JOURNAL / 2026.10.18

DeepSeek V4.1 Flash 1017 mejora la programación y abre su búsqueda web por API

La actualización llega con pesos MIT y mejores resultados declarados en tareas de agente. Las nuevas API de búsqueda y lectura permiten separar la obtención de información del modelo que la utiliza, con costes y límites propios.

DeepSeek publicó V4.1 Flash 1017 el 17 de octubre, disponible en web, aplicación y API, con pesos descargables. El anuncio combina una actualización del modelo orientada a desarrollar proyectos completos con la apertura de su buscador a aplicaciones externas. Son dos novedades relacionadas, pero conviene evaluarlas por separado: escribir mejor software y encontrar documentación actual son capacidades distintas.

Cuando tratamos V4.1 Flash en septiembre, el cambio central era su arquitectura para procesar historiales largos con menos caché. Ahora la ficha de 1017 lo presenta como una actualización menor de esa familia, con mejoras de razonamiento, programación, agentes y visión. Conserva contexto declarado de un millón de tokens; el repositorio y los pesos se distribuyen bajo licencia MIT. No estamos ante otra arquitectura anunciada desde cero.

Hay una mejora que merece comprobarse. DeepSeek comunica que en Terminal-Bench 4.0 pasa del 31,2 al 42,3, usando Claude Code como arnés de agente. Esa evaluación exige completar trabajo en un terminal y superar los tests de cada tarea; la descripción de Artificial Analysis explica ese criterio, aunque sus propias ejecuciones usan otro arnés. Aquí las cifras comparadas son las de DeepSeek, no una reproducción independiente.

Tampoco deben compararse con el 90,6 de Terminal-Bench 2.1 que recogimos en septiembre. Los responsables de la prueba explican que 4.0 cambia recursos y tareas, lo que exige nuevas ejecuciones. La señal útil es la mejora entre ambos checkpoints dentro de la misma versión del examen, no una caída aparente entre exámenes distintos. Sin repeticiones y condiciones completas tampoco atribuiría al decimal una precisión que no tiene.

El registro de cambios añade que las respuestas son más cortas y las tareas tardan menos, manteniendo método de llamada y precios. Recomienda actualizar DeepSeek Harness a 0.2.1-rc.1 o posterior. Es una afirmación sobre el sistema de trabajo: no demuestra que cualquier aplicación ahorre lo mismo. Una respuesta breve puede evitar pasos redundantes o abandonar una comprobación necesaria; el resultado final decide cuál de las dos cosas ocurrió.

Buscar y leer dejan de depender de la conversación

La guía de Search y Fetch documenta servicios JSON independientes: Search devuelve resultados estructurados y Fetch recupera una página como Markdown. Una aplicación puede orquestarlos sin pedir a Flash que elija cada llamada. Eso permite, por ejemplo, obtener documentación reciente, conservar las páginas consultadas y entregárselas a otro modelo. Descargar los pesos de Flash tampoco incluye el índice del buscador ni su servicio.

La separación tiene límites concretos. La guía fija cinco peticiones por segundo por cuenta para cada servicio, con restricciones adicionales por dominio en Fetch. La tarifa es de 0,75 dólares por mil peticiones exitosas para cada uno. Las llamadas mediante herramientas del servidor en las integraciones indicadas por DeepSeek son temporalmente gratuitas; su facturación empieza el 31 de octubre a las 16:00 UTC. Esa excepción no convierte toda búsqueda independiente en gratuita ni elimina el coste de los tokens que leen sus resultados.

Mi valoración es que la combinación merece más atención que las demostraciones de juegos terminados. Abre la posibilidad de abaratar un ciclo completo: consultar una dependencia, implementar, ejecutar pruebas y corregir. Pero también hace más fácil producir mucho trabajo que parece acabado. Una captura atractiva no revela si el proyecto arranca desde una instalación limpia, conserva datos o soporta una modificación posterior.

Yo probaría la actualización con un pequeño conjunto de encargos reales y criterios fijados antes de empezar. Incluiría una tarea cuya documentación haya cambiado y otra que requiera mantener un proyecto existente. Contaría intentos fallidos, consultas web, tiempo de revisión y defectos encontrados después de la entrega. Mantendría constante el arnés al comparar modelos y ensayaría aparte la búsqueda nueva. Así podría distinguir una mejora del razonamiento de una mejor fuente de información. El ahorro convincente sería necesitar menos trabajo para aceptar y mantener el resultado; una factura de tokens menor sería sólo una parte de esa evidencia.

Fuentes primarias consultadas el 18 de octubre de 2026. No hemos ejecutado el modelo ni las nuevas API; los resultados de capacidad citados proceden de DeepSeek.

← Volver al diario