacer.

La primera: Flash supera a Pro en casi todo lo agéntico. El hermano pequeño de la nueva arquitectura gana al grande de la anterior en Terminal-Bench, DeepSWE, CyberGym y AutomationBench. Pro solo mantiene ventaja en GPQA y en HLE sin herramientas, que miden conocimiento y razonamiento más que ejecución.

La segunda: el agujero está en razonamiento puro. En Humanity’s Last Exam sin herramientas, Opus 5.0 le saca casi 20 puntos a la versión de septiembre. Con la 1017 (42,6) la distancia se reduce, pero sigue siendo grande. Con herramientas, en cambio, el hueco desaparece: 63,9 frente a 63,6. Es un modelo que razona mejor cuando puede buscar, ejecutar y comprobar que cuando tiene que sacarlo todo de la cabeza.

La tercera: son números del fabricante. SiliconANGLE lo resumió bien con la tabla de la 1017: en DeepSWE, Flash resuelve el 77% de las tareas frente al 74% de Opus 5, pero de los 11 benchmarks publicados, el modelo de Anthropic sigue por delante en siete.

⚠️ Una nota sobre la comparación: el model card enfrenta a V4.1 Flash con Opus 5.0 y GPT-5.6 Sol, no con Opus 5.5 ni GPT-6.1 Sol. Comparar con la generación anterior de los rivales es una práctica habitual en los lanzamientos, pero conviene que lo tengas presente al leer la tabla.

¿Y los benchmarks independientes? ¶

Artificial Analysis le da a V4.1 Flash 1017 (modo máximo) un 45 en su Intelligence Index, frente a una mediana de 19 en los modelos de pesos abiertos comparables. La versión de septiembre se quedaba en 39. La variante sin razonamiento baja a 25.

En velocidad, mide unos 204 tokens por segundo de salida en el API de DeepSeek, frente a una mediana de 73, y un tiempo al primer token de 1,06 segundos. El modo sin razonamiento sube a unos 269 tokens por segundo. Para un agente que encadena decenas de llamadas, esa velocidad se nota en cada vuelta del bucle.

Rápido, listo para lo que cuesta y muy hablador, todo en el mismo paquete.

¿DeepSeek V4.1 Flash es open source? ¶

Los pesos de V4.1 Flash están publicados en Hugging Face bajo licencia MIT, tanto el repositorio como el modelo. Es de los pocos modelos de este nivel con una licencia tan permisiva: puedes usarlo, modificarlo y desplegarlo en un producto comercial sin cláusulas extra.

Esto lo separa de otros modelos chinos recientes. Cuando analicé Kimi K3 vimos que sus pesos abiertos venían con una licencia propia con condiciones comerciales. Aquí no hay letra pequeña de ese tipo.

Ahora bien, «pesos abiertos» no es lo mismo que «open source» en sentido estricto: DeepSeek publica el paper y los pesos, no el dataset de 45 billones de tokens ni el pipeline de entrenamiento completo. Para lo que necesitas como developer (usarlo, adaptarlo, desplegarlo), la diferencia es teórica.

¿Se puede ejecutar DeepSeek V4.1 Flash en local? ¶

Sí, pero no en tu portátil. Con 763.000 millones de parámetros totales en los safetensors, casi todos en FP8, estamos hablando de cientos de gigas solo de pesos. Mi estimación es que ronda los 760 GB en 8 bits, así que necesitas un servidor con varias GPUs de gama alta o una cuantización agresiva.

El model card documenta despliegue con:

• vLLM (vllm serve) y SGLang, ambos con endpoint compatible con OpenAI.
• Transformers y Docker Model Runner.
• Cuantizaciones de la comunidad para llama.cpp, Ollama, LM Studio y Jan: Hugging Face lista 137 modelos cuantizados.

Un detalle que te ahorrará un rato de depuración: el repositorio no incluye plantilla de chat Jinja. En su lugar trae una implementación de referencia en Python en la carpeta encoding/, que cubre conversaciones multiturno, tool calling, razonamiento, nivel de esfuerzo e imágenes intercaladas. Para producción apuntan a una librería aparte en Rust con bindings de Python, deepseek-recipe.

Los parámetros de muestreo recomendados son temperatura 1,0, top_p entre 0,95 y 1,0, y un max_tokens de al menos 256K si dejas que razone. Los pesos admiten un esfuerzo de razonamiento continuo de 1 a 100 (los benchmarks se hicieron a 100).

Si nunca has montado un modelo en contenedor, tienes el paso a paso en el tutorial sobre cómo lanzar modelos de IA con Docker. Con un modelo de este tamaño, empieza por una cuantización pequeña y comprueba la calidad antes de volcarte.

🛡️ Si te planteas self-host por privacidad, haz los números antes. A 0,15 dólares el millón de tokens de entrada en horario valle, el punto de equilibrio frente a mantener tu propio clúster está muy lejos para un equipo pequeño.

¿Cómo usar DeepSeek V4.1 Flash desde Claude Code, el SDK u OpenRouter? ¶

El API de DeepSeek habla tanto el formato de OpenAI como el de Anthropic, así que puedes enchufar V4.1 Flash a casi cualquier herramienta cambiando la URL base y el nombre del modelo. Además soporta Responses API, JSON output, tool calls, completado por prefijo (beta) y FIM (solo sin razonamiento).

Las dos URL base:

• Formato OpenAI: https://api.deepseek.com
• Formato Anthropic: https://api.deepseek.com/anthropic

Con Claude Code ¶

Claude Code acepta un endpoint compatible con Anthropic mediante variables de entorno. Es justo el harness que DeepSeek usó para medir Terminal-Bench 4.0:

# Apunta Claude Code al endpoint Anthropic de DeepSeek
export ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
export ANTHROPIC_AUTH_TOKEN="$DEEPSEEK_API_KEY"
export ANTHROPIC_MODEL="deepseek-flash"

claude

Ten en cuenta que pierdes las funciones que dependen de los modelos de Anthropic y que el comportamiento del agente cambia: el prompt de sistema de Claude Code está pensado para Claude. Si estás pensando en mover tu flujo entero a otro agente, en cómo migrar de Claude Code a Codex u OpenCode tienes lo que se pierde y lo que se gana.

Con el SDK de OpenAI ¶

Para tus propios scripts, el SDK de OpenAI funciona tal cual:

from openai import OpenAI
import os

# Mismo SDK de OpenAI, distinta URL base
client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-flash",  # siempre apunta a la última versión de Flash
    messages=[
        {"role": "system", "content": "Eres un revisor de código conciso."},
        {"role": "user", "content": "Revisa esta función y dime qué casos límite no cubre: ..."},
    ],
)

print(response.choices[0].message.content)

El razonamiento está activado por defecto. Si lo que quieres es una respuesta rápida para clasificar, extraer o resumir, prueba el modo sin razonamiento: Artificial Analysis lo mide más rápido y gasta muchos menos tokens.

Con OpenRouter ¶

Si prefieres no abrir cuenta en DeepSeek, OpenRouter lo ofrece como deepseek/deepseek-v4.1-flash, con soporte para reasoning, reasoning_effort, tools y salida estructurada. Revisa allí el precio y los proveedores del día, porque varían. Un apunte: OpenRouter indica que no está disponible con enrutado restringido a la UE.

Límite de concurrencia ¶

DeepSeek permite 2.500 peticiones concurrentes con Flash, frente a 500 con V4 Pro. Para lanzar muchos subagentes en paralelo o procesar lotes grandes, es un margen generoso.

Curso premium

Un modelo hablador quema tokens: bájale la barra a tu sesión

Jugar →

¿Es fiable el API de DeepSeek? ¶

El 15 de octubre de 2026 el API de DeepSeek estuvo caído casi cinco horas, según recogió SiliconANGLE a partir de Yicai Global, que la situó entre las peores caídas del año. DeepSeek pidió disculpas, devolvió en créditos lo que cada usuario había gastado la semana anterior y prometió eliminar los puntos únicos de fallo.

Algunos expertos citados por Bloomberg apuntan a la falta de capacidad de cómputo. Y eso encaja con la propia estrategia de DeepSeek: un modelo que activa 16B parámetros y comprime la caché KV a una cuarta parte es, entre otras cosas, una forma de servir más con las mismas GPUs.

¿Qué hago yo con esto? No pondría un flujo crítico de producción a depender solo del API de DeepSeek. Para un agente de desarrollo, una cola de tareas por lotes o un pipeline interno, sí. Y si lo usas a través de OpenRouter o de tu propio despliegue, el riesgo se reparte.

💡 Configura siempre un modelo de respaldo. Si tu herramienta lo permite, deja otro proveedor como plan B para que una caída no te pare el día.

¿Para qué tareas compensa DeepSeek V4.1 Flash? ¶

V4.1 Flash compensa en tareas agénticas largas donde el volumen de tokens dispara el coste: agentes en la terminal, refactors amplios, generación de tests, revisión de código en lote y automatizaciones con herramientas. No es la mejor opción cuando necesitas el máximo de razonamiento en un solo intento.

Así lo repartiría yo:

Hay una estrategia que me funciona bien con este tipo de modelos: planifica con uno grande, ejecuta con uno barato. Deja que un Opus o un GPT de gama alta escriba el plan y la especificación, y luego pasa a V4.1 Flash la ejecución repetitiva: implementar, ejecutar tests, corregir, volver a ejecutar. Lo profundizo en el post sobre qué modelo de IA usar para cada tarea.

V4.1 Flash frente a otros modelos baratos ¶

Si estás comparando opciones económicas para agentes, el contexto de octubre de 2026 queda así:

Tienes el análisis de cada uno en Haiku 5.5 y GLM-5.

Mi valoración para desarrollo de software ¶

Llevo tiempo diciendo que la pregunta ya no es «qué modelo es el mejor», sino «qué modelo es bastante bueno para esta tarea al menor coste». Para el trabajo de agente, V4.1 Flash es de las mejores respuestas a esa pregunta que han salido este año.

Lo que más me convence:

• El precio en horario español. Pagar tarifa valle durante la tarde sin hacer nada es un regalo para quien programa desde Europa.
• La velocidad. Más de 200 tokens por segundo en un agente se traduce en bucles que no te dejan mirando la pantalla.
• La licencia MIT. Te da una salida si mañana cambian las condiciones del API.
• Que la 1017 corrigiera lo que más se le criticaba: tareas largas y respuestas infladas.

Lo que me frena:

• La verbosidad, que se come parte del ahorro.
• La caída de octubre, que pide un plan B.
• El razonamiento sin herramientas, que lo deja lejos de los grandes cuando tienes que pensar de verdad.
• Comparativas contra la generación anterior de los rivales en su propia tabla.

¿Lo usaría como modelo principal para todo? No. ¿Lo usaría como caballo de batalla para el 70% del trabajo repetitivo de un agente? Sin pensarlo mucho.

TL;DR ¶

• 🚀 DeepSeek V4.1 Flash (sep 2026, actualizado a 1017 el 17 oct) es un MoE multimodal de 552B parámetros con solo 16B activos al generar y un millón de tokens de contexto.
• 💸 Cuesta 0,30 / 1,20 dólares por millón de tokens de entrada y salida en hora punta, y la mitad en valle, que en España cubre casi toda la tarde y los fines de semana.
• ⚡ Lidera en su tabla Terminal-Bench 2.1, DeepSWE y CyberGym, y Artificial Analysis le da 45 en su índice a unos 204 tokens por segundo.
• 🎯 Úsalo para agentes de código, tests y tareas en lote; para razonamiento profundo sin herramientas, tira de un modelo grande.
• 📚 Pesos en Hugging Face con licencia MIT, API compatible con OpenAI y Anthropic con el identificador deepseek-flash.

Preguntas frecuentes sobre DeepSeek V4.1 Flash ¶

¿Qué es DeepSeek V4.1 Flash? ¶

Es el modelo más pequeño de la nueva familia de arquitectura de DeepSeek, publicado el 10 de septiembre de 2026. Es un Mixture-of-Experts multimodal con 552.000 millones de parámetros en su columna vertebral y 16.000 millones activos por token al generar. Acepta texto e imágenes y tiene un millón de tokens de contexto.

¿Qué diferencia hay entre DeepSeek V4 Flash y V4.1 Flash? ¶

V4.1 Flash usa una arquitectura nueva (Causal Encoder-Decoder), tiene visión nativa y una caché KV cuatro veces más ligera que V4 Flash. DeepSeek retiró V4 Flash y redirige sus nombres de modelo a V4.1 Flash al precio de Flash.

¿Qué es DeepSeek V4.1 Flash 1017? ¶

Es la actualización del 17 de octubre de 2026. Reduce el tiempo de ejecución de las tareas y la longitud de las respuestas, y mejora los resultados en benchmarks como Terminal-Bench 4.0 (de 31,2 a 42,3) y DeepSWE (de 74,2 a 77,0). El precio y el identificador del API no cambiaron.

¿Cuánto cuesta el API de DeepSeek V4.1 Flash? ¶

En hora punta, 0,30 dólares por millón de tokens de entrada sin caché, 0,006 con caché y 1,20 de salida. En tarifa valle, la mitad: 0,15, 0,003 y 0,60 dólares.

¿Cuál es el horario valle de DeepSeek? ¶

Hora punta es de lunes a viernes de 01:00 a 04:00 y de 06:00 a 10:00 UTC, salvo festivos chinos. El resto del tiempo, incluidos los fines de semana, es tarifa valle. En hora peninsular de invierno, la punta va de 02:00 a 05:00 y de 07:00 a 11:00.

¿DeepSeek V4.1 Flash es gratis u open source? ¶

Los pesos se publican en Hugging Face con licencia MIT, que permite uso comercial. El API es de pago, aunque la web y la app de DeepSeek permiten usarlo sin pagar. El dataset de entrenamiento no es público.

¿Se puede ejecutar DeepSeek V4.1 Flash en local? ¶

Sí, con vLLM, SGLang, Transformers o cuantizaciones de la comunidad para llama.cpp, Ollama o LM Studio. Pero con 763.000 millones de parámetros totales necesitas un servidor con varias GPUs o una cuantización muy agresiva. No es un modelo para un portátil.

¿Cómo se usa DeepSeek V4.1 Flash con Claude Code? ¶

Configura ANTHROPIC_BASE_URL con https://api.deepseek.com/anthropic, pon tu clave de DeepSeek en ANTHROPIC_AUTH_TOKEN y el modelo deepseek-flash en ANTHROPIC_MODEL. DeepSeek midió Terminal-Bench 4.0 usando Claude Code como harness.

¿Es DeepSeek V4.1 Flash mejor que Claude Opus? ¶

En algunos benchmarks de agentes publicados por DeepSeek, como DeepSWE y Terminal-Bench 2.1, supera a Opus 5.0. En razonamiento sin herramientas, como Humanity’s Last Exam, Opus sigue muy por delante. Según SiliconANGLE, Anthropic lidera en siete de los once benchmarks de la tabla de la versión 1017.

¿Qué velocidad tiene DeepSeek V4.1 Flash? ¶

Artificial Analysis mide unos 204 tokens por segundo en modo de razonamiento máximo y unos 269 en modo sin razonamiento, con un tiempo al primer token de 1,06 segundos en el API de DeepSeek. La mediana de modelos comparables está en 73 tokens por segundo.

Fuentes ¶

• DeepSeek API: Change Log — fechas, benchmarks de septiembre y de la versión 1017, retirada de V4 Flash.
• DeepSeek API: Models & Pricing — precios punta y valle, horarios, límites de concurrencia y tarifas de Search y Fetch.
• deepseek-ai/DeepSeek-V4.1-Flash en Hugging Face — arquitectura, licencia, despliegue y tabla comparativa.
• DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression (arXiv) — paper técnico.
• Artificial Analysis: DeepSeek V4.1 Flash 1017 — evaluación independiente de inteligencia, velocidad y verbosidad.
• SiliconANGLE: DeepSeek releases updated V4.1-Flash model — contexto del lanzamiento y caída del API.
• OpenRouter: DeepSeek V4.1 Flash — acceso alternativo y parámetros soportados.

🧨 Última oprtunidad para recibir la dinamita que mereces sobre programación con IA el próximo domingo: Suscríbete gratis a Web Reactiva en https://webreactiva.com/newsletter