Step 5 Preview vs DeepSeek V4.1 Flash: seis veces el precio de entrada por cuatro puntos y medio de índice

Vista previa de Step 5 cuesta $1.00 por millón de tokens de entrada. DeepSeek V4.1 Flash cuesta $0.15. En salida, la diferencia es de $2.70 frente a $0.60, y en aciertos de caché es de $0.10 frente a $0.003 —una dispersión de treinta y tres veces en la línea que domina un bucle de agente prolongado. Por ese dinero, Step 5 Preview obtiene 44 en el Intelligence Index de Artificial Analysis frente al 39.46 de DeepSeek V4.1 Flash, y completa una tarea del índice a aproximadamente $0.71 frente a los $0.27 de DeepSeek. Seis y pico veces el precio de entrada, dos y pico veces el costo por tarea, cuatro puntos y medio. Esa es la aritmética, y no es favorable para el modelo de StepFun. La razón para seguir leyendo es que los dos modelos difieren en tres líneas que no tienen nada que ver con el precio, y dos de esas líneas son las que harían que un modelo fuera rechazado en una revisión de adquisiciones. Nada de esto es motivo para evitar el modelo, solo una razón para conocer el historial: los incidentes de IA documentados y los fallos de agentes detrás de modelos de esta clase están recopilados en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza y marca de disputa.

Ambos son modelos chinos de mezcla de expertos dispersos con ventanas de un millón de tokens y pesos abiertos, publicados con once semanas de diferencia — DeepSeek V4.1 Flash el 10 de septiembre de 2026 y Step 5 Preview el 20 de septiembre de 2026. Son el par más cercano en todo el conjunto de comparación de este modelo, lo que hace que las diferencias que sobreviven al paralelismo sean las interesantes. Son la licencia, el límite de salida y el vídeo.

En qué punto estos dos realmente se separan

• Precio de entrada — Step 5 Preview: $1.00 por millón de tokens en la plataforma de StepFun, frente a DeepSeek V4.1 Flash: $0.15 fuera de las horas pico, y se duplica a $0.30 en las franjas de máxima demanda de DeepSeek entre semana

• Precio de salida — $2.70 vs $0.60 fuera de horas pico, $1.20 en horas pico

• Entrada con acierto de caché — Step 5 Preview $0.10 por millón, un descuento del 95 %, frente a DeepSeek V4.1 Flash $0.003 fuera de horas punta y $0.006 en horas punta, un descuento del 98 %, y la relación más amplia en cualquiera de las dos tarjetas

• Precios según la hora del día: ninguno en StepFun; en cambio, DeepSeek duplica los tres medidores entre las 01:00 y las 04:00 y de nuevo entre las 06:00 y las 10:00 UTC en días laborables, excluyendo los festivos públicos de China.

• Contexto — 1 M de tokens para ambos; DeepSeek publica la cifra como 1.048.576

• Salida máxima — Step 5 Preview 64k tokens según la documentación de StepFun frente a DeepSeek V4.1 Flash 384.000 tokens, seis veces el límite

• Modalidad — Step 5 Preview acepta texto, imágenes y vídeo, frente a DeepSeek V4.1 Flash, que acepta texto e imágenes, sin ruta de vídeo

• Arquitectura — Step 5 Preview 600B en total, 27B activos frente a DeepSeek V4.1 Flash 552B en total, 16B activos, por lo que el modelo más económico también activa un 41% menos de parámetros por token

• Licencia — StepFun Model License 1.0, una concesión personalizada con atribución y umbrales de licencia comercial aparte frente a DeepSeek V4.1 Flash bajo MIT, una licencia aprobada por la OSI sin umbral alguno que leer

• Puntuación independiente — 44 para Step 5 Preview frente a 39.46 para DeepSeek V4.1 Flash con esfuerzo máximo, ambos en Intelligence Index v4.3.2

• Costo independiente por tarea de indexación completada — aproximadamente $0.71 frente a $0.27

Lee las dos últimas filas como un par y la aritmética por punto se deduce: alrededor de 1,6 centavos por punto de índice para Step 5 Preview frente a alrededor de 0,7 centavos para DeepSeek V4.1 Flash. El modelo más barato es también el más barato por unidad de capacidad medida, lo cual es inusual —los modelos con descuento suelen comprar su puntuación con verbosidad o tokens de razonamiento. DeepSeek V4.1 Flash emitió 88.574 tokens de salida por tarea de índice, muy dentro de las normas del campo. Step 5 Preview emitió aproximadamente 160 millones de tokens de salida en toda la suite y recibió una etiqueta de "muy verboso" por parte del evaluador. El modelo de StepFun no está comprando sus cuatro puntos y medio con eficiencia.

La duplicación en horas pico es un problema menor de lo que parece, y el techo de producción es uno mayor

La tarifa de hora punta de DeepSeek se debate como si fuera una trampa, y en su mayor parte no lo es. Se aplica entre las 01:00 y las 04:00 y de nuevo entre las 06:00 y las 10:00 UTC los días laborables, que es la primera hora de la mañana en Europa y la madrugada en Estados Unidos, y excluye por completo los fines de semana y los días festivos públicos de China. Un trabajo por lotes se puede mover. Un equipo europeo cuyo tráfico alcanza su pico a las 08:00 UTC paga el doble por sus horas de mayor actividad, que es el coste real del arreglo, pero incluso DeepSeek al doble es más barato por token que Step 5 Preview a su tarifa plana. El punto estructural es diferente: la tarjeta de StepFun tiene una columna y la de DeepSeek tiene dos, y un presupuesto construido sobre una columna es un presupuesto que estará equivocado con la mezcla real de tráfico de alguien. La forma honesta de plantearlo es que la ventana de hora punta de DeepSeek es un problema de planificación y la tarifa plana de StepFun es una característica de simplicidad, y ninguna de las dos vale por sí sola varias veces el precio de entrada.

El techo de salida es la línea que realmente rompe las cosas. La documentación de Step 5 Preview limita una sola respuesta a 64k tokens. DeepSeek V4.1 Flash permite 384.000 —seis veces más—, y la consecuencia práctica no tiene que ver con prosa larga. Tiene que ver con ejecuciones de agentes cuyo artefacto final es un archivo grande, una refactorización de archivo completo, un esquema generado o una extracción estructurada larga. Un techo de 64k significa que esas tareas tienen que descomponerse en múltiples llamadas con un traspaso orquestado entre ellas, lo cual es trabajo de ingeniería que, de otro modo, no harías. Esta es la única fila de la tabla de tarifas en la que el modelo más barato te está dando algo que no puedes obtener del más caro a ningún precio, y es la razón por la que un equipo con esa carga de trabajo no debería estar mirando la tabla de tarifas en absoluto.

La entrada de video es real, y vale menos de lo que suena

Step 5 Preview acepta video, y DeepSeek V4.1 Flash no lo hace. Esa es una diferencia real de capacidades y es el argumento más fuerte por sí solo a favor del modelo de StepFun en esta comparación. StepFun documenta en detalle la ruta aceptada: contenedores MP4, QuickTime y Matroska, que se pasan como URL, como Base64 o mediante una referencia a la Files API, con MP4 basados en URL inferiores a 128MB y una duración recomendada inferior a cinco minutos. Las imágenes están limitadas a 60 por solicitud, y ambos vienen con bajos y altos ajustes de detalle.

Lo que eso te aporta es un solo modelo en lugar de un pipeline. Un flujo de trabajo que ingiere una grabación de pantalla, la captura de una clase o un clip de cámara de tablero y luego razona sobre lo que ocurrió necesita o bien un modelo de video, o bien un arnés de muestreo de fotogramas que hayas construido tú mismo; un modelo que toma el video directamente lo reduce todo a una sola llamada. Lo que no te aporta es una capacidad general de comprensión de video sobre la que puedas planificar un producto, porque nadie ha publicado una evaluación independiente de la comprensión de video de Step 5 Preview. La capacidad está documentada por el proveedor y nadie más le ha asignado una puntuación, y la brecha de cuatro puntos y medio en el índice a la que está asociada es enteramente de texto e imagen. Trata la fila de video como una razón para hacer pruebas, no como un número.

La línea de licencias es donde el modelo barato es la elección segura.

Esta es la parte de la comparación que una tabla de precios no puede mostrar, y invierte la lectura habitual de «obtienes lo que pagas». DeepSeek V4.1 Flash se distribuye bajo MIT —la licencia aprobada por la OSI, sin desencadenante de atribución, sin umbral de ingresos, sin acuerdo comercial aparte para grandes operadores y sin ambigüedad sobre las obras derivadas. Los pesos están en Hugging Face, 552 mil millones de parámetros en total con 16 mil millones activos, y un equipo legal al que se le pide aprobar un producto construido sobre ellos tiene una conversación breve.

Step 5 Preview se distribuye bajo StepFun Model License 1.0, que es una verdadera concesión de pesos abiertos y no es una licencia de código abierto. Es perpetua, mundial y libre de regalías, e incluye una concesión de patentes; además, permite el uso comercial, el ajuste fino y las obras derivadas. Se le asocian dos condiciones. Un producto o servicio comercial que incorpore el modelo y supere los 100 millones de usuarios activos mensuales o los 20 millones de dólares en ingresos en cualquier mes calendario deberá mostrar «Powered by StepFun AI» de manera destacada en la interfaz del producto y en el acuerdo de usuario. Y un fabricante de hardware o titular de marca que distribuya las capacidades del modelo en dispositivos, o una empresa de modelo como servicio cuyos ingresos combinados superen los 20 millones de dólares en cualquier período de doce meses, necesita una licencia comercial aparte. El uso interno que no exponga el modelo ni sus capacidades a un tercero queda plenamente dentro de la concesión.

Para una startup que hace fine-tuning de Step 5 Preview para trabajo con documentos internos, eso está bien y la licencia no cuesta nada. Para una empresa que pretende lanzar un producto alojado, es un umbral que hay que modelar, y la diferencia entre «puede que tengamos que negociar dentro de dieciocho meses» y «nunca tendremos que pensar en esto» vale más que unos cuantos múltiplos sobre el precio de un token para muchas organizaciones. La licencia de StepFun tiene la misma forma que usan otras licencias de pesos abiertos y no es un documento irrazonable. Es simplemente un documento, mientras que la de DeepSeek es un estándar.

Para qué sirve cada uno de ellos

DeepSeek V4.1 Flash es la opción predeterminada correcta para la mayoría de las cargas de trabajo que cubre esta comparación. Es más barato en cada métrica, más barato por tarea completada, más barato por punto de índice, más permisivo en cuanto a licencia, más del doble de generoso en la ventana de entrada, y funciona con 16 mil millones de parámetros activos frente a los 27 mil millones de StepFun, lo cual importa si el autoalojamiento está en la hoja de ruta, porque la máquina más pequeña que puede servirlo es más pequeña. Sus desventajas son una puntuación de índice de 39,46 frente a 44 y la ausencia de vídeo. Su duplicación de la ventana pico es un detalle de programación, no estructural.

Step 5 Preview se gana su prima en tres situaciones específicas y pierde en todo lo demás. Necesitas cuatro puntos y medio más de índice y la capacidad marginal en la parte superior del tablero vale dos veces y media el costo de la tarea para ti. Necesitas entrada de video en la misma llamada que el razonamiento. O necesitas una tarjeta de tarifas plana de una sola columna, sin ventana horaria y sin lógica de planificación en el pipeline, lo que supone una simplificación operativa real para un equipo que, de lo contrario, tendría que construir el planificador. Ninguna de esas es una mala razón. Todas son más limitadas de lo que la tarjeta de tarifas las hace parecer.

Hay un camino intermedio poco dramático que merece ser nombrado, que es no elegir. Ambos modelos son lo bastante baratos como para ejecutarlos el uno contra el otro con tu propio tráfico durante una semana, y la decisión que tomes a partir de tus propios números por tarea será mejor que la que tomes a partir de un índice prestado — sobre todo porque los dos modelos fallan de manera distinta, y los modos de fallo son donde vive el coste real. Esa comparación también es donde la fila de vídeo se resuelve con honestidad: si tu pipeline no incluye vídeo, el argumento más fuerte a favor del modelo de StepFun desaparece y el resto de la tarjeta es una pérdida directa.

DeepSeek V4.1 Flash está en OrcaRouter como deepseek/deepseek-v4.1-flash a las tarifas publicadas por el propio DeepSeek con un 0 % de margen, lo que tiene una consecuencia específica para este modelo: DeepSeek vuelve a fijar precios según un calendario de horas punta y horas valle, y un traspaso significa que la columna de horas valle es lo que pagas en el momento en que se aplica, en lugar de en el siguiente ciclo contractual. Si ejecutas Step 5 Preview en otro sitio y quieres un respaldo barato para la mayor parte de tu tráfico que no es vídeo, esa es una regla de enrutamiento que apunta a un modelo en la misma clave, y la conmutación por error automática significa que un endpoint desconocido nunca se convierte en un punto único de fallo para una ruta de producción. Step 5 Preview en sí no está en el catálogo activo de OrcaRouter; llámalo a través de la propia plataforma de StepFun, o alójalo tú mismo desde los checkpoints FP8, BF16 o NVFP4 que publica el proveedor.

El veredicto, en un párrafo que puedas usar para actuar.

Si su carga de trabajo es texto e imágenes, DeepSeek V4.1 Flash es el mejor modelo en cada punto de precio de la tarjeta, y el déficit de cuatro puntos y medio en el índice es un costo real pero limitado. Si su carga de trabajo necesita una respuesta única de 384k tokens, DeepSeek V4.1 Flash es el único de los dos que puede hacerlo. Si su equipo legal quiere una licencia estándar en lugar de una personalizada, DeepSeek V4.1 Flash vuelve a ser la respuesta. Step 5 Preview vale la pena el sobreprecio solo cuando se necesita específicamente entrada de vídeo, o cuando cuatro puntos y medio de índice en la cima del ranking independiente cambian lo que su producto puede hacer — y si ese es el caso, tenga en cuenta que el modelo es verboso, lo que significa que el sobreprecio por tarea es de aproximadamente 2,6 veces en lugar de las 6,7 veces que sugiere la línea de entrada. Pruebe ambos frente a su propio tráfico. La tarjeta de tarifas le dice cuál es más barato; solo su traza le dice si el caro vale la pena.