DeepSeek V4.1 Flash: modelado espacial 3D en código y velocidad extrema de generaciónArtículo · digest del 29 de octubre
Escena isométrica en Three.js con armazón procedural de un reloj mecánico y engranajes sobre fondo grafito oscuro
Artículo5 secciones≈ 5 min

DeepSeek V4.1 Flash: modelado espacial 3D en código y velocidad extrema de generación

¿Has probado alguna vez pedirle a un modelo de lenguaje que programe un mecanismo tridimensional funcional? Si lo hiciste, seguro que recuerdas el desastre habitual: ejes torcidos, engranajes girando hacia el mismo lado, dientes atravesándose entre sí y agujas de reloj moviéndose a su aire. Durante mucho tiempo, en la comunidad de desarrollo se asumió que las redes autorregresivas de texto puro eran incapaces por naturaleza de imaginar el espacio (Spatial Awareness). Al fin y al cabo, manejan tokens, no cuerpos físicos, así que el mundo 3D les quedaba completamente a oscuras.

Pero la llegada del actualizado DeepSeek V4.1 Flash (incluido su reciente checkpoint de producción Flash-1017) ha dado la vuelta a esa idea. Sus creadores juntaron dos cosas que parecían incompatibles: una velocidad extrema de inferencia (más de 1200 tokens por segundo en hardware dedicado) y un salto cualitativo en modelado del espacio físico directamente dentro de sus pesos de atención. En el artículo anterior sobre DeepSeek V4.1 Flash 1017 y el motor DeepInfer ya comentamos sus tiempos récord programando; hoy el investigador independiente Matthew Berman sometió la novedad a una auténtica prueba de choque de razonamiento espacial.

Reloj mecánico con despiece por capas: examen de cinemática

El reto más exigente para DeepSeek V4.1 Flash fue diseñar un mecanismo interactivo de reloj mecánico en 3D dentro de un único archivo HTML autónomo usando Three.js.

Las condiciones no dejaban margen para atajos:

  • Construir un mecanismo completo funcional: tren de engranajes, volante de inercia y agujas de segundos, minutos y horas;
  • Garantizar una relación matemática exacta entre dientes: la aguja horaria tenía que dar una vuelta completa exactamente cada 12 vueltas del minutero;
  • Incluir un control deslizante de vista explosionada (exploded view slider) que separara el mecanismo por capas a lo largo del eje Z.

La mayoría de los modelos punteros se rompen en esta prueba: las agujas giran al revés o, al mover el deslizador, las piezas salen disparadas sin orden ni concierto. V4.1 Flash entregó código operativo a la primera y sin un solo error de sintaxis. Al arrastrar el deslizador, la caja, el cristal de la esfera, los puentes, las agujas y los engranajes se separan con suavidad manteniendo su alineación axial, mientras las ruedas dentadas siguen engranando y girando en tiempo real. El modelo demostró que puede sostener en memoria operativa el sistema de coordenadas tridimensional de un mecanismo entero.

La «pirámide de macarons» y el cálculo de volúmenes ocultos

La segunda prueba de Matthew Berman apuntaba al razonamiento espacial sobre objetos ocultos (Spatial Hidden Object Reasoning).

Le mostraron al modelo la fotografía de una pirámide compacta de base cuadrada construida con dulces macarons. La pregunta era directa: «¿Cuántos macarons hay escondidos dentro de la pirámide que no se ven desde fuera?»

Incluso pesos pesados como GPT-4o y Gemini 1.5 Pro suelen tropezar aquí: se ponen a contar círculos visibles en la foto y responden que hay solo 24 dulces.

DeepSeek V4.1 Flash desplegó una cadena completa de razonamiento de ingeniería:

  1. Identificó que la base cuadrada de la pirámide medía 5 por 5 elementos;
  2. Aplicó la fórmula de suma de cuadrados para una pirámide escalonada: 25 en el nivel inferior, 16 en el segundo, 9 en el tercero, 4 en el cuarto y 1 en la cima, sumando 55 macarons en total;
  3. Contó las piezas visibles en las cuatro caras inclinadas;
  4. Restó las visibles del volumen total y dedujo sin fallo que dentro quedaban exactamente 21 macarons portantes, sin los cuales la estructura se vendría abajo físicamente.

Es una muestra clarísima de cómo un razonamiento profundo compensa la falta de un motor físico integrado.

Del cubo de Rubik a juegos en el navegador: Bean Blitz en tres segundos

Esa coordinación espacial salta de inmediato al desarrollo web. Berman le pidió un cubo de Rubik interactivo. El modelo no se limitó a dibujar 27 cubitos, sino que implementó correctamente el álgebra matricial de rotación de caras: hacer clic en cualquier lado gira exactamente los 9 bloques adyacentes actualizando sus colores.

Acto seguido, con un solo prompt, V4.1 Flash generó «Bean Blitz», un juego de plataformas 3D en navegador al estilo Fall Guys. Tenía un personaje frijol controlable, una pista de obstáculos procedural con martillos giratorios, gravedad y física de colisiones elásticas. Todo compilado en una interfaz web jugable en cuestión de segundos.

Mediciones de velocidad: 1200 tokens por segundo en servidores de producción

La velocidad es el segundo gran argumento de esta versión. Combinado con las técnicas que vimos en nuestro análisis sobre la arquitectura de inferencia ultrarrápida, el modelo arroja cifras llamativas:

  • En un clúster especializado de Lithos AI con optimización Ultra Chat, el rendimiento pico alcanzó 1286 tokens por segundo;
  • En la nube de Base10 en modo rápido (FAST), el ritmo sostenido se mantuvo entre 845 y 855 tokens por segundo, con una latencia al primer token (TTFT) de solo 180 milisegundos;
  • En configuraciones estándar con esfuerzo máximo de razonamiento (High Reasoning Effort), la velocidad se sostiene en 210–250 tokens/s.

Un selector flexible de esfuerzo de razonamiento permite elegir estrategia: para retoques simples de formato responde al instante, mientras que para cálculos cinemáticos 3D se toma 5–7 segundos armando la matriz geométrica antes de empezar a escupir código.

Límites y concesiones del 3D en navegador

Por supuesto, en producción conviene mantener los pies en el suelo respecto a sus límites:

  • Por defecto tira hacia materiales estándar de Three.js (MeshStandardMaterial), así que si no le das instrucciones visuales detalladas, las superficies quedan algo planas y plastificadas;
  • Si le pides mallas muy densas con decenas de miles de polígonos, los navegadores en móviles o portátiles de oficina pueden notar caídas de fotogramas.

Aun con eso, DeepSeek V4.1 Flash deja algo claro: el modelado espacial deja de ser territorio exclusivo de paquetes pesados y lentos. Calcular física y geometría al vuelo ya cabe directamente en la ventana de chat.

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