DeepSeek V4.1 Flash vs DeepSeek V4 Flash: Una semana después, medido de forma independiente

La pregunta que esta comparación se escribió para responder —si deberías pasar de DeepSeek V4 Flash a DeepSeek V4.1 Flash— se acortó esta semana, porque DeepSeek respondió parte de ella sin que se le pidiera. Desde las 04:00 UTC del 14 de septiembre de 2026, las llamadas a la API dirigidas al identificador retirado deepseek-v4-flash son atendidas por DeepSeek V4.1 Flash, y las llamadas dirigidas a deepseek-v4-pro también, ambas facturadas a tarifas de Flash. Quedarse quieto en silencio ya no es una de las opciones en el propio endpoint del proveedor. Lo que sigue genuinamente abierto es si el nuevo modelo es mejor en los aspectos que afirmó el lanzamiento —y ahí acaba de llegar la primera medición independiente, y divide limpiamente en dos la historia del lanzamiento.

Todas las cifras que aparecen a continuación llevan fecha, porque los últimos siete días han cambiado las cosas. Las cifras reportadas por el proveedor están etiquetadas como reportadas por el proveedor, y las cifras de la comunidad como medidas por la comunidad, y cada una se leyó de su propia fuente en lugar de haberse heredado de la versión anterior de este artículo. DeepSeek V4.1 Flash alcanzó disponibilidad general el 10 de septiembre de 2026 —hace seis días—, y desde el 9 de septiembre ya se ha asentado lo suficiente como para que el borrador anterior de esta comparación ahora induzca a error en dos aspectos. Uno de ellos es la velocidad, y induce a error en la dirección que pretendía el lanzamiento.

¿Qué cerró entre el 9 de septiembre y hoy?

Seis cosas eran cuestiones abiertas cuando se escribió por primera vez sobre esta combinación. Las seis tienen respuesta ahora, y solo una de ellas es una mala noticia.

• Disponibilidad general — confirmada y fechada. El propio registro de cambios de DeepSeek incluye el lanzamiento como 2026-09-10, y el modelo está disponible en la App, el cliente web y la API bajo el identificador deepseek-flash.

• La tarjeta de precios — llegó tal como se anunció. Las tarifas que circularon antes del lanzamiento se reportaron como una filtración previa al lanzamiento; ahora son la tarjeta publicada, y son los números que están dos secciones más abajo.

• Pesos abiertos — resuelto. Los pesos están publicados en Hugging Face bajo una licencia MIT, junto con un informe técnico, sin restricciones ni formulario de acceso.

• Medición independiente — llegó. Artificial Analysis ya ha ejecutado DeepSeek V4.1 Flash, que era el mayor hueco en el artículo del 9 de septiembre. Se analiza a continuación, y no dice lo que el lanzamiento daba a entender.

• Enrutamiento — activado. La redirección del tráfico de DeepSeek V4 Pro que el anuncio de lanzamiento describía como próximo ya está en vigor, con una fecha asociada.

• Soporte de serving: ya disponible, con salvedades. NVIDIA vLLM, SGLang y Dynamo publicaron rutas de día cero; la realidad del runner local es más limitada de lo que sugiere el "soporte de día 0".

Dos cosas no han cambiado y deben ir antes de las cifras. DeepSeek V4.1-Pro sigue sin lanzarse: los propios materiales de DeepSeek describen la redirección de Pro como vigente "hasta que se lance V4.1-Pro", y a día de hoy no se ha lanzado nada. Y DeepSeek V4 Flash no ha dejado de existir: sus pesos siguen siendo abiertos y con licencia MIT, y cualquiera que lo autoaloje sigue funcionando. Lo que ha terminado es la vía de API del proveedor hacia él.

Bajo el capó: un modelo diferente, no uno más rápido

La comparación del 9 de septiembre sostenía que DeepSeek V4.1 Flash no es DeepSeek V4 Flash con el dial de velocidad subido, y una semana de detalles publicados lo ha concretado. Mientras que el modelo anterior es una mezcla de expertos de 284B parámetros con 13B activos —la actualización de post-entrenamiento V4-Flash-0731—, el sucesor es una nueva arquitectura que DeepSeek llama Causal Encoder-Decoder: un codificador causal de 20 capas apilado sobre un decodificador de 20 capas, 40 capas Transformer, con la caché KV del decodificador proyectada a partir de los estados ocultos finales del codificador en lugar de calcularse capa por capa. Ese último detalle es de donde surgen las afirmaciones de eficiencia.

• Parámetros activos — DeepSeek reporta aproximadamente 8B activos por token durante el prefill y 16B durante el decode, frente a 552B de parámetros del backbone. DeepSeek V4 Flash activa 13B en un backbone de 284B.

• Caché KV — DeepSeek informa que la nueva compilación necesita una cuarta parte de la HBM y una octava parte del SSD de la generación Flash anterior. Fíjate en cuál de esas es la cifra persistente: la reducción de 8x es la que determina cuánto contexto puedes mantener guardado en disco entre turnos.

• Entrada — texto e imágenes de forma nativa en un solo modelo. DeepSeek V4 Flash es solo texto, y el trabajo con imágenes requería la compilación experimental independiente DeepSeek-V4-Flash-Vision-Exp, que ahora se ha retirado junto con él.

• Contexto y salida — 1.048.576 tokens de contexto y un límite de salida de 384.000 tokens, la misma forma de titular que publicó DeepSeek V4 Flash.

• Pesos — MIT, publicados en Hugging Face.

Toda comparación basada en el tamaño que aparece arriba conlleva una salvedad, y merece la pena decirla claramente en lugar de relegarla a una nota al pie. La cifra de 552B del backbone es la del proveedor. El listado de archivos del propio checkpoint asciende a unos 510GB, lo cual es menos de lo que sugeriría una lectura ingenua de 552B de parámetros, porque los pesos ya se entregan cuantizados. Y la tarjeta del modelo de DeepSeek declara por separado una tabla de memoria condicional Engram de 196B de parámetros —una búsqueda direccionada por tokens que se consulta en dos puntos de la red en lugar de una capa por la que fluye el texto—. Suma las dos cifras del propio proveedor y obtienes 748B, que es exactamente la lectura a la que llegó un análisis creíble de la comunidad cuando cuestionó el titular de 552B. La propia página de Hugging Face para el modelo muestra una tercera cifra, 763B, en su barra lateral. Tres cifras, todas defendibles, dependiendo de si cuentas la pila de cómputo, la tabla de memoria o el archivo en disco. Considera cualquier "552B" en una comparación de especificaciones como el recuento del backbone del proveedor, no como el tamaño de la descarga.

Dos filas de esa ficha eran preguntas abiertas el día del lanzamiento y ambas se han completado desde entonces: los pesos se publican bajo MIT, y ya existe la primera puntuación de terceros. La fila de la velocidad es la que fue en sentido contrario, y tiene su propia sección más abajo.

La tarjeta de tarifas está confirmada — y sigue siendo una sola tarjeta

El hallazgo central de la comparación anterior sigue en pie, y ahora es más que un rumor. DeepSeek V4.1 Flash y DeepSeek V4 Flash se facturan según una única tarifa de nivel Flash en lugar de dos y, dado que los identificadores antiguos ahora son alias del nuevo modelo, todo lo que siga llamando a deepseek-v4-flash también se factura según la nueva tarifa. Estas son las cifras publicadas por DeepSeek, vigentes a partir de las 04:00 UTC del 10 de septiembre de 2026:

• Entrada con acierto de caché — $0.003 por 1M de tokens fuera de horas pico, $0.006 en horas pico

• Entrada con fallo de caché — $0.15 por 1M de tokens fuera de horas pico, $0.30 en horas pico

• Salida — $0.60 por 1M de tokens fuera de horas pico, $1.20 en horas pico.

• Ventanas de máxima demanda — 01:00–04:00 y 06:00–10:00 UTC entre semana. Los fines de semana y los días festivos son de baja demanda las 24 horas.

La columna de horas valle es la que se cita, y la columna de horas punta es la que muerde: una mañana laboral europea o asiática cae dentro de una ventana de horas punta y paga el doble, lo que convierte una tarifa de entrada anunciada de $0.15 en $0.30 justo durante las horas en las que la mayoría de los equipos están realmente cursando tráfico. Presupuesta según la columna de horas punta, a menos que tu carga de trabajo se ejecute de verdad durante la noche en UTC.

Frente a la tarjeta con la que se facturaba DeepSeek V4 Flash antes del cambio —0,007 $ por acierto de caché, 0,22 $ por fallo de caché y 0,66 $ por salida por 1M de tokens fuera de horas punta—, la nueva hoja reduce la entrada en caché en torno a un 57%, la entrada con fallo de caché en torno a un 32% y la salida en torno a un 9%. Así que el sucesor es más barato por token que el modelo al que sustituye, por un margen que es grande en los tokens que un bucle de agente vuelve a leer constantemente y modesto en los tokens que genera. Esa es la verdadera forma de la historia del «recorte de precios de Flash»: se trata de un recorte en los aciertos de caché con un descuento en la salida incluido.

Esa captura es la tarjeta tal como estaba antes del recorte del 10 de septiembre — la hoja contra la que DeepSeek V4 Flash facturó durante agosto, conservada aquí como el lado anterior de la comparación. El lado posterior son las cuatro viñetas de arriba.

Lo que realmente dicen los benchmarks, y quién los ejecutó

El panorama del benchmark tiene dos mitades que habitualmente se citan como una sola, y su estatus es muy distinto.

La primera mitad es la propia tabla de evaluación de DeepSeek, publicada junto con el lanzamiento. Sitúa a DeepSeek V4.1 Flash en 74,2 en DeepSWE v1.1 —por delante de Claude Opus 5 con 74,0, GPT-5.6 Sol con 73,0, Kimi K3 con 67,5, GLM-5.3 con 66,9, DeepSeek V4 Pro 0813 con 62,7 y DeepSeek V4 Flash 0731 con 54,4—. Esas son cifras ejecutadas por el fabricante, medidas con el máximo esfuerzo de razonamiento, y el mismo lanzamiento informa de que el mismo checkpoint puntúa en algún punto entre 65,5 y 74,2 en ocho andamiajes de agentes diferentes: 74,2 en el andamiaje que más le conviene, 69,8 bajo Claude Code, 65,6 bajo Codex y 65,5 bajo OpenCode. Un margen de 0,2 puntos sobre Claude Opus 5, en una suite ejecutada por el fabricante y tomado del más favorable de ocho andamiajes, no establece una ventaja sobre Claude Opus 5. Establece que el nuevo Flash es competitivo con la frontera en codificación agéntica cuando todo está configurado a su manera, lo cual es un resultado real y mucho más modesto de lo que suena «por delante de Opus 5».

La segunda mitad es la parte que no existía el 9 de septiembre. Artificial Analysis ahora ha medido DeepSeek V4.1 Flash de forma independiente y le otorga 40 en el Intelligence Index, frente a 35 de DeepSeek V4 Flash 0731 —sexto de 113 modelos medidos, frente a octavo del modelo al que reemplaza, y muy por encima de la mediana de 18 para modelos de pesos abiertos de tamaño comparable—. Ese es el número que la versión anterior de este artículo decía que aún no existía, y resuelve la cuestión general a favor del sucesor: en un compuesto de terceros de razonamiento, conocimiento, matemáticas y programación, la nueva versión es de forma medible el modelo más fuerte. No resuelve la cuestión de la frontera, porque la misma tabla de clasificación tiene a Kimi K3 y GLM-5.3 por encima.

La narrativa de la velocidad no sobrevivió a la medición.

Aquí es donde la comparación anterior debe corregirse en lugar de ampliarse. Su eje era que los dos modelos comparten una tarifa y se diferencian en velocidad, con DeepSeek V4 Flash medido en aproximadamente 120–140 tokens de salida por segundo y probadores del primer día de DeepSeek V4.1 Flash reportando de 280 a 500, con picos por encima de 500. Esa brecha no se reprodujo.

Según la medición de Artificial Analysis, DeepSeek V4.1 Flash genera 214,4 tokens de salida por segundo y DeepSeek V4 Flash 0731 genera 214,9 — un empate técnico, una diferencia de medio token por segundo, con la misma metodología que produjo ambas cifras. Cualquiera que sea lo que estuvieran midiendo las pruebas de la comunidad del primer día, no era una comparación en igualdad de condiciones: los tokens por segundo varían según el proveedor, el hardware, el tamaño de lote, la concurrencia y cuánto de la respuesta son tokens de razonamiento, y las cifras de la semana de lanzamiento provinieron de configuraciones que diferían en los cinco. La revisión honesta es que la ventaja de rendimiento que insinuaba el lanzamiento no se observa en mediciones independientes. Cualquiera que se haya pasado a DeepSeek V4.1 Flash esperando el doble o el triple de velocidad debería volver a medir con su propio tráfico antes de darlo por sentado.

El panorama de costes es más interesante que el de velocidad, y tampoco es una victoria sencilla. Con los precios por token de Artificial Analysis —0,30 $ de entrada y 1,20 $ de salida para el nuevo modelo frente a 0,44 $ y 1,32 $ para el antiguo, ambos en hora punta—, DeepSeek V4.1 Flash es más barato por token. Pero el coste medido por tarea del Intelligence Index resulta de 0,27 $ frente a 0,22 $, ligeramente superior, porque el nuevo modelo es más locuaz: 250 M de tokens de salida en todo el índice frente a 240 M de su predecesor, y es uno de los modelos más verbosos que mide la clasificación. Un token más barato que se gasta más a menudo no es automáticamente una tarea más barata. De qué lado caigas depende enteramente de si tu carga de trabajo está dominada por contexto releído, donde el recorte del 57 % en aciertos de caché es lo que hace el trabajo, o por salida generada, donde la verbosidad se come el descuento.

Soporte de serving desde el día 0, y lo que realmente vale

Si ya alojas DeepSeek V4 Flash en tus propios servidores, esta es la sección que decide si la migración es barata, y la respuesta es: más barata de lo habitual, pero no gratuita, y no en el entorno de ejecución que la mayoría de la gente entiende por «local».

• NVIDIA vLLM: se lanzó una ruta de día cero como una imagen Docker de vista previa en lugar de un paquete publicado; el soporte de arquitectura no se fusionó con la línea principal en el momento del lanzamiento, por lo que no existe un pip install que lo incluya. Verificado en un conjunto de plataformas NVIDIA en lugar de una sola, con un mínimo de memoria de aproximadamente 614 GB para los pesos más margen adicional.

• SGLang — imagen de vista previa de día cero y una entrada de cookbook, publicadas sin cifras de rendimiento porque el proveedor consideró inestables las mediciones del período de desarrollo. Verificado en hardware de clase GB300, y otros figuran como aún por confirmar.

• NVIDIA Dynamo — recetas de despliegue desde el día cero junto con sus recetas existentes Flash y Pro.

• Otro silicio — Cambricon informó de una adaptación desde el día cero a través de vLLM ese mismo día.

• Ollama y llama.cpp — la brecha. Ollama incluye el modelo en su lista, pero solo como un passthrough a la nube: se ejecuta en los servidores de Ollama, no en los tuyos. La compatibilidad con la arquitectura de llama.cpp no se ha fusionado, así que todavía no existe una ruta local en el upstream, y hay conversiones GGUF de la comunidad sin un runtime publicado que las ejecute de principio a fin.

La lectura práctica: el ecosistema de frameworks se movió inusualmente rápido, y si despliegas en vLLM o SGLang en un nodo con varias GPU, tienes una ruta documentada a los pocos días del lanzamiento. Si tu despliegue de DeepSeek V4 Flash es una máquina con llama.cpp u Ollama, todavía no hay equivalente, y el checkpoint de ~510 GB significa que es poco probable que lo haya en los tamaños que implica ese hardware. Los pesos tampoco plantean el mismo tipo de problema: DeepSeek V4 Flash, con 284B en total, es una propuesta para un solo nodo, y la nueva compilación con 552B de backbone —antes de la tabla Engram— no lo es.

El enrutamiento se movió, y lo hizo por ti

La parte de la que menos se ha informado de este lanzamiento sigue siendo que DeepSeek está enrutando tráfico entre sus propios modelos y que, a diferencia del 9 de septiembre, ahora tiene fechas. A partir de las 04:00 UTC del 14 de septiembre, las solicitudes de API dirigidas a deepseek-v4-pro son atendidas por DeepSeek V4.1 Flash y se facturan a las tarifas de Flash, una política que DeepSeek describe como vigente hasta que se lance V4.1-Pro. DeepSeek V4 Flash y DeepSeek-V4-Flash-Vision-Exp se retiran por completo, y sus identificadores se mantienen activos solo como alias de compatibilidad que también resuelven al nuevo modelo.

Lee eso como una respuesta a la pregunta para la que existe este artículo. Hace una semana, quienes llamaban a Pro cambiaron automáticamente y quienes llamaban a Flash tenían una decisión que tomar. Hoy el proveedor la ha tomado por ambos, lo que significa que la elección activa ya no es «V4 Flash o V4.1 Flash» en la API —es si tus prompts, evaluaciones y modelo de costos están listos para un modelo reentrenado, o si necesitas una alternativa de respaldo completamente distinta.

Esa es la misma lógica que aplica una capa de enrutamiento entre proveedores, y es la parte que una plataforma como OrcaRouter se gana. DeepSeek V4.1 Flash en OrcaRouter mantiene el precio de lista de DeepSeek — 0,15 $ por 1M de tokens de entrada y 0,60 $ por 1M de salida — traspasado con un 0 % de margen, que es lo que hace que un recorte de precio del proveedor llegue a nuestro lado el mismo día que llega al suyo. DeepSeek V4 Flash en OrcaRouter sigue siendo invocable con la misma clave mientras migras, así que el cambio es una cadena de modelo y no un segundo contrato, y DeepSeek V4 Pro en OrcaRouter permanece listado mientras la redirección del proveedor lo sirve con el nuevo modelo a tarifas de Flash. La conmutación por error automática entre proveedores es la forma barata de probar un modelo reentrenado con tráfico real sin apostar una ruta de producción al comportamiento del primer día: enruta una porción, mantén detrás un modelo de confianza comprobada y deja que los casos límite recaigan en el fallback mientras descubres si el nuevo prompting se comporta bien.

¿A cuál deberías llamar?

Si la respuesta honesta siguiera siendo «cualquiera de los dos, para todos», esta actualización no valdría la pena publicar. La semana movió la decisión dos veces: una a favor del sucesor y una en contra.

El argumento a favor de pasarse a DeepSeek V4.1 Flash es ahora más fuerte que el día de su lanzamiento, y se basa en la cifra independiente y no en la tabla del proveedor. Cuarenta frente a treinta y cinco en el Intelligence Index es una diferencia real medida por alguien que no tiene ningún interés en ello, el modelo es más barato por token que el que reemplaza en la misma ficha, la entrada de imágenes ya no necesita un segundo modelo, y todas las mediciones de terceros coinciden en que es al menos igual a su predecesor en capacidad de procesamiento, en lugar de dos o tres veces más rápido. Si vas a empezar una nueva carga de trabajo, o dependías de DeepSeek-V4-Flash-Vision-Exp para imágenes, el cambio es sencillo y el costo de migración es una cadena de modelo.

El argumento a favor de pausar es más limitado de lo que era y más específico. Si tus prompts, esquemas de llamada a herramientas y evaluaciones se ajustaron para V4-Flash-0731, un modelo reentrenado supone un cambio de comportamiento, no un cambio de velocidad: la formulación de prompts, los límites de rechazo y la longitud de salida se desplazan, y el hecho de que el nuevo modelo sea más verboso es en sí mismo un cambio de comportamiento que aparece en tu factura antes de aparecer en tus métricas de calidad. Y si tu implementación está autoalojada en llama.cpp u Ollama, o tu presupuesto depende de los tokens de salida en lugar de la entrada en caché, la economía de cambiar no es la que implicaba el titular del lanzamiento. Ejecutar un día de tu propio tráfico por ambos y comparar las completaciones aceptadas por dólar te dirá más que cualquiera de las tablas anteriores.

Para la mayoría de los equipos, la postura defendible al cabo de una semana no es ninguna de las dos ruidosas: tratar a DeepSeek V4.1 Flash como la opción predeterminada porque la evidencia independiente ahora lo respalda, mantener a DeepSeek V4 Flash sirviendo todo aquello que ya sirve bien —sus pesos siguen ahí, siguen teniendo licencia MIT— y volver a medir el throughput en su propia carga de trabajo en lugar de confiar en los números de la comunidad de la semana del lanzamiento o en una sola fila de la tabla de clasificación. El sucesor es genuinamente mejor. Solo que la mejora es menor, y se produce en aspectos distintos, de lo que sugería el lanzamiento.