Laboratorio
Entidad que desarrolla o publica el modelo y mantiene su documentación técnica y de seguridad.
Consulta los modelos documentados, las evaluaciones publicadas y las fuentes primarias asociadas a esta organización.
DeepSeek actualizó la API, la web y la aplicación a DeepSeek-V4.1-Flash-1017 el 17 de octubre de 2026. El identificador API sigue siendo deepseek-flash y no cambian las tarifas. Conservamos la ficha y su URL: es una revisión del modelo existente, no otro modelo duplicado.
31 OCT. 2026↗ RAZONAMIENTO ABIERTO Y AGENTESModelo abierto orientado a razonamiento y agentes, con pensamiento integrado en el uso de herramientas.
18 SEP. 2026↗ RAZONAMIENTO ABIERTO HISTÓRICOModelo de razonamiento abierto y familia de destilados, relevante para seguir la evolución del razonamiento verificable.
18 SEP. 2026↗Las cifras se muestran con el contexto comunicado por su fuente. Un resultado del proveedor no equivale a una comparación independiente ni sustituye una evaluación propia.
| Modelo | Benchmark | Resultado | Métrica |
|---|---|---|---|
| DeepSeek V4.1 Flash | GPQA Diamond | 90,9 % | Exactitud |
| DeepSeek V4.1 Flash | Terminal-Bench 2.1 | 90,6 % | Exactitud |
| DeepSeek V4.1 Flash | HLE (sin herramientas) | 42,6 | Puntuación |
| DeepSeek V4.1 Flash | HLE (texto, sin herramientas) | 44,0 | Puntuación |
| DeepSeek V4.1 Flash | Terminal-Bench 4.0 (Claude Code) | 42,3 | Puntuación |
| DeepSeek V4.1 Flash | DeepSWE v1.1 | 77,0 | Puntuación |
| DeepSeek V4.1 Flash | ProgramBench | 29,1 | Puntuación |
| DeepSeek V4.1 Flash | NL2Repo-Bench | 68,2 | Puntuación |
| DeepSeek V4.1 Flash | Automation-Bench v1.0.6 | 60,5 | Puntuación |
| DeepSeek V4.1 Flash | Agents’ Last Exam | 35,4 | Puntuación |
| DeepSeek V4.1 Flash | Apex Bench v1.1 | 72,1 | Puntuación |
| DeepSeek V4.1 Flash | Chartography (con herramientas) | 83,0 | Puntuación |
| DeepSeek V4.1 Flash | BabyVision (con herramientas) | 92,5 | Puntuación |
| DeepSeek V4.1 Flash | ZeroBench-main (Pass@5, herramientas) | 51,0 | Puntuación |
| DeepSeek V3.2 | Evaluaciones DeepSeek V3.2 | Nivel GPT‑5 publicado | Razonamiento y agentes |
| DeepSeek R1 | AIME 2024 | 79,8 % | Pass@1 publicado |
Una organización, un producto y un modelo no son la misma unidad. Inferama los separa para evitar atribuir capacidades o condiciones comerciales al elemento equivocado.
Entidad que desarrolla o publica el modelo y mantiene su documentación técnica y de seguridad.
Versión identificable con límites, modalidades y comportamiento que pueden cambiar entre lanzamientos.
API, aplicación, nube asociada o plan comercial; cada canal puede tener precios, retención y límites distintos.
Cada afirmación debe conservar la página oficial consultada y la fecha de verificación.
DeepSeek publicó un artículo sobre DeepSeek-V3.2 y distingue V3.2 de V3.2-Speciale. Los resultados de V3.2-Exp y de los benchmarks de API dependen de sus propias condiciones de ejecución. La tabla completa de resultados y los protocolos detallados de las pruebas siguen sin confirmarse, lo que impide una comparación reproducible.
03 nov. 2026 ↗ ANALISISDeepSeek atribuye a V4.1 Flash una caché KV persistente mucho menor que la de su predecesor. Esa cifra describe una propiedad de infraestructura, no el coste ni el tiempo de una tarea completa. Este análisis propone una prueba controlada para medir ambos.
28 sep. 2026 ↗ ANALISISUna guía operativa para comprobar que una integración conserva el estado exigido entre DeepSeek, las herramientas y el usuario. Incluye pruebas reproducibles, criterios de registro y límites de lo que puede concluirse a partir de `reasoning_content`.
28 sep. 2026 ↗ ANALISISLas recomendaciones oficiales de prompting para DeepSeek R1 son hipótesis que conviene validar en cada aplicación. Este protocolo permite comparar ubicaciones de instrucciones y el prefijo «<think>» midiendo tanto la calidad de las respuestas como los fallos de integración.
27 sep. 2026 ↗ COMPARATIVAUna cadena modular con reconocimiento de voz, DeepSeek V4.1 Flash y Eleven v3 no equivale a un modelo de voz full-duplex. Esta guía propone comparar ambos sistemas de extremo a extremo, sin anticipar un ganador a partir de especificaciones aisladas.
26 sep. 2026 ↗ ANALISISDeepSWE v1.1 evalúa cambios de código producidos por agentes en tareas originales y de largo recorrido. Su resultado puede aportar una señal útil, pero una fila del leaderboard solo es interpretable si se conocen el arnés, la política de errores, los rollouts, el verificador y la versión exacta del benchmark. Una revisión de Epoch AI añade una advertencia concreta: algunos parches que modifican pruebas pueden recibir un falso negativo bajo determinadas condiciones.
23 sep. 2026 ↗