DeepSeek V4.1 Flash: el nivel rápido, su precio real y la pregunta sobre la gratuidad, respondida

DeepSeek V4.1 Flash es el nivel rápido de la línea V4.1 de DeepSeek: un modelo multimodal de mezcla de expertos con una ventana de contexto de 1,048,576 tokens, entrada de imágenes, pesos con licencia MIT en Hugging Face, y un precio de lista fuera de horas pico de $0.15 por millón de tokens de entrada y $0.60 por millón de salida. Su disponibilidad general comenzó el 2026-09-10, por lo que el lanzamiento es un hecho que data al modelo, no un evento que esta página reporte — y dos preguntas traen a los lectores aquí mucho después de esa fecha: si es gratis, y cómo se comporta frente al modelo que ya tienen delante. La primera tiene una respuesta breve, así que va primero.

¿DeepSeek V4.1 Flash es gratis? La respuesta que viniste a buscar

No. En la propia plataforma de DeepSeek no existe una capa gratuita de API para este modelo: ni una cuota mensual gratuita ni un endpoint gratuito. La facturación es de pago por uso contra un saldo recargado, a las tarifas de la misma tarjeta que el resto de la línea. El id del modelo que se invoca para ello es deepseek-flash, y cada solicitud contra ese id se factura a las tarifas publicadas de Flash. La app de consumo es gratuita; la API que la sustenta no lo es, y son dos productos distintos.

Lo que realmente se acerca a ser gratis es la caché. Un token de entrada con acierto en caché cuesta $0,003 por millón frente a $0,15 por un token de entrada nuevo fuera de horas punta: una quincuagésima parte. Cualquier carga de trabajo con un prefijo grande y estable (instrucciones del sistema, esquemas de herramientas, un mapa del repositorio) paga casi nada por la parte repetida del prompt, mientras que los tokens nuevos asumen el costo. Las condiciones exactas bajo las cuales se aplica el descuento las define DeepSeek, no el cliente, así que consulte la documentación actual antes de elaborar un presupuesto basado en esa cifra.

Hay una segunda razón por la que surge la cuestión de lo gratuito, y vale la pena separarla de la primera. Las plataformas de terceros anuncian acceso gratuito o de prueba a este modelo, y esas vías son reales; también son el tipo de condiciones que cambian sin previo aviso, y ninguna de ellas tiene detrás la propia tarifa de DeepSeek. Trátalas como superficies de prototipado en lugar de backends de producción. Nuestro propio catálogo sí incluye una entrada de coste cero, pero es deepseek/deepseek-v4-flash-free, el V4 Flash retirado, no este modelo. Los dos se diferencian por un número de versión y no son lo mismo.

Dónde se ubica Flash en la línea V4.1

V4.1 es una nueva familia de arquitecturas, no una versión puntual de V4. Flash es su miembro pequeño y rápido: el nivel concebido para el rendimiento y el costo, más que para la cima de la tabla de clasificación. Su hermano insignia es DeepSeek-V4-Pro-0813, servido bajo el id de modelo deepseek-v4-pro, cuyo precio de lista es de $0,66 por millón de tokens de entrada y $1,98 por millón de tokens de salida fuera de las horas punta: unas cuatro veces y media lo de Flash en entrada y un poco más de tres veces en salida, con un límite de concurrencia de 500 frente a los 2.500 de Flash. La propia DeepSeek informa que V4.1 Flash supera de forma integral a V4 Pro en rendimiento, costo, velocidad y tiempo total de tarea; esa es la afirmación del propio proveedor sobre sus propios benchmarks, no una medición independiente, y es la razón por la que la denominación de los niveles se lee al revés para cualquiera que dé por sentado que «Pro» es siempre la mejor compra.

Un límite que hay que mantener: DeepSeek V4.1 Pro no se ha lanzado. Aparece en el material de DeepSeek solo como un modelo futuro. Nada de esta página se aplica a él, y tampoco nada de lo que ofrecemos.

La especificación, tal como la publica DeepSeek

Todo lo que aparece a continuación está tomado de la tarjeta del modelo en Hugging Face, en deepseek-ai/DeepSeek-V4.1-Flash. Cuando una cifra es una afirmación del proveedor en lugar de una medición establecida, así se indica.

• Parámetros — backbone de 552B, según el proveedor. La ficha indica 8B parámetros activados por token durante el prefill y 16B durante el decode, dentro de una configuración de mezcla de expertos con 1 experto compartido y 384 expertos enrutados por capa MoE, de los cuales seis están activos por token. • Arquitectura — una arquitectura de codificador-decodificador causal de 40 capas: un codificador causal de 20 capas que alimenta a un decodificador de 20 capas. • Contexto — 1.048.576 tokens, que la ficha redondea a un millón. • Límite de salida — 384K tokens como máximo en la API del proveedor, así que establece el límite de forma explícita en lugar de confiar en el valor predeterminado. • Modalidad — texto e imágenes de entrada, texto de salida. La visión se procesa mediante un codificador DeepSeek-ViT más un proyector MLP de dos capas. • Precisión — los pesos publicados son safetensors en BF16, F32, F8_E4M3 e I8, con FP8 marcado en la ficha. La caché KV está cuantizada a FP4 (E2M1 con una escala E4M3 por cada 16 canales). • Licencia — MIT, tanto para el repositorio como para los pesos. • Lanzamiento — disponibilidad general el 2026-09-10; 48 fragmentos de safetensors, unos 510 GB en el repositorio.

Flash contra Pro: la pregunta que genera el nombre del nivel

Si estás eligiendo entre los dos, la regla no es «Pro es más potente». El nivel Flash existe para el volumen: tráfico de alta concurrencia y sensible a costos, donde una factura de tokens que es una cuarta parte de la de Pro importa más que los últimos puntos de capacidad, y donde el límite de concurrencia de 2.500 solicitudes es en sí mismo la razón de estar aquí. El nivel Pro existe para el razonamiento más difícil y el trabajo agéntico, donde pagas por lo más alto de la gama y el límite de rendimiento es una restricción que aceptas. Esa es toda la forma de la elección —la evidencia comparativa directa, incluido dónde sigue ganando Pro, se encuentra en nuestra propia comparación DeepSeek V4.1 Flash vs DeepSeek V4 Pro en lugar de aquí, y las dos páginas deliberadamente no repiten el contenido de la otra.

Ejecutarlo: API, pesos o ambos

Ambas vías están abiertas. DeepSeek sirve el modelo en su propia API bajo el id deepseek-flash, en una URL base compatible con OpenAI y en otra compatible con Anthropic, así que un cliente existente normalmente solo necesita cambiar la cadena del modelo. Por separado, los pesos son descargables: con licencia MIT, 48 fragmentos safetensors, unos 510 GB, lo que los deja fuera de cualquier máquina con una sola GPU y de lleno en la categoría de «alquila un nodo o ni te molestes». DeepSeek también incluye una receta de inferencia oficial dentro del repositorio —una implementación de referencia legible más que un motor de servicio de producción— y su ejemplo práctico convierte los pesos a expertos fp4 con un tamaño de paralelismo de modelo de ocho, que es lo más parecido que ofrece el repositorio a una declaración de dimensionamiento. El detalle práctico que decide si el autoalojamiento resulta agradable es otro: el modelo admite un esfuerzo de razonamiento seleccionable de forma continua de 1 a 100, y seguirá generando tranquilamente mucho después de que el trabajo haya terminado si no ajustas ese dial. Los equipos medidos, las cifras de rendimiento que la gente reporta realmente y el modo de fallo por exceso de razonamiento con mitigaciones que funcionan están todos en nuestro manual de despliegue local de DeepSeek V4.1 Flash; el resumen honesto es que la vía de la API es más barata hasta que tu volumen es grande, y la vía de los pesos es una decisión de capacidad más que de coste.

Lo que no está resuelto

Dos cosas, y ninguna es menor. El recuento de parámetros no cuadra con los pesos. La ficha de DeepSeek dice 552B; el propio índice safetensors del repositorio —el campo Model size de la página del modelo en Hugging Face— suma 763B entre los 48 shards, en un repositorio de unos 510 GB. Ambas cifras están publicadas, no son la misma cifra, y nadie ha dirimido la discrepancia en público, así que trata 552B como una cifra reportada por el proveedor y no como una cifra medida. Y el propio material de DeepSeek es incoherente en lo que respecta a los identificadores más antiguos de V4 Flash: la página de precios dice que los nombres retirados se aceptan y se enrutan a este modelo con las tarifas de Flash, mientras que otras páginas describen el enrutamiento de otra manera. Lee el modelo devuelto en la respuesta en lugar de dar por sentado qué modelo respondió.

Disponibilidad en OrcaRouter, verificada hoy

OrcaRouter sirve este modelo. Aparece en nuestro catálogo en vivo como deepseek/deepseek-v4.1-flash — ten en cuenta que el identificador escribe la versión con un punto, v4.1, mientras que los slugs de nuestro blog la escriben con guion. Copia la cadena exactamente como figura en la lista o un cliente no encontrará nada. La ficha incluye una ventana de contexto de 1.048.576 tokens, una salida máxima de 384K, entrada de texto e imagen, y las propias cifras del proveedor fuera de horas punta: $0,15 por millón de entrada y $0,60 por millón de salida, con $0,003 por millón en aciertos de caché, repercutido con un 0 % de margen — la tarifa de DeepSeek es lo que pagas, y las ventanas de hora punta de DeepSeek entre semana aún la duplican. La conmutación automática por error significa que puedes poner un modelo no probado detrás de una ruta que recurra a un respaldo cuando da error o limita la tasa, lo cual es una forma barata de averiguar si aguanta antes de llegar a una ruta de producción. Esa afirmación cubre únicamente este identificador y este modelo; DeepSeek V4 Pro y la gama V4 más amplia son listados distintos y hechos distintos.

El conjunto de comparación: qué abrir a continuación

Aquí es donde están realmente los lectores. En nuestros propios datos de Search Console, extraídos el 2026-10-13, la familia DeepSeek V4.1 Flash obtuvo 9.444 impresiones y 418 clics en 198 consultas — y su mayor fila individual por impresiones no fue el nombre del modelo, sino un cara a cara, deepseek v4.1 flash vs glm 5.3 flash, con 1.372 impresiones. El término simple tuvo 2.025 impresiones en 33 consultas. Diez páginas de comparación se sitúan bajo esta raíz, y cada una está escrita para responder a su propia pregunta en lugar de repetir esta página:

• DeepSeek V4.1 Flash frente a GLM-5.3-Flash — la competencia de precios, y la penalización de latencia de inicio que conlleva ganarla. • DeepSeek V4.1 Flash frente a DeepSeek V4 Flash — la cuestión de la migración, que DeepSeek respondió en parte retirando los identificadores del modelo anterior. • DeepSeek V4.1 Flash frente a DeepSeek V4 Pro — la transición que DeepSeek programó y luego canceló, y entre qué te deja elegir. • DeepSeek V4.1 Flash frente a Gemini 3.8 Flash — dos precios baratos asociados a dos tipos muy diferentes de vencimiento. • DeepSeek V4.1 Flash frente a GPT-5.6 Sol — la brecha de precios junto a la brecha de tiempo hasta el primer token. • DeepSeek V4.1 Flash frente a GPT-5.6 Terra — donde un umbral de contexto cambia la tarifa a mitad de solicitud. • DeepSeek V4.1 Flash frente a Claude Opus 5 — dos marcadores que discrepan sobre qué modelo ganó. • DeepSeek V4.1 Flash frente a Grok 4.6 — una pequeña diferencia de capacidad frente a una gran factura recurrente. • DeepSeek V4.1 Flash frente a Kimi K3 — la propia afirmación comparativa del proveedor, contrastada con la evidencia que la respalda. • DeepSeek V4.1 Flash frente a Qwen3.8-Max — la misma ventana de contexto a veinte veces el precio del token.

Si solo tienes tiempo para una, quédate con la comparación de GLM-5.3-Flash: es la fila que más consultan los lectores, y los dos modelos tienen precios lo bastante parecidos como para que la decisión dependa de la rapidez con la que necesitas el primer token y no de cuánto cuesta cada token.