DeepSeek liberó hoy V4.1 Flash, el modelo más pequeño de su nueva arquitectura, y en el mismo movimiento anunció que va a jubilar a su modelo tope de línea: a partir del 14 de septiembre a las 12:00 de Beijing, todas las peticiones a deepseek-v4-pro se enrutan a V4.1 Flash y se cobran a precio de Flash. El modelo chico se comió al grande.
Qué pasó
El changelog oficial de la API presenta V4.1 Flash como el primer miembro —y el más chico— de una familia de arquitectura nueva, con comprensión visual multimodal nativa, pensada para inferencia más rápida, mayor throughput y para escalar hacia modelos más grandes. Los números que publican son de frontera: 90.9 en GPQA Diamond, 3471 de rating en Codeforces, 74.2 en DeepSWE v1.1 y 90.6 en Terminal-Bench 2.1. En HLE reportan 36.8 (39.1 en el subconjunto de solo texto) y 63.9 con herramientas.
La decisión de retirar V4 Pro no viene envuelta en marketing: DeepSeek dice llanamente que tras pruebas extensas V4.1 Flash superó a V4 Pro en desempeño, costo, velocidad y tiempo total, así que lo apagan de forma ordenada hasta que salga V4.1 Pro. V4 Flash y V4 Flash Vision Exp ya están retirados; sus nombres quedan como alias temporales.
Por qué importa
El dato que hay que mirar no es el benchmark, es la factura. Con cache miss en horario off-peak, V4.1 Flash cuesta $0.15 por millón de tokens de input y $0.60 de output. V4 Pro costaba $0.66 y $1.98. Es una caída de ~4.4x en input y ~3.3x en output para un modelo que, según su propio fabricante, rinde mejor. Si el cache pega, el input se va a $0.003 por millón. Y la concurrencia sube de 500 a 2,500 llamadas.
Para un equipo de seguridad eso reescribe una hoja de cálculo muy concreta: la de los atacantes. En los benchmarks ofensivos y defensivos que DeepSeek publica, V4.1 Flash marca 88.1 en CyberGym, 62.8 en SEC-Bench Pro y 15.3 en ExploitGym. Traducido: capacidad seria de razonar sobre código vulnerable, a precio de commodity, con ventana de 1M de tokens —suficiente para tragarse un repositorio completo— y 384K de salida. El costo marginal de auditar (o de buscar bugs en) una base de código grande acaba de bajar otro escalón.
Súmale el contexto de la semana: Ars Technica reportó el 9 de septiembre que seis laboratorios chinos están acusados de copiar agresivamente modelos frontera estadounidenses, y que en Washington se discute identificar usuarios chinos y degradarlos a modelos menos capaces. Un lanzamiento como este, con pesos y precios que presionan por abajo, es exactamente el escenario que esa discusión intenta contener.
El detalle técnico
Hay una grieta interesante en los propios números. V4.1 Flash saca 90.6 en Terminal-Bench 2.1, pero 30.0 en Terminal-Bench 3.0 y 31.2 en 4.0. No es contradicción: es la firma de un benchmark que ya está saturado frente a versiones nuevas y más duras del mismo. Cuando alguien te presuma "90 en Terminal-Bench", pregunta la versión. Lo mismo aplica a MathArena Apex (65.6) y a Agents' Last Exam (31.8): las suites agénticas de última generación siguen siendo terreno hostil, y ahí el margen contra los modelos de OpenAI y Anthropic todavía no está resuelto.
El otro punto fino es el pricing por horario. Las tarifas off-peak son la mitad de las peak, y el horario peak es 01:00–04:00 y 06:00–10:00 UTC de lunes a viernes. Desde Monterrey eso cae en la madrugada y la mañana temprano (UTC−6): los batch jobs programados para la tarde o la noche local caen naturalmente en off-peak. Es un descuento del 50% que se cobra solo con un cron bien puesto.
Qué hacer
- Si consumes
deepseek-v4-pro, tienes hasta el lunes 14. No es un breaking change de contrato —la llamada sigue funcionando— pero el modelo detrás cambia. Vuelve a correr tus evals antes de esa fecha, no después de que un cliente te lo reporte. - Revisa el alias, no solo la versión.
deepseek-v4-flashydeepseek-v4-flash-vision-expya apuntan a otro modelo. Si algún pipeline dependía del comportamiento del anterior, ya cambió. - Modela el riesgo, no la moda. Un modelo con 88 en CyberGym a $0.15 el millón no es una curiosidad de benchmark: es presupuesto de reconocimiento automatizado al alcance de cualquiera. Asume que el escaneo de tu superficie expuesta se abarata igual para los dos lados.
- Si mandas datos por esa API, decide dónde vive el contexto. Ventana de 1M invita a subir repos y logs enteros; el ahorro no cambia la conversación de dónde se procesa esa información.