🤖 IA
DeepSeek V4.1 Flash 1017: el modelo abierto que ya apunta a GPT-5.6 y Claude Opus 5
DeepSeek vuelve a mover el tablero. La empresa china acaba de publicar DeepSeek-V4.1-Flash-1017, una actualización de su modelo abierto que llegó directa a lo más alto de Hacker News y que ya se compara, cifra en mano, con las mejores versiones de pago del mercado.
El nuevo modelo de DeepSeek se descarga con pesos abiertos y licencia MIT. Foto: Unsplash
Qué es exactamente DeepSeek-V4.1-Flash-1017
No arranca de cero: es una actualización menor de DeepSeek-V4.1-Flash, publicada el 17 de octubre de 2026. El objetivo declarado es clarísimo: mejorar en razonamiento, código, tareas agentic y visión, y al mismo tiempo reducir el tiempo de ejecución y la longitud de la salida. Traducido al lenguaje de quien paga la factura: mismo trabajo, menos espera y menos costo por consulta.
Los pesos se descargan desde Hugging Face bajo licencia MIT. El modelo tiene 763.000 millones de parámetros y una ventana de contexto de 1 millón de tokens, con salidas de hasta 256.000 tokens.
Los números: dónde gana y dónde aún pierde
En la tabla oficial del equipo, el salto más visible está en código y agentes:
- Terminal-Bench 4.0: 42,3 frente a 31,2 de la versión anterior.
- Humanity's Last Exam (sin herramientas): 42,6 frente a 36,8.
- DeepSWE v1.1: 77,0 frente a 74,2.
- Apex Bench v1.1: 72,1 frente a 64,6.
En visión alcanza el 92,5% en BabyVision y el 83,0% en Chartography, ambos usando herramientas. El techo, eso sí, sigue donde estaba: en HLE sin herramientas, GPT-5.6 Sol marca 44,5 y Claude Opus 5 se dispara hasta 56,3. El modelo abierto acerca la distancia, pero todavía no la cierra.
La clave está en la compresión de memoria
El informe técnico del modelo se titula, sin rodeos, "Pushing the Limits of KV Cache Compression". Ahí está la apuesta: comprimir más la memoria del modelo para servir respuestas largas más barato, y recortar la salida para que las respuestas lleguen antes sin perder contenido útil.
Cómo probarlo hoy
Ya está disponible en chat.deepseek.com y los pesos se descargan desde Hugging Face. Ojo con un detalle práctico: esta versión no incluye plantilla de chat en formato Jinja. DeepSeek entrega en su carpeta encoding una implementación de referencia en Python, y en el repositorio deepseek-recipe una librería en Rust con bindings de Python que convierte peticiones de las APIs de Chat Completions y Responses al formato interno del modelo.
Conclusión
DeepSeek no está intentando ganar un solo benchmark: está intentando ganar en la relación entre calidad, velocidad y costo. Si V4.1-Flash-1017 cumple lo que promete en producción, la conversación deja de ser "quién tiene el modelo más inteligente" para convertirse en "quién sirve un modelo suficientemente bueno al precio más bajo". Y ahí, con la licencia MIT sobre la mesa, los modelos cerrados tienen un problema de verdad.