DeepSeek V4.1 Flash: qué cambia de verdad respecto a V4 Flash (y por qué importa en agentes)

Uso DeepSeek en producción. Forma parte del pipeline de DominaIA. No he puesto V4.1 Flash a currar todavía (acaba de salir), pero sí lo corro a diario: factura real, latencia real, trabajo que o sale o no sale.

DeepSeek ha retirado su flagship y ha puesto al pequeño en su lugar. Lo que toca resolver es qué mejora real trae V4.1 Flash sobre V4 Flash, y la respuesta no vale lo mismo en tres capas: lo que cambia de estructura, lo que DeepSeek afirma con datos propios, y lo que todavía no tiene verificación independiente.

Qué cambia en la arquitectura: no es un retoque

V4.1 Flash es el modelo más pequeño de una familia de arquitectura nueva. No es un post-training de V4 Flash. Quien lo mezcle con DeepSeek-V4-Flash-0731 (284B totales, 13B activos, julio de 2026) está comparando dos bichos distintos.

La model card oficial describe una Causal Encoder, Decoder asimétrica: un Mixture-of-Experts (MoE) de 552B parámetros totales. MoE significa que el modelo es un edificio de especialistas y, por token, solo fichan unos pocos. La asimetría es el truco clave: 8B parámetros activos cuando el modelo lee (input, el prefill: tragarse el contexto) y 16B cuando escribe (output, el decode). No enciendes 552B a cada token. Activas una fracción distinta según si estás leyendo o generando.

En cargas de agente, que suelen ser input-heavy (mucho contexto, poca salida), eso es exactamente lo que abarata la inferencia.

La visión ya no va en un experimento aparte. Antes vivía en V4-Flash-Vision-Exp. Ahora es multimodal nativa, mismo modelo. V4-Flash y V4-Flash-Vision-Exp quedan retirados; los nombres antiguos enrutan temporalmente a V4.1-Flash por compatibilidad. El que está vivo en la API es deepseek-flash.

Por qué importa en agentes: la KV cache

La KV cache es la memoria de trabajo del modelo: lo que guarda para no releer el contexto en cada vuelta del bucle. En un agente eso se dispara, porque el mismo historial entra una y otra vez. La model card confirma que la huella persistente en SSD queda en 1/8 de la generación anterior: un 87,5% menos. La KV global baja a 890 bytes por token.

Circula también que usa 1/4 del HBM. Eso lo menciona Zhihu, una red social. No hay fuente primaria. Es un claim suelto.

El agujero típico de un agente no es el modelo: es el contexto. Ya lo vimos cuando Spotify recortó un 90% de tokens en Claude Code. DeepSeek dice que los cache-hit charges son una parte grande del coste de los agentes, y que comprimir la caché recorta esa partida. Lo medido es la huella. El ahorro en dólares de agente no se puede calcular sin saber qué fracción del coste total son esos cargos, pero la dirección es clara.

Cuánto mejora respecto a V4 Flash: los datos de DeepSeek

Tests by multiple parties put V4.1-Flash ahead of V4-Pro on performance, cost, speed & total runtime.

Eso lo dice DeepSeek. No identifica a esos terceros ni la metodología. Pero la model card sí trae una tabla propia con benchmarks agénticos concretos, y los números son grandes:

• Terminal-Bench 2.1: 90.6 (V4.1 Flash) frente a 89.1 (Opus 5). Por poco, pero está arriba.
• DeepSWE: 74.2 frente a 74.0. Por los pelos.
• Terminal-Bench 3.0: 30.0 frente a 43.3. Pierde claro.
• HLE: 36.8 frente a 56.3. Pierde claro.

Son benchmarks del propio fabricante con su framework interno (falta validación independiente), pero los datos existen y apuntan a un salto real en tareas agénticas. Donde pierde, pierde claro, y eso también dice algo: no hay cherry-picking obvio en la tabla. Los resultados oficiales apuntan a un salto importante, especialmente en tareas agénticas; falta confirmar cuánto se mantiene fuera de los benchmarks de DeepSeek.

No hay benchmark independiente sobre la build final. Artificial Analysis verificó al predecesor 0731, no a este.

Qué dicen pruebas externas: el harness importa más de lo que parece

En datos de kie.ai, código de producción, V4.1 Flash saca 76.69 emparejado con Claude Code y 59.92 con DeepSeek Harness. El modelo no ha cambiado. Ha cambiado el andamiaje: herramientas, bucles, cómo se le alimenta el contexto.

Esa diferencia (76.69 vs 59.92 con el mismo modelo) es la demostración más clara de que el sistema agente importa tanto como el modelo en sí. El harness no es un detalle de implementación; es una variable de primer orden. El mismo patrón apareció en Astra vs Fable 5.1: 62.7% o 99.9%, según el harness.

El coste que importa es el del trabajo terminado, no el precio por token. En OpenDesign Arena, un benchmark de diseño concreto, V4.1 Flash sale a $0.023 por tarea. GPT-6 Astra: $1.61. Una diferencia de 70 veces. Eso es en diseño, no en inteligencia general. Pero la ratio es llamativa. La tarifa pico/off-peak (off-peak al 50%) está en la página oficial de precios.

Qué no sabemos todavía

• No hay verificación independiente sobre la build final.
• El ahorro real en coste de agente por la reducción de KV cache depende de la carga concreta; no hay cifra publicada.
• Las cifras de velocidad (~200-427 tok/s) son autotests comunitarios de la beta. Varían con la carga y el setup. No son throughput de servicio.
• Fecha de V4.1-Pro: no está. Solo aparece nombrado como sucesor.

La señal más clara: DeepSeek sustituye al Pro con el Flash

Desde las 04:00 UTC del 14 de septiembre de 2026, todas las peticiones a deepseek-v4-pro se enrutan a V4.1-Flash y se facturan a precio Flash, hasta que salga V4.1-Pro. Lo documenta el changelog oficial.

Un lab que canibaliza su propio flagship con el modelo pequeño no lo hace porque toque. Lo hace porque confía más en la eficiencia del Flash que en el tamaño del Pro. Esa es la apuesta real de DeepSeek aquí, y dice más sobre dónde ven el futuro que cualquier tabla de benchmarks.

Cuando lo meta en el pipeline, mediré tarea terminada y harness. No el PDF de precios.

Preguntas frecuentes

¿DeepSeek V4.1 Flash es el mismo modelo que V4 Flash con otro nombre?

No. V4.1 Flash es el modelo más pequeño de una familia de arquitectura nueva (Causal Encoder, Decoder asimétrica, 552B MoE, 8B activos en input y 16B en output), no un post-training de V4 Flash. La visión pasa a ir nativa. En la API el nombre vivo es deepseek-flash; los identificadores antiguos enrutan temporalmente por compatibilidad.

¿Los benchmarks confirman que V4.1 Flash supera a V4 Flash?

Los benchmarks publicados por DeepSeek en su model card muestran mejoras importantes en tareas agénticas (Terminal-Bench 2.1, DeepSWE, CyberGym, AutomationBench). Son del propio fabricante con su framework interno; falta validación independiente. Los resultados oficiales apuntan a un salto real, especialmente en agentes; queda por confirmar cuánto se mantiene fuera de los benchmarks de DeepSeek.

¿Qué significa que el harness mueva tanto el resultado?

En pruebas de producción, el mismo V4.1 Flash saca 76.69 con Claude Code y 59.92 con DeepSeek Harness. El modelo no cambia; cambia el andamiaje (herramientas, bucles, cómo se alimenta el contexto). Eso quiere decir que elegir bien el sistema agente puede valer más que elegir el modelo más caro.

¿Qué pasa con DeepSeek V4-Pro?

Desde las 04:00 UTC del 14 de septiembre de 2026, las peticiones a deepseek-v4-pro se enrutan a V4.1-Flash y se facturan a precio Flash, hasta que salga V4.1-Pro. No hay fecha publicada para ese sucesor. El changelog oficial es la fuente de la redirección.