Lanzamiento oficial de DeepSeek V4 Flash: el modelo agéntico de contexto de 1M, económico y rápido, explicado

DeepSeek V4 Flash es la mitad económica de la escalera V4 de DeepSeek, y los números independientes finalmente le han dado alcance: en el conjunto AIME 2026 de MathArena obtiene un 95,83 %, estadísticamente indistinguible del 96,67 % de DeepSeek V4 Pro, con aproximadamente una novena parte del costo por problema. La versión oficial de beta pública, -0731, se lanzó el 31 de julio de 2026 con la misma arquitectura que la vista previa de abril — un modelo de mezcla de expertos de 284 mil millones de parámetros, 13B activos, con un contexto de 1 millón de tokens — pero con una ronda adicional de post-entrenamiento que mejoró notablemente su capacidad agéntica, de codificación y de llamada a herramientas, además de soporte nativo para la API de Responses y adaptaciones específicas para agentes estilo Codex. Esta guía cubre qué cambió realmente en el lanzamiento, qué dicen las evaluaciones del proveedor y las independientes, cuánto cuesta una vez que se tiene en cuenta cuánto piensa, y cómo invocarlo.

Nota de precisión: los detalles del lanzamiento y las puntuaciones agentivas principales que aparecen a continuación provienen del registro de cambios oficial de la API de DeepSeek (con fecha 2026-07-31) y son cifras reportadas por el proveedor, obtenidas con el propio banco de pruebas de DeepSeek; trátalas como orientativas y ejecuta tus propias evaluaciones. Las cifras independientes se atribuyen donde aparecen: Artificial Analysis para el Índice de Inteligencia y sus componentes, MathArena para AIME 2026, y la propia lista de precios de DeepSeek para los precios. Cuando algo se basa en el informe de un único profesional en lugar de una evaluación publicada, la frase lo indica. Las especificaciones y los precios cambian; verifica antes de construir.

TL;DR. V4 Flash es el hermano rentable del gigante DeepSeek V4 Pro: un MoE de 284B con 13B activos, contexto de 1M de tokens y hasta 384K de salida, optimizado para trabajo agéntico de alto volumen y baja latencia. El lanzamiento oficial del 31 de julio es una actualización post-entrenamiento — mismo tamaño, agentes y codificación materialmente mejores — que además añade soporte nativo para Responses-API y Codex. DeepSeek reporta puntuaciones sólidas en tareas agénticas y de codificación (p. ej., Terminal-Bench 2.1 82,7, Toolathlon 70,3), y Artificial Analysis ha puntuado desde entonces la build -0731 con 50 en su Índice de Inteligencia: diez puntos por encima de la vista previa de abril, seis por encima del V4 Pro, que es mucho más grande, y a la par de Gemini 3.6 Flash. Cuesta alrededor de $0,15 / $0,29 por millón de tokens de entrada/salida, aproximadamente un tercio del precio de V4 Pro. Solo se actualizó la API de Flash; V4 Pro y la app/web de DeepSeek no han cambiado. En OrcaRouter lo obtienes con un margen del 0% a través de un endpoint compatible con OpenAI.

Conclusiones clave

• Versión oficial (compilación -0731, 31 de julio de 2026): una actualización posterior al entrenamiento de la vista previa — misma arquitectura, agentes mucho más potentes, programación y uso de herramientas.

• Arquitectura sin cambios: 284B en total / 13B activos (MoE), contexto de 1M tokens (1.048.576), salida de hasta 384K, entrada solo de texto, con razonamiento, herramientas y JSON.

• Nuevo: soporte nativo para la API de Responses y adaptación específica para Codex; continúa admitiendo las interfaces estilo OpenAI ChatCompletions y Anthropic. ID del modelo deepseek-v4-flash.

Avances agénticos/de codificación reportados por DeepSeek: Terminal-Bench 2.1 82.7, Toolathlon (verificado) 70.3, Cybergym 76.7, DeepSWE 54.4, NL2Repo 54.2, DSBench-FullStack 68.7.

• Muy barato: alrededor de $0.15 / $0.29 por 1M de tokens de entrada/salida, aproximadamente un tercio de los $0.44 / $0.88 de V4 Pro, y DeepSeek ofrece aciertos de caché a $0.0028 por 1M, alrededor de un 98% por debajo de la entrada fresca. Solo cambió la API Flash; Pro y la app/web siguen igual.

Lo que la versión oficial realmente actualizó

V4 Flash apareció por primera vez como vista previa el 24 de abril de 2026. El lanzamiento oficial del 31 de julio de 2026 (la compilación -0731, según el registro de cambios de la API de DeepSeek) es explícitamente no una nueva arquitectura: los parámetros totales y activos (284B / 13B) y el contexto de 1M no han cambiado. Lo que cambió es el post-entrenamiento — un ajuste fino adicional que, según DeepSeek, mejoró significativamente las capacidades centrales de agente, de codificación y de llamada de herramientas. Dos adiciones prácticas importan: V4 Flash ahora soporta de forma nativa la API de Responses y está específicamente adaptado para agentes de codificación estilo Codex, mientras sigue siendo compatible con interfaces de estilo OpenAI ChatCompletions y Anthropic. Es importante destacar que solo la API de Flash se actualizó en esta versión; V4 Pro y las experiencias de la app y la web de DeepSeek no cambiaron. Para los equipos, eso significa una mejora directa para cargas de trabajo de agentes al mismo precio, sin migración.

Arquitectura: un MoE de activación reducida diseñado para rendimiento

V4 Flash es un modelo de mezcla de expertos con aproximadamente 284 mil millones de parámetros totales, pero solo unos 13 mil millones activos por token. Esa baja cantidad de parámetros activos es el punto clave: mantiene la inferencia rápida y económica, mientras que un amplio grupo de expertos preserva la calidad. La ventana de contexto es de 1 048 576 tokens completos (alrededor de 1M), con un máximo de salida muy grande de 384K, y el modelo admite razonamiento (pensamiento extendido), llamada de herramientas y JSON estructurado. La entrada es solo texto. El objetivo de diseño —trabajo agéntico de alto volumen y baja latencia— se refleja en las cifras de servicio: un p50 de tiempo hasta el primer token de alrededor de 394 milisegundos y una salida de aproximadamente 184 tokens por segundo en las mediciones de OrcaRouter.

Benchmarks: lo que dicen los números oficiales

El lanzamiento oficial se apoya fuertemente en evaluaciones de agentes y codificación, ejecutadas con el propio harness de DeepSeek (configuraciones de modo mínimo / esfuerzo máximo). Así es como se deben leer los resultados principales, todos reportados por DeepSeek:

• Terminal-Bench 2.1: 82.7 — tareas agénticas de línea de comandos/software en una terminal real. Una puntuación alta aquí indica que el modelo puede manejar herramientas y shells de verdad, no solo responder preguntas.

• Toolathlon (verificado): 70.3 y Automation Bench (público): 25.1 — amplitud y fiabilidad del uso de herramientas y automatización de extremo a extremo. La fiabilidad de la llamada a herramientas es el factor decisivo para los agentes.

• Cybergym: 76.7 — resolución de problemas agénticos estilo seguridad/CTF.

• DeepSWE: 54.4, NL2Repo: 54.2, DSBench-FullStack: 68.7, DSBench-Hard: 59.6 — ingeniería de software y codificación full-stack, desde generación a nivel de repositorio hasta tareas complejas de ciencia de datos. El fuerte resultado en DSBench-FullStack (68.7) apunta a una competencia práctica en codificación multiarchivo.

• Agent Last Exam: 25.2 — un desafío de razonamiento agéntico deliberadamente difícil en el que incluso los mejores modelos obtienen puntuaciones bajas; útil como señal relativa, no absoluta.

Para contexto independiente, Artificial Analysis ha evaluado ahora la compilación -0731 en sí misma y le otorga 50 en el Índice de Inteligencia de Artificial Analysis — diez puntos por encima de la vista previa de abril que reemplaza, seis puntos por encima del mucho más grande V4 Pro, y a la par con Gemini 3.6 Flash. Sus resultados por componente: GPQA Diamond 91 %, AA-LCR 66 %, Humanity's Last Exam 37 %, SciCode 50 %, τ³-Bench Banking 31 %, CritPt 17 % y un Elo de 1559 en GDPval-AA v2. Dos de esos merecen una segunda mirada. Artificial Analysis midió Terminal-Bench 2.1 en 79 % frente al 82,7 reportado por DeepSeek: cerca, pero más bajo, que es la dirección en la que las cifras de los harness de los proveedores suelen fallar. Y en AA-Omniscience el modelo aterriza en -16 con una alta tasa de alucinación medida, por lo que la historia de "barato y agéntico" no se extiende al recuerdo fáctico no supervisado. Esa es la forma más precisa de leer este modelo: razonamiento fuerte por dólar, conocimiento débil por consulta.

Matemáticas de competencia: el único lugar donde Flash iguala a Pro.

La lectura independiente más útil sobre el razonamiento de V4 Flash proviene de MathArena, que ejecuta cada modelo cuatro veces en cada problema de una competencia recién publicada y publica la cuadrícula por problema. En AIME 2026 — ambos exámenes, 30 problemas, cuatro ejecuciones cada uno — V4 Flash en modo de razonamiento máximo obtiene 95.83% ±3.58%, frente al 96.67% ±3.21% de DeepSeek V4 Pro. Esos intervalos se superponen casi por completo: en este punto de referencia, el modelo pequeño no es mensurablemente peor que el modelo insignia. La columna de costo es donde se separan. MathArena sitúa una ejecución de V4 Flash en $0.009 por problema frente a $0.082 para V4 Pro — aproximadamente nueve veces más barato para la misma precisión, lo cual es un argumento más sólido a favor del nivel de eficiencia que cualquier cosa en el propio anuncio de DeepSeek.

Dos salvedades van de la mano. MathArena marca ambas entradas de DeepSeek con una advertencia de contaminación, su etiqueta para un modelo publicado después de que apareciera la competencia, por lo que parte de esa precisión puede ser memoria en lugar de razonamiento. Y la versión que MathArena probó tiene fecha 2026-04-24 — la vista previa de abril, no la compilación -0731. Al momento de escribir esto, no hay una puntuación independiente de AIME 2026 para la versión oficial, y la propia ficha del modelo de DeepSeek no publica ningún punto de referencia matemático para ella, solo los de tipo agéntico.

La cuadrícula también muestra dónde se sitúa el techo. Casi todos los modelos en el panel superan la mayor parte de AIME 2026; el problema que los clasifica es el problema 15. Solo dos entradas lo resuelven en las cuatro ejecuciones: GPT-5.5 con esfuerzo extra alto y Claude Opus 4.8 al máximo. V4 Flash obtiene cero de cuatro allí, y también V4 Pro, junto con GLM-5.2, Gemini 3.6 Flash, Kimi K2.6 y Claude Opus 4.7.

Ese último detalle es lo que hace que valga la pena señalar un informe del 5 de agosto de 2026. El comentarista de IA @teortaxesTex publicó que la versión -0731 sí resolvió el problema 15 de AIME 2026, tardando alrededor de 1,006 segundos y aproximadamente 100,000 tokens de salida, y describió cómo el modelo comenzaba visiblemente a trucar el problema antes de abandonar el atajo y resolverlo de forma honesta. Se trata de una única ejecución de un profesional, no de un resultado de benchmark: no se ha reproducido, ningún ranking público ha puntuado la versión -0731, y una transcripción aislada no es una evaluación. Lo que se puede comprobar es la consistencia interna, y se sostiene: Artificial Analysis mide la salida de este modelo en unos 116 tokens por segundo, y 1,006 segundos a ese ritmo son aproximadamente 117,000 tokens, el mismo orden de magnitud que la cifra reportada. Una respuesta de 100,000 tokens también está plenamente dentro de lo que DeepSeek espera, ya que recomienda permitir hasta 384K tokens de salida con esfuerzo de razonamiento alto o máximo. Ambas cifras rondan tres veces los promedios medidos por MathArena para este modelo (33,588 tokens de salida y 6m 50s por respuesta), que es lo que cabría esperar en el problema más difícil del conjunto. En resumen: plausible en la forma, no verificado en el resultado, y si se replica supone un salto real respecto a la versión preliminar, que falla ese problema cuatro de cada cuatro veces.

Precios: el número que cambia los presupuestos

En OrcaRouter, que transmite los precios del proveedor con un margen de beneficio del 0%, V4 Flash cuesta unos $0.15 por millón de tokens de entrada y $0.29 por millón de tokens de salida, y DeepSeek mantuvo los precios sin cambios para esta actualización. Eso es aproximadamente un tercio de los $0.44 / $0.88 de DeepSeek V4 Pro. Los aciertos de caché son más baratos de lo que la mayoría cree: DeepSeek lista la entrada en caché a $0.0028 por millón, aproximadamente un 98% por debajo de la entrada fresca, que es lo que hace que los agentes y el chat con un prompt de sistema estable sean tan económicos de mantener en funcionamiento. En términos reales, 10 millones de tokens al mes con una división de 70% entrada / 30% salida se traduce en unos pocos dólares; escala a mil millones de tokens y la diferencia frente a un modelo insignia se convierte en una partida que el departamento de finanzas nota.

En un modelo de razonamiento, sin embargo, la tarifa es la mitad menos interesante de la factura: lo que mueve los presupuestos es cuántos tokens el modelo decide gastar. Artificial Analysis necesitó alrededor de 206 millones de tokens de salida para ejecutar su Índice de Inteligencia completo en V4 Flash, aproximadamente el doble de la mediana de ~100 millones entre los modelos que prueba, y lo describe como rápido pero muy verboso. Haciendo el cálculo, una respuesta de 100,000 tokens cuesta alrededor de tres centavos, y el techo de salida de 384K limita una respuesta a cerca de once centavos. Barato en términos absolutos, pero unos cientos de veces el costo de una respuesta corta, razón por la cual el esfuerzo de razonamiento es una palanca de presupuesto, no un dial de calidad que dejas fijado al máximo. El análisis práctico de Simon Willison hace el mismo punto desde la otra dirección: con la configuración predeterminada, su generación de prueba fue decepcionante, y aumentar el esfuerzo de razonamiento a alto la mejoró sustancialmente. Mide tus propias solicitudes difíciles antes de asumir que la tarifa anunciada es tu costo.

Dónde encaja V4 Flash: la escalera de DeepSeek V4

La línea V4 de DeepSeek es una escalera. V4 Pro es el buque insignia — un modelo de razonamiento y codificación de primer nivel, mucho más grande. V4 Flash es el nivel de eficiencia: muchísimo menos cómputo activo, una fracción del precio y, tras esta mejora de post-entrenamiento, una capacidad agéntica y de codificación genuinamente sólida. El hecho de que DeepSeek haya invertido en hacer de Flash un mejor agente (API de Responses, adaptación a Codex, benchmarks de uso de herramientas) te dice dónde espera que se concentre el volumen. Pero los números de AIME 2026 complican la versión ordenada de esa historia a favor de Flash: en matemáticas de competición, los dos modelos se sitúan dentro de las barras de error del otro, por lo que "enviar los problemas difíciles a Pro" no es automáticamente lo correcto. La división honesta es que Pro compra amplitud de conocimiento y el trabajo agéntico más difícil, no una mejor oportunidad de resolver un problema matemático difícil; por eso, enrutar según la dificultad medida en tus propias tareas supera a usar por defecto el modelo más grande.

Tres escenarios del mundo real

1. Agentes de codificación y flujos de trabajo estilo Codex

La compilación -0731 incluye soporte nativo para Responses-API y Codex, además de sus puntuaciones en Terminal-Bench (82.7) y DSBench-FullStack (68.7), lo que convierte a V4 Flash en un motor potente y económico para agentes de codificación autónomos: corrección de problemas, refactorizaciones, generación de pruebas y uso de herramientas en múltiples pasos.

2. Agentes que utilizan herramientas a gran escala

Primeros tokens rápidos (~394 ms), alto rendimiento (~184 tok/s), un contexto de 1M y una sólida fiabilidad en Toolathlon (70.3) se adaptan a agentes de producción que invocan herramientas a escala — recuperación, automatización y orquestación.

3. Procesamiento de documentos largos con un presupuesto limitado

El contexto completo de 1M de tokens y la salida de 384K manejan el resumen, análisis o transformación de entradas muy grandes — registros, bases de código, informes largos — en una sola pasada, de forma económica.

Cómo acceder a V4 Flash

Puedes llamar a V4 Flash directamente en la API de DeepSeek (identificador de modelo deepseek-v4-flash; admite la API de Responses, los ChatCompletions de OpenAI y las interfaces de estilo Anthropic), o a través de un endpoint neutral respecto al proveedor. OrcaRouter expone V4 Flash con un margen del 0% a través de un único endpoint compatible con OpenAI (deepseek/deepseek-v4-flash) junto con más de 200 modelos, por lo que puedes compararlo con GPT-5.6 Luna, Gemini 3.6 Flash, GLM-5.2, Qwen3.8-Max y Kimi K3 en un solo lugar, y enrutar cada solicitud a la opción más económica para cada tarea. Debido a que el precio se traslada directamente en lugar de aplicarle un margen, un cambio en el precio de DeepSeek llega a tu factura el mismo día en que se publica. Y como la interfaz es compatible con OpenAI, adoptar V4 Flash — o dejar de usarlo después de una semana de mediciones — es un cambio de configuración, no una reintegración.

Limitaciones y salvedades honestas

V4 Flash es un modelo de eficiencia, no un buque insignia, pero los datos independientes han hecho que ese límite sea más específico que "peor en cosas difíciles". En AIME 2026 iguala a V4 Pro dentro de los intervalos de confianza; donde claramente se queda atrás es en la amplitud de conocimiento — AA-Omniscience -16 y una alta tasa de alucinación medida — y en el trabajo agéntico más exigente. La entrada es solo texto, sin entrada nativa de imágenes. Las puntuaciones agénticas principales son reportadas por DeepSeek con su propio banco de pruebas, y la única cifra que un laboratorio independiente ha vuelto a ejecutar resultó más baja (Artificial Analysis midió Terminal-Bench 2.1 en 79% frente al 82.7 reportado), así que trate las cifras del proveedor como orientativas. Y "barato por token" no es "barato por tarea": este modelo es mediblemente verboso, así que limite el esfuerzo de razonamiento y las iteraciones de herramientas en llamadas simples en lugar de dejar el esfuerzo máximo activado por defecto. Valide con su propia carga de trabajo antes de comprometer tráfico de producción.

Preguntas frecuentes

¿Qué es DeepSeek V4 Flash?

El modelo de eficiencia de DeepSeek en la línea V4: un modelo de mezcla de expertos con 284B / 13B activos, con un contexto de 1M de tokens, hasta 384K de salida, optimizado para trabajo rápido, de alto volumen, agéntico y de codificación. Su lanzamiento oficial (compilación -0731) se publicó el 31 de julio de 2026.

¿Qué cambió en la versión oficial?

La arquitectura no cambia; es una mejora post-entrenamiento que mejora significativamente la capacidad agéntica, de codificación y de invocación de herramientas, y añade soporte nativo de Responses-API con adaptación de Codex. Solo se actualizó la API Flash: V4 Pro y la app/web siguen igual.

¿Cuánto cuesta V4 Flash?

Aproximadamente $0.15 por millón de tokens de entrada y $0.29 por millón de tokens de salida en OrcaRouter (margen del 0%) — aproximadamente un tercio de los $0.44 / $0.88 de V4 Pro — con aciertos de caché listados a $0.0028 por millón, aproximadamente un 98% por debajo de la entrada fresca. El precio se mantuvo estable en esta versión. Presupuesta tanto el volumen de tokens como la tarifa: este es un modelo de razonamiento verboso, y una respuesta de 100,000 tokens cuesta alrededor de tres centavos.

¿Qué tan bueno es V4 Flash en tareas de agente y de codificación?

DeepSeek informa puntuaciones sólidas: Terminal-Bench 2.1 82.7, Toolathlon (verificado) 70.3, Cybergym 76.7, DeepSWE 54.4, DSBench-FullStack 68.7 — todas cifras del harness del proveedor, así que verifícalas en tus propias tareas.

¿Es V4 Flash bueno en matemáticas de competencia?

Mejor de lo que su precio sugiere. En la cuadrícula AIME 2026 de MathArena, la compilación de vista previa de abril obtiene un 95,83 % en cuatro ejecuciones de 30 problemas, dentro del intervalo de confianza del 96,67 % de V4 Pro, a aproximadamente una novena parte del costo por problema — aunque MathArena señala a ambos modelos por posible contaminación, y todavía no ha puntuado la compilación -0731. El único problema que nunca resuelve es el problema 15, que solo GPT-5.5 con esfuerzo extra alto y Claude Opus 4.8 al máximo lo resuelven de manera fiable.

¿Cómo se compara V4 Flash con V4 Pro?

Pro es el buque insignia mucho más grande para el razonamiento y la codificación más difíciles; Flash es el nivel de eficiencia a ~1/3 del precio con una fuerte capacidad agéntica/de codificación. Enruta las tareas difíciles a Pro, todo lo demás a Flash.

¿Cuál es la ventana de contexto?

Un total de 1.048.576 tokens (aproximadamente 1M), con hasta 384K tokens de salida.

¿Es V4 Flash multimodal?

No — la entrada es solo texto. Admite razonamiento, llamada de herramientas y salida JSON.

¿Funciona V4 Flash con la API de Responses y Codex?

Sí: la versión -0731 añade soporte nativo para la API de Responses y una adaptación específica para Codex, junto con interfaces de estilo OpenAI ChatCompletions y Anthropic.

¿Cómo uso V4 Flash?

Directamente a través de la API de DeepSeek, o mediante el endpoint compatible con OpenAI de OrcaRouter con un margen del 0% (deepseek/deepseek-v4-flash), donde también puedes comparar y enrutar entre modelos rivales.

En resumen

El lanzamiento oficial de DeepSeek V4 Flash mantiene la receta barata y rápida y lo convierte en un agente mucho mejor: el mismo MoE de 284B / 13B activos y contexto de 1M, post-entrenado para un desempeño más sólido en codificación y uso de herramientas, con soporte nativo de Responses-API y Codex, al mismo precio de ~$0,15 / $0,29. Los números independientes ahora respaldan la mayor parte de la propuesta — Artificial Analysis sitúa la versión -0731 al nivel de Gemini 3.6 Flash en inteligencia, y en MathArena la versión preliminar iguala a V4 Pro en AIME 2026 por una novena parte del costo por problema. Lo que la tarifa baja no compra es amplitud de conocimiento ni un pase libre en verbosidad: este modelo piensa con aproximadamente el doble del presupuesto de tokens de un modelo mediano, por lo que su factura por tarea depende más del esfuerzo de razonamiento que usted permita que del precio anunciado. Ejecútelo a través de un endpoint compatible con OpenAI con margen de beneficio del 0%, como OrcaRouter, mida lo que sus propias solicitudes exigentes gastan realmente, y enrute hacia un modelo insignia solo donde la medición diga que debe hacerlo.