DeepSeek lanzó este jueves DeepSeek-V4.1-Flash, el primer integrante de menor tamaño de una nueva familia de modelos con la que la compañía china busca aumentar la velocidad y reducir el costo de ejecutar agentes de inteligencia artificial con contextos extensos.
El modelo utiliza una arquitectura Mixture-of-Experts con 552 mil millones de parámetros y una nueva estructura denominada Causal Encoder–Decoder (CED). Aunque su tamaño total es elevado, durante el procesamiento de la entrada activa aproximadamente 8 mil millones de parámetros por token y durante la generación utiliza 16 mil millones, una distribución asimétrica diseñada para reducir los recursos necesarios cuando una aplicación recibe grandes cantidades de información antes de producir una respuesta.
V4.1-Flash admite además hasta un millón de tokens de contexto, procesa imágenes y texto de manera nativa y permite regular de forma continua el esfuerzo de razonamiento mediante una escala de 1 a 100. DeepSeek plantea esta última característica como un mecanismo para intercambiar costo computacional por precisión según la dificultad de cada tarea.
Pero la principal novedad de la arquitectura está en la memoria. Los modelos generativos almacenan una estructura conocida como KV cache para evitar recalcular continuamente todo el contexto previo. Esa memoria se vuelve especialmente costosa cuando un agente trabaja durante mucho tiempo, consulta archivos extensos o mantiene conversaciones de cientos de miles de tokens.
DeepSeek asegura que V4.1-Flash necesita apenas una cuarta parte de la memoria HBM y una octava parte del almacenamiento SSD de la generación anterior para mantener esa caché. Frente al primer DeepSeek-V1, la compañía calcula, en el README del modelo, una reducción de aproximadamente 437 veces en el tamaño del KV cache por token.
La reducción resulta particularmente relevante para agentes, donde una gran parte del costo puede proceder no de generar nuevos tokens sino de mantener disponible todo el historial que el sistema necesita consultar una y otra vez.
Más pequeño que Pro, pero lo sustituirá
DeepSeek afirma que el nuevo Flash supera a su anterior V4-Pro en rendimiento general, costo, velocidad y tiempo total de ejecución, por lo que comenzará a retirarlo. A partir del 14 de septiembre, las solicitudes dirigidas a V4-Pro serán temporalmente redirigidas a V4.1-Flash mientras la compañía prepara V4.1-Pro.
En los resultados publicados por DeepSeek, V4.1-Flash obtuvo 90.6% en Terminal-Bench 2.1, 74.2% en DeepSWE v1.1, 88.1% en CyberGym y 54.8% en AutomationBench. En DeepSWE, por ejemplo, quedó prácticamente empatado con Claude Opus 5 y ligeramente por encima de GPT-5.6 Sol en la configuración utilizada por la compañía.
El resultado cambia dependiendo de la prueba. En evaluaciones de razonamiento más general, V4.1-Flash no lidera necesariamente frente a los modelos de frontera: obtuvo 90.9 en GPQA Diamond frente a 94.1 de GPT-5.6 Sol y 93.4 de Opus 5. En Terminal-Bench 3.0 y 4.0 también permanece por detrás de ambos. Los resultados deben además tomarse como evaluaciones publicadas por la propia DeepSeek y no como una comparación independiente uniforme entre proveedores.
La estrategia parece estar dirigida menos a ganar todas las pruebas de razonamiento que a producir un modelo suficientemente capaz para agentes pero mucho más barato de mantener funcionando durante contextos enormes.
Visión nativa y pesos abiertos
V4.1-Flash incorpora por primera vez en esta nueva familia comprensión visual nativa. DeepSeek entrenó conjuntamente texto e imágenes desde el preentrenamiento, en lugar de añadir posteriormente un módulo visual independiente. La compañía señala que el corpus multimodal utilizado alcanzó aproximadamente 45 billones de tokens.
Los pesos fueron publicados en Hugging Face bajo licencia MIT, junto con código de inferencia y material para reproducir algunas de sus evaluaciones. El repositorio recomienda una ventana de contexto de un millón de tokens y admite salidas de al menos 256 mil tokens para determinadas configuraciones.
El modelo también está ya disponible mediante la API de DeepSeek con el identificador deepseek-flash. Las antiguas variantes V4-Flash y V4-Flash-Vision-Exp fueron retiradas y, temporalmente, sus nombres dirigirán las llamadas al nuevo modelo.
El lanzamiento llega mientras DeepSeek prepara una eventual oferta pública inicial en el mercado STAR de Shanghái, según Reuters, y continúa compitiendo no sólo por capacidad bruta sino por eficiencia de inferencia, una de las áreas que se está convirtiendo en el próximo gran campo de batalla de la infraestructura de IA.
