DeepSeek V4.1 Flash en OpenCode: configuración, coste y el dial de esfuerzo que nadie menciona

DeepSeek V4.1 Flash lleva en OpenCode Go desde el 10 de septiembre, y el multiplicador que OpenCode le asignó tiene una fecha de finalización publicada: el 20 de septiembre. Eso es dentro de cuatro días. Lo interesante no es la fecha límite, sino que el ajuste que decide si este modelo es agradable para programar falta en todas las guías de configuración de la primera página de resultados y, en al menos dos arneses de prueba, se omite silenciosamente. Esta es una guía práctica para orientar un agente de programación hacia DeepSeek V4.1 Flash: los identificadores exactos de los modelos, las tres integraciones verificadas hoy, el control de esfuerzo de razonamiento reportado por la comunidad y el modo de fallo de sobrepensamiento con las mitigaciones que realmente funcionan.

Aquello a lo que realmente estás apuntando tu agente

DeepSeek V4.1 Flash se lanzó el 2026-09-10; la nota de versión en la propia documentación de la API de DeepSeek está fechada ese día, y es el modelo más pequeño de la nueva familia de arquitecturas del proveedor. DeepSeek informa de una base de mezcla de expertos de 552B parámetros construida sobre lo que denomina un diseño de codificador–decodificador causal, que activa aproximadamente 8B parámetros por token durante el prefill y 16B durante la decodificación. Acepta texto e imágenes como entrada y devuelve texto, ofrece una ventana de contexto de hasta un millón de tokens y generará hasta 384.000 tokens en una sola respuesta; tanto el límite de contexto como el de salida provienen de la propia página del modelo de OrcaRouter para el modelo, que enumera 1.048.576 y 384.000, respectivamente.

Los benchmarks del proveedor, del gráfico en la página de lanzamiento de DeepSeek y, por lo tanto, reportados por el proveedor y no auditados: 30.0 en Terminal-Bench 3.0, 74.2 en DeepSWE v1.1, 88.1 en CyberGym, 54.8 en Automation-Bench y 90.9 en GPQA Diamond. La puntuación independiente es más escasa pero existe — Artificial Analysis, consultada directamente hoy, sitúa a DeepSeek V4.1 Flash en 40 en su Intelligence Index, clasificado 6.º de 113 en su clase de comparación. Una línea de esa misma página importa más para un lector de agentes de codificación que el ranking: Artificial Analysis etiqueta al modelo como muy verboso, habiendo consumido 250M tokens de salida para completar su ejecución del Intelligence Index frente a una mediana de 140M. Volveremos a eso.

Dos datos de nomenclatura ahorran tiempo de depuración real. El id canónico del modelo de API de DeepSeek ahora es code>deepseek-flash/code>. Las cadenas anteriores code>deepseek-v4-flash/code> y code>deepseek-v4-flash-vision-exp/code> todavía se aceptan, pero los modelos que hay detrás de ellas se han retirado y V4.1 Flash atiende las solicitudes al precio de Flash. Por separado, DeepSeek V4 Pro no ha desaparecido: la documentación de DeepSeek indica que el servicio de API de V4 Pro continúa más allá del 2026-09-14 con facturación sin cambios. Si te dijeron que el buque insignia estaba desactivado, eso no es lo que dicen los propios documentos del proveedor.

OpenCode: dos rutas de entrada, y el id que realmente hay que escribir

Hay dos maneras de poner DeepSeek V4.1 Flash por detrás de OpenCode, y tienen una economía distinta.

La ruta de suscripción es OpenCode Go, un plan de $10 al mes que OpenCode describe como un conjunto curado de modelos de codificación abiertos que ha probado y evaluado con benchmarks. La configuración consta de cuatro pasos y no hay ningún archivo de configuración que editar a mano: inicia sesión en OpenCode Zen, suscríbete a Go, copia la clave de API y luego ejecuta code>/connect/code> en la TUI, elige OpenCode Go y pega la clave. Después de eso, code>/models/code> enumera lo que está disponible. Las referencias a modelos en la configuración toman la forma code>opencode-go/<model-id>/code>.

¿Qué id de modelo? Ambos. La propia lista de modelos de la pasarela Go, obtenida hoy desde code>https://opencode.ai/zen/go/v1/models/code>, devuelve code>deepseek-flash/code> y code>deepseek-v4.1-flash/code> como dos entradas distintas, junto con los heredados code>deepseek-v4-flash/code> y code>deepseek-v4-pro/code>. Cualquiera de las dos primeras se resuelve en el modelo que quieres; code>deepseek-flash/code> es el nombre canónico y la opción más segura para cualquier cosa que tengas previsto seguir ejecutando.

La ruta directa omite por completo la suscripción: ejecuta code>/connect/code>, busca DeepSeek y pega una clave de la plataforma DeepSeek. En ese caso, DeepSeek te factura al precio de lista en lugar de recurrir a una asignación de Go. DeepSeek publica el precio de lista como $0,15 por 1M de tokens de entrada y $0,60 por 1M de tokens de salida en horas valle, con lecturas en caché a $0,003 por 1M, y exactamente el doble durante las horas punta. Tanto la documentación de OpenCode Go como la página del modelo de OrcaRouter, consultadas hoy, coinciden en esas cifras.

Lo que añade OpenCode Go es la estructura de cuotas, y aquí merece la pena leer las cifras con atención porque son la razón por la que la fecha límite importa. La documentación propia de OpenCode incluye DeepSeek V4.1 Flash con un límite mensual de $15, actualmente multiplicado por 4× hasta $60 bajo una promoción que OpenCode marca como «Finaliza el 20 de septiembre». Los recuentos estimados de solicitudes se publican en dos columnas: 6.500 por 5 horas / 16.250 por semana / 32.500 por mes a la tarifa estándar, o 26.000 / 65.000 / 130.000 con el multiplicador de 4× aplicado. La forma de la cuota es consistente entre modelos —el límite de 5 horas es el 20 % de la cifra mensual, el límite semanal es el 50 %, y el límite mensual es el total.

Esos son los números publicados de OpenCode, leídos hoy de su documentación de Go. La promoción es suya para terminarla, y tiene fecha.

Command Code: sigue activo, y un informe de error que vale la pena conocer

El propio catálogo de Command Code todavía lista el modelo a día de hoy, bajo el id code>deepseek-v4-1-flash/code>, con una ventana de contexto de 1M de tokens y la misma economía de traspaso: $0.15 / $0.60 fuera de horas punta, $0.30 / $1.20 en horas punta, $0.003 por lectura en caché. Que los precios coincidan entre dos harnesses independientes no es una coincidencia: ambos están trasladando el precio de lista de DeepSeek en lugar de fijar el suyo propio.

La mecánica es sencilla. Instala con code>npm i -g command-code/code>, ejecútalo desde el directorio de tu proyecto, autentícate con code>/login/code>, y usa code>/connect/code> si quieres usar tu propia clave de proveedor. code>/model <id>/code> aplica un cambio de modelo directamente, mientras que un simple code>/model/code> abre un selector, y code>/effort/code> establece el esfuerzo de razonamiento para el modelo actual — la opción que más importa aquí.

Merece la pena tener presente un informe de error de la comunidad antes de depurar la capa equivocada. Un problema abierto contra una capa de enrutamiento de terceros describe una caché de reproducción de razonamiento que nunca se activa para el code>command-code/deepseek-v4.1-flash/code> id, porque el patrón que la capa de enrutamiento usa para hacer coincidencias espera un code>v4./code> o code>v4-/code> segmento y la cadena es code>v4.1/code>. El síntoma reportado son errores 400 del servicio ascendente que se quejan de que el contenido de razonamiento producido en modo pensamiento debe devolverse a la API. Ese es un informe de error de la comunidad sobre un comparador del lado del cliente, no una guía del proveedor ni un problema con el modelo — pero es exactamente el tipo de cosa que parece un fallo del modelo a las 2 de la mañana.

Claude Code, Codex y los clientes que el propio OpenCode ha validado

OpenCode Go no es exclusivo de OpenCode, y su documentación lo dice explícitamente: está diseñado para OpenCode y otros agentes de programación que generan patrones de solicitud similares, con una lista publicada de clientes validados como compatibles. Esa lista actualmente incluye a Hermes, Claude Code, Codex, ZCode y Pi — y para Claude Code la nota es que "reconoce su encabezado de sesión nativo. No se necesita ningún envoltorio de encabezado personalizado". Esto conlleva dos requisitos: identificar tu cliente con su propio user agent en lugar de con un nombre de SDK genérico, y enviar un identificador de sesión estable en el encabezado code>x-opencode-session/code> en cada conversación, que es lo que permite que funcionen su enrutamiento y su caché de prompts. Para Hermes importa la compilación validada — la corrección del encabezado se integró después de la v0.21.0, por lo que esa versión por sí sola no la incluye.

También hay una ruta sin ninguna suscripción asociada, usando directamente el endpoint compatible con Anthropic de DeepSeek. Configura code>ANTHROPIC_BASE_URL/code> a code>https://api.deepseek.com/anthropic/code>, code>ANTHROPIC_AUTH_TOKEN/code> a tu clave de DeepSeek, y apunta las variables de modelo al modelo. Los nombres de modelo de Claude se reasignan al entrar: cualquier cosa que comience con code>claude-opus/code> se asigna a DeepSeek V4 Pro y se factura al precio de V4 Pro, mientras que code>claude-sonnet/code> y code>claude-haiku/code> los nombres van al modelo Flash. El code>[1m]/code> sufijo en la cadena de modelo solicita la variante de contexto de un millón de tokens. La propia guía de DeepSeek para esta configuración también establece code>CLAUDE_CODE_EFFORT_LEVEL=max/code> y fija la ventana de compactación automática en 786432 tokens.

Esa última variable es donde reside una solución de la comunidad. Existe un proxy de solución alternativa porque las compilaciones recientes de Claude Code envían code>thinking: {"type": "disabled"}/code> en las solicitudes de subagentes, mientras que code>CLAUDE_CODE_EFFORT_LEVEL=max/code> añade un parámetro de esfuerzo de razonamiento, y el endpoint de DeepSeek en formato Anthropic rechaza esa combinación con un mensaje sobre que las opciones de thinking no se pueden deshabilitar cuando se establece el esfuerzo de razonamiento. La solución alternativa reportada es limitada: elimina el parámetro de esfuerzo solo de las solicitudes de subagentes, dejando intacto al agente principal. Trátalo como un hallazgo de la comunidad sobre un desajuste de contrato entre cliente y servidor, y espera que el límite exacto de versión cambie.

El dial de esfuerzo: 1–100, y por qué «bajo» significa 50

Todo en esta sección es un hallazgo de la comunidad y no una guía del proveedor. DeepSeek no publica una asignación de preajustes a números que podamos verificar, y los números a continuación provienen de escritos de profesionales y de documentación de infraestructura de evaluación de terceros. Son lo bastante consistentes entre fuentes como para resultar útiles, y lo bastante no confirmados como para que debas probarlos en tu propio trabajo.

DeepSeek V4.1 Flash se entrena con un escalar continuo de esfuerzo de razonamiento de 1 a 100. No es un límite de tokens: desplaza el punto en el que se sitúa el modelo sobre una curva que aprendió el proceso de entrenamiento, donde un esfuerzo menor ejerce más presión para ser conciso y un esfuerzo mayor abarata el razonamiento adicional. Tres preajustes públicos se corresponden con esa escala:

• Bajo — 50, el camino más corto, y el preajuste que le da al control su reputación de barato.

• Alto — 75, y el nivel que la mayoría de las fuentes de la comunidad describe como el techo razonable para el trabajo con agentes.

• Max — 100, donde la penalización por la longitud del razonamiento se elimina por completo.

Lo que compra el dial es real, pero con rendimientos marcadamente decrecientes. Un barrido de referencia de la comunidad informó que aumentar el esfuerzo de 25 a 100 llevó Terminal-Bench 2.1 de 82.4 a 90.6, mientras multiplicaba por aproximadamente 2,5× los tokens de salida en general. Los informes convergen en que un esfuerzo de entre 60 y 80 captura la mayor parte de la precisión disponible con menos de la mitad del presupuesto de tokens, y que el máximo añade otro 1,6–1,8× a las trayectorias del agente a cambio de una ganancia marginal.

El valor predeterminado es la parte en la que nadie se pone de acuerdo. Alguna documentación del harness y reportes de profesionales dicen que un esfuerzo sin establecer se resuelve en alto; otros describen el valor predeterminado del servidor como simplemente desconocido. Lo que está documentado, en lugar de ser objeto de debate, es que se descubrió que dos integraciones del harness fallaban al enviar el parámetro por completo — el perfil del proveedor OpenCode Go y un perfil nativo de DeepSeek ambos omitían emitir code>reasoning_effort/code> para el code>deepseek-flash/code> slug, porque su guarda de coincidencia esperaba un code>deepseek-v…/code> como prefijo que el id canónico no tiene. En ambos casos, la configuración elegida por el usuario fue reemplazada silenciosamente por el valor predeterminado del proveedor. Si tu cliente muestra un control de esfuerzo, eso no es evidencia de que se esté transmitiendo. Registra el cuerpo de una solicitud y míralo.

Otra peculiaridad de los mismos informes: el endpoint de OpenCode Go acepta code>low/code>, code>medium/code>, code>high/code> y code>max/code>, pero rechaza un valor entero de esfuerzo — se ha informado que un valor de 80 devuelve HTTP 400. El control de 1 a 100 existe en el modelo, pero no se expone como un número sin procesar en todas partes, por lo que "establecer el esfuerzo en 65" puede no ser expresable en tu cliente.

El modo de fallo de pensar demasiado, y lo que realmente lo soluciona

Este es el modo de fallo que determina si mantienes el modelo en tu ciclo de trabajo. Los informes de la comunidad describen que DeepSeek V4.1 Flash continúa razonando después de que el trabajo ya está hecho: vuelve a discutir un punto que ya respondió correctamente, narra la corrección de sus propias suposiciones erróneas y produce largas cadenas de razonamiento con baja densidad de información. Un profesional informó que la salida de razonamiento continuó durante más de una hora dentro de una sesión de CLI de programación. Otro informó que no lograba que terminara una larga ejecución de benchmark en absoluto.

Una nota sobre las fuentes de ese segundo informe, porque es el tipo de afirmación que se blanquea. Proviene de un hilo comunitario sobre cómo ejecutar el modelo de forma fiable, y Reddit bloquea nuestro recuperador, así que no pudimos leer el hilo directamente: estamos retransmitiendo el informe en lugar de citar una página que abrimos. Lo que sí pudimos verificar de forma independiente es la forma del problema, y ahí la evidencia externa es inusualmente clara: Artificial Analysis, en su propia página, señala que el modelo es muy verboso, ya que consume 250M tokens de salida para completar una ejecución que su modelo de comparación mediano termina en 140M. Eso es aproximadamente 1,8×, medido por un tercero, sobre un conjunto fijo de tareas. Los informes del foro y la métrica independiente describen el mismo comportamiento.

Las mitigaciones que surgen de esos informes, todas provenientes de la comunidad:

• Fija el esfuerzo en alto o por debajo y no permitas que se incremente de forma irreversible. La corrección más explícita que se ha visto en entornos reales es un plugin de enrutamiento escrito específicamente para detener la escalada de esfuerzo: la profundidad del turno no contribuye en nada a la puntuación de escalada, solo cuentan un resultado fallido de una herramienta o un reintento idéntico, la escalada está limitada, y max es opcional y se relega de forma predeterminada. Si tu harness permite que un agente aumente su propio esfuerzo a medida que una ejecución se alarga, ese es el mecanismo que hay que desactivar.

• No ejecutes max de forma predeterminada. Varios profesionales informan que max se queda girando en lugar de converger en trabajo rutinario, y que volver a high lo resuelve.

• Limita code>max_tokens/code> en las rutas interactivas. Un techo de salida de 384.000 tokens es un límite, no un objetivo, y un bucle que no termina es costoso con ese techo.

• Verifica que el parámetro se esté enviando. Dado que se descubrió que dos arneses lo descartaban silenciosamente, "lo configuré en high" y "high llegó a la API" son afirmaciones distintas.

• El harness importa más de lo que uno esperaría. Quienes lo ejecutan con los mismos pesos reportan comportamientos marcadamente distintos según el shell: el mismo modelo que se contradice a sí mismo y entierra la señal con un harness no suscita ninguna de esas quejas con otro. Esa es una observación de la comunidad sobre el comportamiento del harness, no una afirmación de un proveedor sobre el modelo, pero es el consejo más repetido en los informes.

Lo que realmente cuesta un bucle de programación a estas tarifas

El precio de lista de DeepSeek es de $0,15 por cada millón de tokens de entrada y $0,60 por cada millón de tokens de salida fuera de las horas punta —la salida cuesta cuatro veces la entrada, que es lo primero que hay que interiorizar sobre un agente que genera razonamiento además de código.

Tomemos un turno de agente realista: 60.000 tokens de contexto (prompt del sistema, esquemas de herramientas, un fragmento de repositorio, historial de conversación) de entrada, y 3.000 tokens de razonamiento más un parche de salida. Eso es 60.000 × $0,15/1M = $0,009 de entrada, más 3.000 × $0,60/1M = $0,0018 de salida, así que alrededor de 1,1 centavos por turno. Doscientos turnos así en un día laborable son aproximadamente $2,16, o unos $47 a lo largo de un mes de días laborables a la tarifa fuera de hora punta. Esa es la aritmética que hace que una asignación mensual de $15 con una promoción de 4× encima parezca generosa — y la aritmética que hace que la verbosidad sea lo que hay que vigilar.

Porque aquí está la palanca que se esconde en ese número de Artificial Analysis. Que el modelo use 1,8× la mediana de tokens de salida en un conjunto fijo de tareas significa que un bucle limitado por la salida cuesta 1,8× lo que sugiere el precio por token por sí solo. Y el dial de esfuerzo es justo el control para eso. Los informes de la comunidad sitúan el cambio de max a high en aproximadamente reducir a la mitad los tokens de salida, una variación mucho mayor que cualquier cosa que pueda hacerte el calendario de pico/fuera de pico. La configuración de esfuerzo es la gran palanca; el calendario es la gratuita.

Qué conviene saber antes de planificar nada: las horas pico son de 01:00 a 04:00 y de 06:00 a 10:00 UTC, de lunes a viernes, y todo lo demás, incluidos los fines de semana, es hora valle. Un equipo europeo que trabaja de 09:00 a 18:00 CET nunca coincide con las horas pico. Un equipo en Pekín que trabaja en el mismo horario local cae en horas pico de 09:00 a 12:00 y de 14:00 a 18:00 — siete de nueve horas laborables al doble de precio. Mismo modelo, mismo código, el doble en la factura, decidido enteramente por la zona horaria.

El otro ahorro gratuito es la tarifa de lectura en caché, $0.003 por 1M frente a $0.15 para la entrada nueva — una quincuagésima parte. El prompt de un agente de programación es en su mayoría un prefijo estable: instrucciones del sistema, definiciones de herramientas, las partes del repositorio que no cambian. Mantén el material estable al principio y deja que el contenido variable lo siga, y la caché del lado del proveedor hace el resto. Que la entrada en caché con descuento se aplique, y en qué condiciones, lo establece DeepSeek y no el cliente, así que confírmalo en la documentación actual antes de basar un presupuesto en ello — nuestra propia página de modelo para code>deepseek/deepseek-v4.1-flash/code> dice lo mismo, que la tarifa de entrada en caché sigue los términos del proveedor.

Si prefieres no añadir una segunda suscripción para evaluar el modelo, el mismo id está disponible a través de un endpoint compatible con OpenAI al frente de todo nuestro catálogo, a la tarifa del proveedor con 0% de margen — así, un cambio de precio por parte de DeepSeek se refleja aquí el mismo día en lugar de en el siguiente reajuste de precios. Eso importa sobre todo para exactamente la situación que describe este artículo: un modelo con una tendencia documentada a seguir adelante, en un camino que aún no has terminado de evaluar. Una cadena de respaldo hace que un turno que sale mal recaiga en otro modelo antes de que empiece la respuesta, en lugar de que falle la solicitud.

552B, 748B o 763B — la cuestión del tamaño está genuinamente abierta

No repitas como algo resuelto una cifra de parámetros para este modelo, porque circulan tres números diferentes y ninguno de ellos es simplemente incorrecto.

La propia ficha del modelo de DeepSeek describe un modelo con «552B de parámetros del backbone», y esa es la cifra reportada por el proveedor; también es el número que aparece en el panel de especificaciones de nuestra propia página del modelo. Esa misma ficha enumera por separado un módulo de «memoria condicional Engram» de 196B de parámetros, «accedido de forma dispersa mediante búsqueda basada en tokens». Suma los dos y obtienes 748B, que es la aritmética a la que llegó el análisis de la comunidad a las pocas horas del lanzamiento. Y los metadatos del archivo en el mismo repositorio del modelo indican un tamaño de modelo de 763B de parámetros, que es una tercera cifra distinta.

La aparente disputa es una cuestión de definición más que una contradicción. Los parámetros de Engram consultados cuestan memoria pero casi nada de aritmética por token, mientras que los parámetros calculados del backbone cuestan tiempo en cada token; esto es exactamente por lo que el proveedor los informa por separado y por lo que comparar las cifras principales de dos modelos con arquitecturas diferentes dice muy poco.

Lo que no se discute seriamente es el recuento de parámetros activos: aproximadamente 8B por token durante el prefill y 16B durante la decodificación, que es el número que realmente rige el coste de inferencia. Los pesos están abiertos bajo una licencia MIT si quieres comprobar algo de esto por tu cuenta. Considera 552B como reportado por el proveedor, 748B como un total creíble de la comunidad, y cualquier afirmación de que la cuestión del tamaño está cerrada como prematura.

¿Qué hacer antes del 20?

Si vas a probar DeepSeek V4.1 Flash en un agente de programación, el orden que menos tiempo desperdicia es: elegir primero el harness, luego fijar el esfuerzo y, por último, medir.

En el harness, el resumen honesto de la verificación de hoy es que las tres rutas funcionan y difieren en lo que te exigen. OpenCode Go es una suscripción de $10 al mes con un multiplicador promocional que vence el 20 de septiembre, y la configuración es code>/connect/code> más code>/models/code> sin ningún archivo que editar. Command Code lista el modelo en vivo en su propio catálogo, cambia con code>/model <id>/code>, y expone el esfuerzo como un comando de primera clase. Claude Code llega a él ya sea mediante la ruta de clientes validados de OpenCode Go —donde no necesita ningún envoltorio de encabezado personalizado— o directamente contra el endpoint en formato Anthropic de DeepSeek, donde el conflicto de esfuerzo del subagente es la aspereza conocida.

En cuanto al esfuerzo, configúralo de forma explícita y ponlo más bien bajo: high, o el valor predeterminado del modelo si resulta que high es ese valor, y no max. Luego confirma que salió de tu máquina, porque se descubrió que dos harnesses lo estaban descartando.

En cuanto a la medición, observa los tokens de salida en lugar del tiempo de reloj. La verbosidad es el costo, el selector de esfuerzo es el control, y el horario pico es un accidente de zona horaria que puedes evitar gratis.

Y sobre las afirmaciones de tamaño que verá citadas esta semana —552B, 748B, 763B—, la respuesta útil es que el proveedor informa de su backbone, la comunidad añade el módulo de memoria y los metadatos del repositorio dicen algo distinto una vez más. Cualquiera que presente una de esas como la respuesta definitiva ha elegido un número en lugar de comprobarlo.