Todo sobre DeepSeek V4.1 Flash 1017

Lo que hay que saber

DeepSeek publicó DeepSeek V4.1 Flash 1017 el 17 de octubre de 2026. Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero. Es un modelo de pesos abiertos: puede alojarlo usted mismo en una infraestructura que controla, y además lo ofrecen 34 proveedores de API recogidos en models.dev. Es un lanzamiento muy reciente.

Lo clasificamos entre los modelos de pesos abiertos (68 modelos de esta categoría en el sitio).

Resultados en benchmarks

Según los resultados publicados por Epoch AI (consulta del 22 de octubre de 2026), DeepSeek V4.1 Flash 1017 obtiene un índice de capacidad de 90,6 sobre 100, calculado con 3 pruebas de nuestra cesta.

Con solo 3 pruebas registradas, no entra en el ranking público, que exige al menos 4 resultados: su índice debe leerse como parcial.

• GPQA Diamond (preguntas de ciencias de nivel doctorado): 93,2 % — el mejor modelo seguido, Gemini 4 Argon, alcanza 96,4 %
• OTIS Mock AIME (problemas de matemáticas de competición): 99,4 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
• FrontierMath (matemáticas de investigación muy difíciles): 71,2 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %

Precio y presupuesto

DeepSeek V4.1 Flash 1017 cuesta 0,15 US$ por millón de tokens de entrada y 0,60 US$ por millón de tokens de salida (tarifa del fabricante, consulta del 22 de octubre de 2026).

En la práctica, una tarea de agente que lee 20 000 tokens y escribe 2000 cuesta unos 0,004 US$, es decir, 4,2 US$ por 1000 tareas de este tipo.

Es 1,7 veces más barato que el precio de salida mediano de los modelos de pesos abiertos (1 US$).

Los tokens leídos desde la caché cuestan 0,003 US$ por millón: útil para un agente que reenvía a menudo el mismo contexto.

Para estimar su propio presupuesto, use la calculadora de coste de un agente.

Lo que sabe hacer

Su ventana de contexto alcanza 1.048.576 tokens, unas 1573 páginas de texto a 500 palabras por página: suficiente para cargar un libro entero o una base de código mediana. Una respuesta puede llegar a 393.216 tokens.

Acepta como entrada: texto y imagen. Sus conocimientos llegan hasta mayo de 2025: más allá, necesita búsqueda web o sus documentos.

Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.

Los pesos están publicados en Hugging Face (deepseek-ai/DeepSeek-V4.1-Flash-1017). Vea también nuestra selección de modelos open source.

¿Cuándo elegirlo?

Por su categoría, DeepSeek V4.1 Flash 1017 está pensado sobre todo para los proyectos en los que quiere controlar sus datos o el alojamiento, o adaptar el modelo a su sector.

Su enorme ventana de contexto lo hace interesante para analizar grandes volúmenes de documentos en una sola petición.

Su coste muy bajo (menos de medio céntimo para nuestra tarea tipo) permite llamarlo miles de veces al día.

Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.

Modelos comparables

En la misma categoría, los modelos más cercanos a DeepSeek V4.1 Flash 1017 son:

• Kimi K2.6 (Moonshot AI, índice 84,4) — ver la comparativa
• Kimi K3 (Moonshot AI, índice 80,7) — ver la comparativa
• GLM-5.3 (Zhipu AI (Z.ai), índice 78,8) — ver la comparativa
• GLM-5 (Zhipu AI (Z.ai), índice 77,2) — ver la comparativa