La empresa DeepSeek ha lanzado oficialmente la versión beta pública de la API para su modelo ligero V4-Flash. Los resultados de las pruebas internas fueron inesperados: la nueva versión no solo ha reforzado significativamente las capacidades de agente, sino que en varios indicadores ha superado al más pesado y costoso V4-Pro-Preview.
Qué ha cambiado en la arquitectura
La actualización ha afectado exclusivamente a la API del modelo V4-Flash. El V4-Pro superior, así como la aplicación oficial y la versión web de DeepSeek, permanecen sin cambios por ahora. El enfoque clave se ha puesto en las tareas de agente: escenarios donde el modelo actúa de forma autónoma: escribe y ejecuta código, busca información, realiza cadenas de acciones.
Ahora V4-Flash admite directamente el formato Responses API: una interfaz a través de la cual el agente intercambia solicitudes con el modelo y recibe resultados. Además, el modelo se ha adaptado para Codex, el popular agente de escritura de código de OpenAI. Esto permite a los desarrolladores conectar DeepSeek a su herramienta habitual sin cambiar el entorno de trabajo. La forma de llamar a la API no ha cambiado: basta con indicar el nombre del modelo deepseek-v4-flash en la configuración.
La arquitectura y el tamaño del modelo siguen siendo los mismos. La versión V4-Flash-0731 ha conservado la estructura del lanzamiento anterior, pero ha pasado por un reentrenamiento adicional, lo que ha dado lugar a este notable aumento de rendimiento.
Resultados de las pruebas: avance en tareas de agente
La nueva versión ha superado casi en todas partes tanto al anterior V4-Flash-Preview como al más antiguo V4-Pro-Preview, acercándose en algunos puntos al buque insignia Opus-4.8 de Anthropic y superando al chino GLM-5.2.
En la prueba Terminal Bench 2.1, que evalúa la capacidad de realizar tareas en la línea de comandos, el modelo obtuvo 82,7 puntos frente a los 61,8 de la versión anterior. Esto es superior al GLM-5.2 (81,0) y casi a la par con Opus-4.8 (85,0).
El progreso en programación es especialmente impresionante. En NL2Repo (convertir una descripción textual en un repositorio listo) V4-Flash obtuvo 54,2 puntos frente a los 39,4 anteriores, y en DeepSWE (resolver tareas reales de programación) — 54,4 frente a los modestos 7,3 de la versión anterior. También se observa un salto brusco en seguridad: en Cybergym (búsqueda de vulnerabilidades en código) el modelo obtuvo 76,7 puntos frente a los 38,7 de su predecesora y los 52,7 del V4-Pro-Preview superior.
También han mejorado los resultados en el trabajo con herramientas. En Toolathlon-Verified (uso de herramientas externas) V4-Flash obtuvo 70,3 puntos, en Agents' Last Exam (tareas de agente complejas) — 25,2, y en AutomationBench (automatización de escenarios de trabajo) — 25,1, superando en los tres indicadores a las versiones anteriores.
Las pruebas internas de la empresa también mostraron un aumento: en DSBench-FullStack (desarrollo web completo) el modelo obtuvo 68,7 puntos, y en DSBench-Hard (tareas complejas para un agente de software) — 59,6, notablemente superior a los resultados anteriores, aunque por debajo de Opus-4.8.
Qué significa esto para los desarrolladores
La beta pública significa acceso abierto a la API. Cualquier desarrollador puede conectar la nueva versión ahora mismo y probarla en sus tareas. La empresa ha mantenido la compatibilidad inversa: las llamadas anteriores a la API siguen funcionando, y la transición a V4-Flash se reduce a un simple cambio del nombre del modelo.
La actualización del V4-Pro superior se ha anunciado por separado: su lanzamiento oficial tendrá lugar más adelante.
Mi opinión: este paso de DeepSeek es una señal seria para el mercado de la IA. El hecho de que un modelo ligero y económico supere a la versión superior de la generación anterior habla del rápido progreso en la optimización de arquitecturas. Para los desarrolladores, esto significa la posibilidad de obtener un rendimiento de nivel de los modelos más avanzados con costos de infraestructura significativamente menores, lo que podría acelerar la adopción de soluciones de agente en productos masivos.