Ultramarine 1 Flash vs DeepSeek V4 Flash: Una tarifa de tokens barata no implica una tarea barata

Ultramarine 1 Flash cuesta $0.15 por millón de tokens de entrada y $0.50 de salida. D​eepSeek V4 Flash figura a $0.44 y $1.32 en el registro de Artificial Analysis, o a $0.22 y $0.66 a la tarifa enrutada a la que nuestro catálogo lo sirve. Ponga las dos tarjetas de precios una al lado de la otra y el modelo de Paper Instruments parece la ganga obvia — tres veces más barato de entrada y dos veces y media más barato de salida, a los precios de lista. El problema de esa lectura es que una tarifa por millón de tokens es solo la mitad de una factura, y la mitad que deja fuera es aquella en la que estos dos modelos más difieren. D​eepSeek V4 Flash genera 240 millones de tokens de salida para completar el Intelligence Index. El modelo mediano de su clase de comparación genera 140 millones. Es, en palabras de Artificial Analysis, muy verboso — ocupa el puesto 36 de 40 de su clase de precio en ese eje.

Ultramarine 1 Flash sostiene lo contrario sobre sí mismo. En los seis benchmarks que Paper Instruments evaluó, generó un 6,5 % menos de tokens que el modelo GLM-5.3 Flash del que fue postentrenado, a la vez que obtuvo una puntuación más alta en todos ellos. Un modelo es barato por token y caro por tarea. El otro se esforzó deliberadamente por resultar menos costoso por tarea sin cambiar su precio. La comparación que vale la pena hacer es entre esos dos enfoques, no entre dos tarifas de entrada.

Dos modelos, dos rutas diferentes hacia el mismo segmento de precio

Llegaron al nivel de presupuesto desde direcciones opuestas, y la diferencia explica la mayor parte de lo que sigue.

DeepSeek V4 Flash es un modelo de mezcla de expertos creado desde cero: 284 mil millones de parámetros totales, 13 mil millones activos, publicado el 24 de abril de 2026 bajo licencia MIT, con los pesos publicados en Hugging Face. Su revisión 0731, reentrenada posteriormente desde cero sobre la misma arquitectura, es lo que ahora designa el identificador fechado. Tiene una ventana de contexto de 1.048.576 tokens con hasta 384.000 tokens de salida, acepta texto de entrada y devuelve texto de salida, y reporta sólidos benchmarks de agentes según los propios números publicados por DeepSeek — 82,7 en Terminal-Bench 2.1, 76,7 en Cybergym, 70,3 en Toolathlon Verified.

Ultramarine 1 Flash es un derivado. Paper Instruments tomó GLM-5.3 Flash —el modelo multimodal de Z.ai con 320B en total y 18B activos— y ejecutó aprendizaje por refuerzo a gran escala sobre él con un currículo sintético de trabajo de finanzas, legal, consultoría y operaciones. La API se puso en marcha el 14 de octubre de 2026 a $0.15 / $0.03 en caché / $0.50 por millón de tokens, las mismas tarifas que cobra GLM-5.3 Flash. Los pesos no se lanzaron; la propia página del proveedor dice: «Pesos del modelo próximamente».

Así que el planteamiento honesto de este emparejamiento es un MoE descargable desde cero frente a un post-entrenamiento cerrado de la base abierta de otra persona, uno de ellos con seis meses en producción y el otro de un día de antigüedad.

El número de verbosidad que no encabeza el marketing de ninguno de los dos bandos

Artificial Analysis mide cuántos tokens de salida gasta un modelo para completar el Intelligence Index y lo reporta como un ranking de verbosidad. DeepSeek V4 Flash usó 240 millones de tokens de salida frente a una mediana de su clase de 140 millones —un 71% por encima de lo típico, puesto 36 de 40 en su clase—. Esa cifra es la razón para tener cuidado con los $0.22 por tarea que publica. También es, notablemente, una mejor cifra de costo por tarea que la que logra la mayoría de sus competidores, lo que indica cuánto compensa la velocidad bruta del modelo: a 173.7 tokens de salida por segundo, es el octavo más rápido de 74 modelos en su clase, así que el volumen de tokens llega rápido aunque sea una mayor cantidad.

La verbosidad de Ultramarine 1 Flash no la publica Artificial Analysis, porque Artificial Analysis no ha evaluado el modelo. Lo que Paper Instruments publica en su lugar es la comparación con su propia base: 30,5 millones de tokens frente a los 32,7 millones de GLM-5.3 Flash en las seis suites de referencia, incluido el razonamiento. Esa es una medición que comparten ambas partes de la comparación —misma suite, mismo harness, mismas condiciones—, lo que la convierte en la cifra más fiable de la publicación y en la única en la que se verifica una afirmación de eficiencia de tokens contra algo distinto de sí misma.

Junta todo eso y la aritmética cambia de forma. La ventaja de D​eepSeek V4 Flash es que es un modelo rápido, capaz y bien medido que puedes ejecutar casi en cualquier parte. Su desventaja es que escribe mucho y, con una tarifa de salida fija, eso se refleja en la factura. La ventaja de Ultramarine 1 Flash es que escribe menos que el modelo del que desciende, pero solo frente a ese modelo, y solo en las suites que escribió su propio fabricante.

Lo que realmente dicen los seis benchmarks

Paper Instruments ejecutó seis suites contra su propio modelo y varios competidores. D​eepSeek V4.1 Flash aparece en ellas; el D​eepSeek V4 Flash original, el modelo de este titular, no.

• JobBench — Ultramarine 1 Flash 62,9, DeepSeek V4.1 Flash 60,4. El modelo Paper Instruments lidera por 2,5 puntos.

• Trabajo de conocimiento PI — Ultramarine 1 Flash 59,3, DeepSeek V4.1 Flash 47,9. Una diferencia de 11,4 puntos, la más amplia del conjunto.

• FrontierFinance — 53,3 frente a 46,0.

• AutomationBench — la única suite en la que Deep​Seek gana: V4.1 Flash 51.3 frente a los 50.2 de Ultramarine.

• DiligenceBench — 50,6 frente a 50,3. Efectivamente a la par, con ambos por detrás de Gemini 3.8 Flash y Claude Fable 5.

• APEX-Agents 1.1 — 57,0 frente a 39,5, el margen más amplio de toda la tabla.

Las salvedades se acumulan aquí y vale la pena ser explícito sobre todas ellas. Estos son los benchmarks del proveedor. Las cifras de DeepSeek corresponden a un modelo diferente y más nuevo de la misma familia, que Paper Instruments identifica por nombre. Y nada de esto ha sido comprobado por nadie ajeno a la empresa. Lo que la tabla sí establece es acotado pero real: en el trabajo con entregables documentales, el especialista postentrenado mantiene una amplia ventaja sobre un MoE generalista eficiente, y en las tareas de agentes automatizados la brecha casi desaparece. Si tu trabajo es un memorándum o un modelo, esa división apunta en un sentido. Si es un bucle de agente de varios pasos, no lo hace.

Puedes descargar uno de estos

Esta es la diferencia que ningún benchmark captura, y es la que más probablemente decida una conversación de compra.

DeepSeek V4 Flash tiene licencia MIT, con los pesos disponibles en Hugging Face. Puedes descargarlo, ejecutarlo en tu propio hardware, afinarlo, incluirlo dentro de un producto y no enviar nunca un token a un tercero. Para un despacho de abogados o un banco con obligaciones de confidencialidad de clientes, eso no es un plus; con frecuencia es el requisito completo, y saca por completo al modelo de DeepSeek de la mitad de esta comparación correspondiente a la API alojada, y en su lugar lo pone en tus propias máquinas.

Ultramarine 1 Flash no puede hacer eso hoy. «Los pesos del modelo, próximamente» es una declaración de intenciones, no una licencia. Lo que Paper Instruments sí publicó abiertamente es el andamiaje en torno al modelo: el arnés de agente Feather dentro del cual se entrenó y evaluó, y los forks paper-docx, paper-pptx y paper-xlsx que le dan a un agente una interfaz segura con los formatos de archivo de Office. Son genuinamente útiles —y también son un anuncio del modelo, ya que existen para que sus resultados sean menos corruptos que los que produce un agente genérico con las bibliotecas estándar.

Así que la línea de licencia reorganiza la comparación. Si tienes que ejecutar los pesos tú mismo, no hay comparación: D​eepSeek V4 Flash es la respuesta y Ultramarine 1 Flash es una promesa. Si puedes llamar a una API, los dos compiten de verdad, y la evidencia decisiva es el coste por tarea en tus propios documentos.

Dónde aterriza el precio enrutado

En OrcaRouter, DeepSeek V4 Flash se sirve a $0.22 de entrada y $0.66 de salida por millón de tokens — el precio de lista del proveedor se traslada tal cual, con nada añadido por token, y por eso queda por debajo del par $0.44/$1.32 en el registro de Artificial Analysis: ese par corresponde a la tarjeta de precios de otro proveedor. El acuerdo de traspaso tiene una segunda consecuencia que conviene conocer si estás haciendo un presupuesto: cuando un proveedor cambia una tarifa, la tarifa servida cambia con ella el mismo día, sin que tengas que cambiar la configuración de tu lado.

Frente a esa tarifa enrutada, los $0,15/$0,50 de Ultramarine 1 Flash son aproximadamente 1,5 veces más baratos en la entrada y 1,3 veces en la salida —una diferencia mucho más estrecha que la que sugiere la comparación de precios de lista, y aún más estrecha una vez que se aplica el descuento de caché del 97 % de DeepSeek a una carga de trabajo de documentos con un prefijo compartido grande. La tarifa en caché de Ultramarine 1 Flash es de $0,03 por millón, también un descuento fuerte, pero los dos están lo suficientemente cerca en este punto como para que ninguno gane solo por aritmética.

Lo cual deja la decisión donde corresponde: en tu propio trabajo. Envía un lote de entregables reales a ambos, compara las facturas y lee los resultados. Ultramarine 1 Flash no está en nuestro catálogo, así que esa prueba se ejecuta contra el endpoint propio del proveedor por un lado. El modelo del que se post-entrena, GLM-5.3 Flash, se sirve aquí a $0.15/$0.50 —la misma tarifa—, lo que te da una aproximación razonable de lo que produce la base antes de añadir el post-entrenamiento encima.

La posición, sin ganador

Estos dos no son realmente sustitutos, y forzarlos a que uno sea el ganador oculta el hallazgo útil. DeepSeek V4 Flash es un MoE descargable, medido de forma independiente e inusualmente rápido que escribe más de lo que necesita. Ultramarine 1 Flash es un postentrenamiento cerrado y no medido de una base abierta que fue diseñada para escribir menos, vendido sobre una suite de benchmarks que nadie más ha ejecutado.

La versión descartable de este artículo diría que gana la tarifa de tokens más barata. La versión defendible dice que la licencia decide la adquisición, las cifras de verbosidad deciden la factura, y ninguno de los dos modelos se ha probado con tus documentos. Dos de esas tres puedes resolverlas esta semana. La tercera no puede resolverse hasta que Paper Instruments publique números independientes o envíe los pesos que dice que llegarán.

Comparaciones como esta son también donde se manifiestan los modos de fallo: los incidentes de IA documentados y los fallos de agentes que hay detrás de los modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza y marca de disputa.