Cargando...
Cargando...

DeepSeek
Familia de modelos open weight de DeepSeek. V4.1-Flash (sep 2026) es el más reciente: MoE de 552B con activación asimétrica, memoria condicional Engram, visión nativa, 1M de contexto, 384K de salida y US$0,30/US$1,20 por millón en hora pico (cache hit a US$0,006). Supera comprehensivamente a V4 Pro, que se retira el 14 de septiembre con ruteo automático hasta la llegada de V4.1 Pro. Pesos abiertos MIT, API compatible con OpenAI y Anthropic, y DeepSeek Harness en preview.
Visitar sitio oficialDescripción
Familia de modelos open weight de DeepSeek. V4.1-Flash (sep 2026) es el más reciente: MoE de 552B con activación asimétrica, memoria condicional Engram, visión nativa, 1M de contexto, 384K de salida y US$0,30/US$1,20 por millón en hora pico (cache hit a US$0,006). Supera comprehensivamente a V4 Pro, que se retira el 14 de septiembre con ruteo automático hasta la llegada de V4.1 Pro. Pesos abiertos MIT, API compatible con OpenAI y Anthropic, y DeepSeek Harness en preview.
Información
Fortalezas
Casos de uso
Modelos disponibles(21 modelos)
El modelo más nuevo de DeepSeek y el más barato de su categoría (Sep 2026): MoE de 552B con activación asimétrica (8B en prefill, 16B en decode), memoria condicional Engram de 196B y visión nativa. 1M de contexto y 384K de salida máxima. US$0,30/US$1,20 por millón en hora pico y 50% en horario valle; cache hit a US$0,006. Pesos abiertos MIT. GPQA Diamond: 90,9. ID: deepseek-flash.
Versión más ligera y rápida del modelo V4-Pro, con contexto de 1 millón de tokens, ideal para aplicaciones que requieren eficiencia y velocidad.
Modelo experimental centrado en capacidades de razonamiento avanzadas, diseñado para tareas complejas y agentes inteligentes.
Modelo equilibrado que ofrece un rendimiento sólido en tareas generales y de razonamiento, adecuado para una amplia gama de aplicaciones.
Versión experimental que introduce DeepSeek Sparse Attention para mejorar la eficiencia en contextos largos, manteniendo un rendimiento competitivo.
Actualización de V3.1 con mejor rendimiento (sep 2025). Versión optimizada antes de la transición a V3.2.
Modelo híbrido con modos thinking y non-thinking (ago 2025). 671B MoE. Supera a V3 y R1 en +40% en SWE-bench y Terminal-bench. Open source MIT.
Actualización del modelo de razonamiento R1 (may 2025). Mejor seguimiento de instrucciones y formato. Open source MIT. Publicado en Nature sep 2025.
Actualización que mejora significativamente el rendimiento en razonamiento, desarrollo frontend y capacidades de uso de herramientas.
Modelo de código abierto con rendimiento comparable a OpenAI-o1, adecuado para tareas generales y de razonamiento.
Modelo de propósito general de DeepSeek (dic 2024). 671B parámetros con MoE. Estado del arte en benchmarks de código y conocimiento general al lanzamiento.
Combinación de DeepSeek-V2-0628 y DeepSeek-Coder-V2-0724, ofreciendo capacidades generales y de codificación.
Versión mejorada de DeepSeek-V2-Chat con base en Coder-V2-base, optimizada para generación de código y razonamiento.
Versión mejorada de DeepSeek-V2-Chat con base en Coder-V2-base, optimizada para generación de código y razonamiento.
MoE de 236B de parámetros. Fue pionero usando Multi-head Latent Attention (MLA), optimizando dramáticamente la memoria Caché y acelerando la respuesta a fracciones de segundo.
Versión GA (general availability) de DeepSeek V4 Pro (ago 2026). 1.6T total / 49B active params (MoE). Saltos dramáticos vs preview: Terminal-Bench 72.1→87.9, CyberGym 52.7→83.3, DeepSWE 12.8→62.7 (4.9x). Supera a Claude Fable 5 en CyberGym y AutomationBench. 46x más barato ($0.435/$0.87 vs $10/$50). Responses API nativa, integración con Codex one-click. Flexible reasoning effort: low/high/max. Open weight MIT.
Modelo de lenguaje de última generación con capacidad de contexto de 1 millón de tokens, optimizado para tareas complejas y agentes inteligentes.
Versión mejorada de DeepSeek-Coder con optimización de alineación, enfocada en capacidades generales.
Las vertientes puramente Multimodales de DeepSeek con capacidades robustas para análisis de imágenes de alta resolución a un muy bajo nivel computacional y gasto.
Especialista en código de DeepSeek (jun 2024). Supera a GPT-4 Turbo en benchmarks de programación. 236B parámetros con arquitectura MoE.
Modelo código centrico que llegó a posicionarse a la altura de GPT-4-Turbo en benchmarks de matemáticas y programación abarcando 338 lenguajes de código en 2024.