DeepSeek V4.1 Flash es un lanzamiento poco común en el que el modelo nuevo es más barato y mejor que el nivel al que sustituye. Llegó el 10 de septiembre de 2026 como deepseek-flash, un modelo de 552B parámetros con visión nativa, y DeepSeek retira su propio V4 Pro porque este modelo más pequeño lo supera en la mayoría de pruebas.
El precio es el titular: fuera de horas punta, $0,15 por millón de tokens de entrada y $0,60 por millón de salida, lo que deja por debajo al V4 Flash saliente y ronda un tercio de V4 Pro. Lo ingenioso es la arquitectura, que reduce el coste de memoria de los contextos largos a 890 bytes por token.
Para quien construye tareas de agentes baratas, es realmente emocionante. Para quien piense en usarlo con conversaciones de clientes, el modelo es la parte fácil. El conocimiento, las protecciones y las pruebas a su alrededor son lo que de verdad hace funcionar a un agente de soporte, y ahí es donde un modelo de API en bruto te deja más trabajo.
Construyo agentes de IA en eesel, así que paso buena parte de la semana viendo qué ocurre cuando un modelo se encuentra con una cola de soporte real en lugar de un benchmark. La versión corta de lo aprendido ejecutando IA en miles de tickets en vivo: un modelo que suena seguro pero se equivoca es peor que no tener modelo, y por eso leo un lanzamiento así por lo que cambia en producción, no solo por lo que puntúa. DeepSeek V4.1 Flash cambia mucho en coste y velocidad, así que merece un buen vistazo.
Qué cambió realmente con V4.1 Flash
DeepSeek lanzó V4.1 Flash el 10 de septiembre de 2026 y lo llamó "el modelo más pequeño de nuestra nueva familia de arquitectura, con comprensión visual nativa". Esa redacción importa: no es un retoque del modelo del mes pasado, es un diseño nuevo, y viene con algo de limpieza.
La limpieza es lo interesante. DeepSeek está reduciendo tres modelos a uno. El antiguo deepseek-v4-flash y el experimental deepseek-v4-flash-vision-exp se retiran y ahora redirigen a V4.1 Flash. Más sorprendente aún, el buque insignia V4 Pro también se retira: desde las 04:00 UTC del 14 de septiembre de 2026, cada solicitud a deepseek-v4-pro la atiende V4.1 Flash a precios de Flash hasta que salga un futuro V4.1 Pro. El razonamiento de DeepSeek es directo: el modelo pequeño ha "comprehensively surpassed" al grande.
A no todos les gustó la redirección. La reacción más sonora en Hacker News no fue sobre el modelo, sino sobre pasar a clientes de pago a otro modelo sin un periodo de obsolescencia:
"If I'd carefully tested and optimized prompts against Pro I wouldn't be keen on this particular news. I feel like API model providers should lean towards not swapping out models on their paying customers, no matter how much "better" the new model is meant to be."
Es una queja razonable y conviene recordarla si fijas modelos en producción. El contraargumento, también razonable, es que DeepSeek es un laboratorio pequeño que de forma realista puede alojar un modelo de frontera a la vez, y publica en código abierto cada versión, así que quien necesite un objetivo congelado puede autoalojar exactamente esos pesos para siempre. En cualquier caso, si construyes sobre la API de DeepSeek, trata "el modelo puede cambiar bajo mis pies" como una restricción de diseño real, igual que con cualquier LLM alojado.
La arquitectura: por qué un modelo más grande es más rápido y barato
Esta es la parte que me parece realmente ingeniosa y conviene entenderla porque explica el precio. La mayoría de modelos mantienen un gran montón de parámetros activo todo el tiempo que leen tu prompt y escriben su respuesta. V4.1 Flash divide ese trabajo en dos con lo que DeepSeek llama una arquitectura codificador-decodificador causal. Un codificador de 20 capas lee tu entrada con solo 8 mil millones de parámetros activos, y luego un decodificador de 20 capas escribe la respuesta con 16 mil millones. El modelo completo tiene 552B parámetros, pero solo una pequeña parte está activa a la vez.
La razón para fijarse en "8B para leer" es que el trabajo de agentes consume mucha entrada. Cuando tu modelo mastica un largo historial de tickets, una base de conocimiento y un montón de definiciones de herramientas, la mayoría de los tokens son de entrada, y V4.1 Flash los lee barato.
La otra mitad del truco es la caché KV, la memoria de trabajo que un modelo mantiene mientras recorre un contexto largo. Suele ser lo que hace caras y lentas las llamadas de contexto largo. DeepSeek bajó su caché a 890 bytes por token, que según ellos es cerca de una cuarta parte de la de V4 Flash y unas 437 veces menor que la de su modelo V1 original. En términos de hardware, es una cuarta parte de la memoria de alto ancho de banda y una octava parte del espacio en SSD de la generación anterior.
Esa compresión es toda la razón por la que DeepSeek pudo subir el número de parámetros y aun así bajar el precio. También se nota en la velocidad. Quienes probaron la vista previa informaron de un rendimiento asombroso:
"I've been trying out the 4.1 flash preview for some bulk tasks [...] I was getting something like 300-400 tok/s which was just insanity. It was running so much faster than the toolcalls themselves."
A 250-400 tokens por segundo, varias personas señalaron que Gemini Flash ya no es la opción más rápida para trabajo de alto volumen. El modelo también conserva el esfuerzo de razonamiento ajustable de forma continua de DeepSeek, un dial entero de 1 a 100 que cambia coste por precisión. Una queja honesta de ergonomía: en la práctica los preajustes de la API saltan de "low" directamente a "high" y "max", y la gente quiere un "medium" de verdad porque "high" gasta tokens rápido.
Benchmarks: mejor que V4 Pro, por debajo de la frontera
La tabla comparativa de DeepSeek es la imagen más clara, y la tomaré al pie de la letra señalando que son cifras reportadas por el proveedor.
La historia de la tabla es coherente. En trabajo agéntico y de programación, V4.1 Flash tiende a liderar el grupo: Terminal-Bench 2.1 con 90,6, DeepSWE con 74,2, una valoración de Codeforces de 3471 y HLE con herramientas con 63,9, que supera por poco los 63,6 de Claude Opus 5. Supera a V4 Pro en casi todas las filas compartidas, lo que respalda la decisión de retirar Pro.
La salvedad honesta es el razonamiento puro sin herramientas. En Humanity's Last Exam, V4.1 Flash saca 36,8 (39,1 en la parte solo de texto), bastante por debajo de GPT-5.6 Sol con 44,5 y de Claude Opus 5 con 56,3. Es un magnífico caballo de batalla que usa herramientas, no un nuevo campeón de razonamiento. Coincide con lo que la gente cuenta que hace con él:
"I used a lot V4 flash to implement plans built by other models, and it was honestly top notch. The thing was a workhorse."
La opinión de Reddit en el hilo de benchmarks fue parecida: impresionados por la eficiencia, escépticos de que un modelo Flash supere de verdad en el día a día a un gigante como Kimi K3. Ese escepticismo es sano. Los benchmarks sobrerrepresentan puzles ordenados e infrarrepresentan el trabajo real y desordenado, y los tickets de soporte son de lo más desordenado que hay.
Precios de DeepSeek V4.1 Flash
El precio es donde este lanzamiento gana su atención. Las tarifas siguientes son por millón de tokens, y DeepSeek aplica un calendario de horas punta y valle en el que la tarifa valle es exactamente la mitad de la punta.
| Concepto (por 1M de tokens) | Valle | Punta |
|---|---|---|
| Entrada, acierto de caché | $0,003 | $0,006 |
| Entrada, fallo de caché | $0,15 | $0,30 |
| Salida | $0,60 | $1,20 |
| Ventana de contexto | 1M | 1M |
| Salida máx. | 384K | 384K |
| Concurrencia | 2.500 | 2.500 |
Conviene saber algunas cosas. Las horas punta son 01:00-04:00 y 06:00-10:00 UTC en días laborables, que corresponden al horario laboral chino, así que una cola de soporte de EE. UU. o Europa factura sobre todo a la tarifa valle más barata. Es un ahorro real y algo frágil, ya que tu factura depende en silencio del reloj. El modelo también admite llamadas a herramientas, salida JSON, la API Responses de OpenAI y un endpoint en formato Anthropic, y permite 2.500 solicitudes concurrentes frente a las 500 de V4 Pro.
Como referencia, el V4 Flash saliente costaba $0,22 en valle con fallo de caché y $0,66 de salida, así que V4.1 Flash es un recorte de precio real además de una mejora de capacidad. Miembros de la comunidad hicieron las cuentas contra el rival obvio y fueron tajantes:
"The direct competition is Gemini Flash, and these models are much better on agentic tasks with fraction of the task price compared to Gemini... 20-30% of the price per task. And especially Deepseek Flash produces better quality than Gemini does."
Para ver qué significa para tu propia carga, aquí tienes un estimador mensual aproximado. Introduce tus volúmenes de tokens y hace la aritmética.
Qué dice la gente realmente
Más allá del entusiasmo por precio y velocidad, hay algunos temas que conviene señalar antes de construir sobre él.
El primero es el tamaño. El antiguo V4 Flash tenía 284B y era razonable de ejecutar en local. V4.1 Flash es casi el doble, lo que provocó un debate divertido sobre si todavía cuenta como "Flash":
"The bad news is that the original v4 flash was 284B, which was large but still somewhat reasonable for running locally. This one is 552B so almost twice that [...] it's not really flash anymore, imo... it's probably the newest king of the hill amongst open weights models."
Si quieres autoalojar los pesos MIT, presupuesta. Las cuentas de un comentarista lo situaron en unos 384 GB de memoria, aproximadamente una configuración de cuatro RTX PRO 6000. Es un equipo serio, aunque aún más barato que el sueldo de un desarrollador si la carga lo justifica. Para la mayoría de equipos, las opciones de código abierto que caben en hardware más pequeño son un punto de partida más sensato.
El segundo es la rareza de las "respuestas en chino" que sigue apareciendo:
"the web ui chat version of flash has very poor language following abilities in my experience: You may ask it something in English, and get a thinking chain in Chinese with an answer in Chinese."
El matiz útil es que la gente lo atribuye repetidamente a la interfaz web y a proveedores terceros baratos que ejecutan cuantizaciones bajas, no a la API propia de DeepSeek. Si llamas a la API oficial, es mucho menos probable que ocurra, pero es un recordatorio de que dónde ejecutas el modelo importa tanto como qué modelo es.
¿Deberías usar V4.1 Flash en atención al cliente?
Esta es la pregunta que de verdad me importa, y la respuesta es un claro "como motor, sí, pero con los ojos abiertos".
Los puntos fuertes son reales. Es barato, rápido, tiene contexto de 1M de tokens, lee imágenes y se distribuye con licencia MIT que puedes autoalojar. Para tareas de alto volumen y bien acotadas es una gran combinación, y es justo el tipo de modelo al que derivaría con gusto el trabajo repetitivo.
Las cautelas son igual de reales, y tratan de datos, no de calidad. Los términos de la API de pago de DeepSeek no aclaran si tus entradas se usan para entrenar el modelo, no hay una opción publicada de retención cero ni un acuerdo de procesamiento de datos, y las solicitudes se procesan en la RPC. Para una cola de soporte llena de nombres de clientes, detalles de pedidos e información personal, es una conversación de cumplimiento que quieres tener antes, no después. Si este es tu mundo, nuestro artículo sobre SOC 2 y RGPD en chatbots de soporte es una buena introducción, y las mismas preguntas que planteamos sobre la privacidad de datos de la IA se aplican a cualquier modelo alojado.
El punto más importante, sin embargo, es uno al que vuelvo tras años desplegando esto: el modelo es quizá el 2 % de lo que hace bueno a un agente de soporte. El otro 98 % es si tiene el conocimiento adecuado de la empresa, si sabe cuándo parar y pasar a una persona, si puede realmente ejecutar acciones en tu helpdesk y si lo probaste antes de que se enfrentara a un cliente. Un modelo brillante y barato conectado sin cuidado sigue dando respuestas erróneas con aplomo, y hemos visto eso suceder las veces suficientes como para construir todo nuestro producto en torno a evitarlo.
Prueba eesel
DeepSeek V4.1 Flash es infraestructura. Es un motor fantástico, pero un motor no es un empleado. eesel es una plataforma de compañeros de IA: en lugar de un modelo en bruto que tienes que envolver con conocimiento, protecciones e integraciones, contratas un compañero listo para trabajar en una tarea concreta. El compañero de IA para helpdesk se une a tu cola existente, aprende de tus tickets pasados y tu centro de ayuda y sabe cuándo escalar, así que el modelo de debajo es un detalle que no tienes que gestionar.
Como los artículos sobre un modelo nuevo suelen atraer a gente que trabaja en la terminal, una cosa que conviene destacar: eesel no es un producto solo de panel. Incluye una interfaz de línea de comandos real, @eesel/cli, y cada espacio de trabajo es también un servidor MCP. Eso significa que una persona puede manejar el mismo compañero desde una terminal, los scripts pueden automatizarlo en CI y agentes de programación como Claude Code o Cursor pueden operarlo directamente, igual que gestionarías agentes desde la terminal. Puedes conectar una integración, editar las instrucciones permanentes, ejecutar una simulación contra tu historial real de tickets para comprobar la calidad de las respuestas e inspeccionar cada ejecución con eesel activity, todo sin abrir un navegador. Es la forma API-first de llevar el soporte con la que mucha de la audiencia de DeepSeek se sentirá a gusto, documentada en los documentos de la CLI de eesel.
El precio es una cuota mensual fija, desde $299/mes por 500 créditos (1 crédito por ticket o chat) sin coste por usuario, y hay un plan gratuito con 100 créditos para que lo pruebes con tus propios tickets antes de comprometerte. Si has estado mirando un modelo barato para recortar costes de soporte, ese paso de simulación es la parte que yo no me saltaría: prueba eesel y comprueba primero la calidad real de las respuestas con tus propios datos.
Preguntas frecuentes
¿Qué es DeepSeek V4.1 Flash?
DeepSeek V4.1 Flash es el modelo de pesos abiertos más reciente de DeepSeek, lanzado el 10 de septiembre de 2026 y disponible en la API como deepseek-flash. Es un modelo de mezcla de expertos de 552B parámetros con entrada de imagen nativa, y DeepSeek afirma que supera al anterior DeepSeek V4 Flash e incluso al nivel V4 Pro al que sustituye.
¿Cuánto cuesta DeepSeek V4.1 Flash?
Fuera de las horas punta, cuesta $0,15 por millón de tokens de entrada con fallo de caché, $0,003 con acierto de caché y $0,60 por millón de tokens de salida. En horas punta (01:00-04:00 y 06:00-10:00 UTC en días laborables) esas tarifas se duplican. Es más barato que el V4 Flash saliente y mucho más barato que V4 Pro. Consulta el artículo sobre los precios de DeepSeek V4 Flash para ver cómo se comparaba el nivel anterior.
¿Es DeepSeek V4.1 Flash mejor que DeepSeek V4 Pro?
En la propia tabla de benchmarks de DeepSeek supera por poco a V4 Pro en la mayoría de pruebas agénticas y de programación y cuesta cerca de un tercio, por eso DeepSeek retira V4 Pro. En razonamiento puro sin herramientas sigue por detrás de modelos de frontera como Claude Opus 5. Para un cara a cara más exigente, consulta DeepSeek V4 Flash vs GPT-5.6.
¿Puedo ejecutar DeepSeek V4.1 Flash en local?
Sí, los pesos tienen licencia MIT en Hugging Face, así que el autoalojamiento está permitido. El problema es el tamaño: con 552B parámetros necesita unos 384 GB de memoria (piensa en un equipo con cuatro RTX PRO 6000), así que ya no es hardware de portátil. Si quieres un punto de partida más ligero, explora las plataformas de chatbots de código abierto.
¿Es seguro DeepSeek V4.1 Flash para datos de clientes?
Los términos de su API de pago no aclaran si tus entradas se usan para entrenar, no hay una opción publicada de retención cero ni un DPA, y los datos se procesan en la RPC. Para soporte regulado, infórmate sobre SOC 2 y RGPD en chatbots de soporte antes de usarlo con tickets reales.
¿DeepSeek V4.1 Flash admite visión?
Sí. La visión ahora es nativa del modelo principal y sustituye a la antigua versión experimental V4 Flash Vision. Puede leer imágenes y texto a la vez, aunque algunos usuarios señalan que el arnés de DeepSeek aún no expone una herramienta de imágenes en todos los flujos.
¿Debería usar DeepSeek V4.1 Flash para atención al cliente?
Como modelo en bruto es un motor potente y barato, pero un agente de soporte necesita encima conocimiento de la empresa, protecciones, pruebas y acciones en el helpdesk. Una plataforma como eesel se encarga de esa capa, y su compañero de IA para helpdesk se conecta a tus herramientas actuales en lugar de dejarte integrar un modelo por tu cuenta.