Lanzamiento de DeepSeek V4.1-Flash-1017: optimización de Pareto en los pesos y aceleración de la inferenciaBreve · digest del 18 de octubre
Breve2 secciones≈ 3 min

Lanzamiento de DeepSeek V4.1-Flash-1017: optimización de Pareto en los pesos y aceleración de la inferencia

Cuando los desarrolladores publican un parche intermedio con un sufijo numérico poco llamativo como «1017», dan ganas de bostezar y cerrar la pestaña pensando que solo han corregido un par de bugs internos y dos comas. Pero en el caso del laboratorio chino DeepSeek, detrás de ese código discreto se esconde auténtica ingeniería fina: una mejora de Pareto de manual, donde el modelo se vuelve notablemente más rápido y preciso sin subir ni un céntimo el precio ni degradar el resto de métricas.

Ya vimos cómo DeepSeek V4.1 Flash desploma el coste de generar código y obliga a los gigantes propietarios a revisar sus tarifas con nerviosismo, y también seguimos cómo los modelos abiertos se integran en el ecosistema OpenCode 2.0 para terminal. Este nuevo checkpoint del 17 de octubre de 2026 lleva ese impulso un paso más allá.

Qué cambia en el checkpoint 1017

El equipo de DeepSeek realizó un post-entrenamiento adicional con aprendizaje por refuerzo (post-training RL) centrado en tareas prácticas de ingeniería: desde scripts para desarrollo de videojuegos hasta modelado 3D. La arquitectura base no se toca: 522 000 millones de parámetros Mixture-of-Experts y 196 000 millones de memoria N-gram, de los cuales solo se activan 8 000 millones por cada token generado.

El logro principal de ese ajuste es derrotar la verborrea (concise outputs). El modelo deja de estirar razonamientos obvios durante tres pantallas y entrega código funcional y directo, lo que recorta de golpe el tiempo de inferencia y ahorra tokens en cadenas agénticas largas.

Las cifras en las pruebas de referencia hablan por sí solas:

  • Terminal Bench 4.0 (trabajo autónomo en consola, compilación de proyectos y depuración): 42.3 puntos (+11.1 puntos respecto a la versión base, el mayor salto del lanzamiento);
  • DeepSWE 1.1 (resolución de bugs reales en repositorios de GitHub): supera a Claude Opus 5 por 3 puntos y a GPT-5.6 Sol por 4 puntos;
  • Program Bench: 29.1 puntos (+8.8 puntos, una mejora relativa del 43% en calidad de código);
  • Automate Bench (flujos de negocio con llamadas a herramientas externas): 60.5 puntos (10.2 puntos por encima de Opus 5).

Además, los desarrolladores abrieron acceso público gratuito a los endpoints de búsqueda Search/Fetch dentro de DeepSeek Harness, Claude Code y Codex hasta el 1 de noviembre de 2026.

Disponibilidad y la letra pequeña

Como ya es costumbre, los pesos de DeepSeek-V4.1-Flash-1017 están publicados en Hugging Face bajo la licencia permisiva MIT. Incluye soporte para la arquitectura de atención comprimida CSA2, decodificación especulativa mediante pesos MTP y motores de inferencia en servidor como vLLM y SGLang. Las tarifas de la API oficial no cambian: unos ridículos $0.30 por cada millón de tokens de entrada (en fallo de caché) y $1.20 por millón de salida, con un descuento adicional del 50% en horario nocturno.

La única limitación importante: el modelo saca todo su músculo precisamente cuando tiene herramientas externas a mano (terminal, búsqueda web y compilador). En razonamiento académico «puro» sin acceso al entorno (No-Tools Reasoning), Flash queda entre 7 y 13 puntos por debajo de buques insignia pesados del calibre de Opus 5. Pero para flujos de trabajo prácticos, por lo que cuesta, es hoy una de las opciones más potentes del mercado.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 3