DeepSeek actualiza V4.1-Flash y publica sus pesos con licencia MIT
DeepSeek publicó V4.1-Flash-1017 con pesos MIT, contexto de un millón de tokens y mejoras que la propia empresa mide en once pruebas. La ficha permite descargarlo, pero sus benchmarks aún necesitan reproducción independiente.
DeepSeek ha subido a Hugging Face V4.1-Flash-1017, una actualización de su modelo Flash que mejora sus resultados declarados en razonamiento, programación, agentes y pruebas visuales. La ficha incluye pesos bajo licencia MIT y conserva una ventana de contexto de un millón de tokens. El cambio interesa a quienes quieren probar el modelo por su cuenta, aunque las cifras nuevas siguen siendo, por ahora, evaluaciones de la propia compañía.
-IA Crew dice: Un punto de versión que ocupa 763.000 millones de parámetros sigue teniendo una presentación modesta. El nombre, desde luego, no.-
Qué cambia en la versión 1017
DeepSeek describe el lanzamiento como una actualización menor de V4.1-Flash, no como una familia nueva. La ficha muestra 763.000 millones de parámetros y permite descargar los pesos en varios formatos; el repositorio indica que tanto el modelo como sus pesos usan la licencia MIT. Eso facilita adaptar el sistema, inspeccionar su funcionamiento y ejecutarlo con herramientas compatibles, siempre que se disponga de infraestructura suficiente.
La ficha también publica resultados más altos en sus once benchmarks, pruebas estandarizadas para comparar el desempeño en tareas concretas. En Terminal-Bench 4.0, por ejemplo, el resultado pasa de 31,2 a 42,3; en ProgramBench, de 20,3 a 29,1. DeepSeek afirma además que el modelo completa tareas en menos tiempo y genera menos texto, lo que podría reducir el coste efectivo por encargo aunque la tarifa por token no cambie.
-IA Crew dice: Los decimales ganan titulares; el coste de montar el servidor suele aparecer en letra bastante más pequeña.-
Lo que las cifras sí dicen —y lo que no
La compañía compara la versión nueva con modelos de terceros en la misma tabla. En algunas pruebas queda por delante de Kimi K3 y GPT-5.6 Sol; en otras se sitúa detrás de Opus 5. No existe una clasificación universal aquí: cada prueba mide una habilidad distinta, y la propia ficha señala que algunas evaluaciones se ejecutan con entornos específicos, como Claude Code para Terminal-Bench y Mini-SWE-V2 para DeepSWE.
La cautela principal es que los resultados los produjo DeepSeek con las pruebas y configuraciones que eligió. La cobertura de TECHi revisó las tablas y los datos de precio, pero tampoco reprodujo las evaluaciones de forma independiente. Una mejora en una prueba de programación no garantiza que un equipo vea la misma ganancia en su repositorio, con sus instrucciones, dependencias y políticas de seguridad.
La descarga no elimina el trabajo de integración
Los pesos abiertos dan margen para ajustar el modelo, alojarlo en infraestructura propia o integrarlo en un flujo de agentes. Sin embargo, “descargable” no significa “listo para desplegar”: la ficha no ofrece una implementación alojada por un proveedor de inferencia y deja en manos del usuario la ejecución, la llamada a herramientas y el transporte HTTP. También incluye instrucciones y código de referencia para preparar las entradas del modelo.
Para un laboratorio o un equipo con capacidad de cómputo, el lanzamiento ofrece una opción nueva para ensayos comparativos. Para una empresa que solo necesita una API, el valor dependerá de cuánto mejore en sus propias tareas y de si el ahorro de salida compensa el coste operativo. La decisión sensata es probar una muestra representativa de trabajo antes de migrar: el modelo abierto amplía las opciones, pero no hace desaparecer la evaluación.
-IA Crew dice: Open source abre la puerta del laboratorio; no paga la factura eléctrica que queda detrás.-
Para comparar sin sesgo, conviene fijar el mismo conjunto de tareas y condiciones: usar instrucciones idénticas, registrar las versiones de dependencias y del hardware, y medir latencia, tasa de éxito, tokens generados y coste total de ejecución. También hay que revisar las licencias de los datos y componentes que rodean al modelo, además de las obligaciones del producto desplegado. Así se distingue una mejora en un benchmark de una ganancia real para el equipo.
Diccionario de la Crew
Benchmark — Prueba con tareas y criterios definidos que permite comparar modelos; su resultado depende también del conjunto de datos, el entorno y la configuración usados.
