Esta semana, DeepSeek dio un paso inesperado al lanzar la versión beta pública de la API para su modelo actualizado V4-Flash. Los resultados, que he examinado detenidamente, trastocan la jerarquía habitual de modelos: la versión «ligera» no solo alcanzó, sino que en muchas pruebas superó al modelo insignia V4-Pro-Preview. Esto no es una mejora incremental, sino una reestructuración seria del panorama competitivo en el segmento de IA agéntica.
Cambios clave en V4-Flash
El enfoque principal de la actualización es el refuerzo de las capacidades agénticas. El modelo ahora admite plenamente el formato Responses API, lo que le permite trabajar de forma autónoma: escribir y ejecutar código, buscar información y realizar cadenas complejas de acciones. Además, V4-Flash se ha adaptado para integrarse con Codex de OpenAI: este es un paso estratégicamente importante que abre a los desarrolladores la posibilidad de usar DeepSeek en sus herramientas habituales sin cambiar su flujo de trabajo.
La arquitectura y el tamaño del modelo siguen siendo los mismos, pero la versión V4-Flash-0731 ha pasado por un reentrenamiento adicional. Para cambiar a la nueva versión, basta con especificar el nombre del modelo deepseek-v4-flash en la configuración de la API; no se requieren otros cambios.
Resultados de las pruebas: los números hablan por sí solos
Las cifras en los benchmarks son impresionantes. En la prueba Terminal Bench 2.1 (ejecución de tareas en la línea de comandos), V4-Flash obtuvo 82,7 puntos frente a los 61,8 de la versión anterior. Esto es más alto que el de la china GLM-5.2 (81,0) y casi al nivel del líder, Opus-4.8 de Anthropic (85,0).
El progreso en codificación es especialmente notable. En la prueba NL2Repo (convertir una descripción textual en un repositorio listo), el modelo obtuvo 54,2 puntos frente a los 39,4 anteriores. Pero el salto más dramático es en DeepSWE (resolución de problemas reales de programación): 54,4 puntos frente a los míseros 7,3 de la versión anterior. Esto es un crecimiento de casi siete veces.
También impresiona el progreso en ciberseguridad. En la prueba Cybergym (búsqueda de vulnerabilidades en código), V4-Flash obtuvo 76,7 puntos frente a los 38,7 de su predecesora y los 52,7 de la V4-Pro-Preview superior. En todas las demás pruebas agénticas —Toolathlon, Agents’ Last Exam, AutomationBench— la nueva versión también supera con confianza a las generaciones anteriores.
Mi análisis: qué significa esto para el mercado
Este movimiento de DeepSeek no es solo una actualización, sino una señal de cambio de paradigma. La compañía demuestra que la eficiencia de un modelo no se determina por su tamaño, sino por la calidad del entrenamiento. Para los desarrolladores, esto significa acceso a un rendimiento de nivel de los mejores modelos cerrados a un precio significativamente más bajo. El lanzamiento completo de V4-Pro, que se espera más adelante, ahora parece aún más intrigante: si el modelo «menor» es tan bueno, ¿qué mostrará el insignia? Sigo de cerca la evolución de los acontecimientos, y esta tendencia sin duda debe tenerse en cuenta al elegir herramientas para el desarrollo agéntico.