DeepSeek V4.1 Flash-1017 ya está disponible: se centra en programación y agentes

DeepSeek habilitó la actualización del modelo V4.1 Flash-1017 el 17 de octubre de 2026 a través del sitio web, la aplicación y la API de la empresa. Los pesos de la actualización también se publicaron en Hugging Face y ModelScope. La empresa afirma que la nueva versión completa las tareas más rápido que el modelo Flash anterior y genera respuestas más breves. En el mismo anuncio, DeepSeek presentó las API Search y Fetch, que ponen sus propias herramientas de búsqueda web a disposición de los desarrolladores.

¿En qué tareas se centra la actualización?

Según DeepSeek, V4.1 Flash-1017 está pensado para usos como desarrollar proyectos de software de principio a fin y ejecutar tareas con agentes de IA. En la fase posterior al entrenamiento del modelo se utiliza un método de aprendizaje por refuerzo con retroalimentación propia, al que la empresa llama RLSF. En este enfoque, las puntuaciones de confianza del propio modelo o las críticas que genera se utilizan como señales de recompensa; según DeepSeek, el método no necesita evaluadores humanos ni modelos de recompensa externos.

La empresa sostiene que este método mejora el desarrollo de proyectos de principio a fin en tareas que abarcan desde la programación de juegos hasta el modelado 3D y el diseño. DeepSeek también indica que el modelo se ajustó para entornos de desarrollo como DeepSeek Harness, Tencent CodeBuddy y WorkBuddy. Para Harness, se recomienda la versión v0.2.1-rc.1 o posterior.

¿Cómo deben interpretarse los resultados de las pruebas comparativas?

En las pruebas propias de DeepSeek, V4.1 Flash-1017 obtiene resultados superiores a la versión anterior, V4.1 Flash. En la prueba DeepSWE, la empresa informa de una puntuación del 77,0 % en el nivel alto y un coste medio de algo menos de 0,20 dólares por tarea. En el nivel bajo, el resultado supera el 72 %, con un coste por tarea de aproximadamente 0,10 dólares. Para la versión anterior se indican un resultado del 74,2 % y un coste de unos 0,50 dólares por ejecución.

Estas cifras se basan en las pruebas comparativas propias de la empresa; también se señala que aún no se han publicado pruebas independientes. Por tanto, los resultados no significan que se vaya a obtener la misma velocidad o el mismo coste en todos los flujos de trabajo. Factores como el tipo de tarea y la forma de ejecutar el modelo pueden influir en el uso real. DeepSeek también sostiene que la nueva versión genera respuestas más breves y, por ello, mejora la relación entre coste y rendimiento.

Precio de las API Search y Fetch

Los endpoints Search y Fetch, disponibles para desarrolladores, tienen un precio de 0,75 dólares por cada 1.000 llamadas. Según DeepSeek, estas herramientas utilizan su propio motor de búsqueda, que, de acuerdo con la empresa, procesa cientos de millones de consultas al día en todo el mundo. Los detalles de configuración están disponibles en la documentación de la API.

Los usuarios de la API de DeepSeek pueden acceder gratis a estas funciones mediante las herramientas del lado del servidor de DeepSeek Harness, Claude Code y Codex hasta el 31 de octubre de 2026 a las 16.00 UTC. Esta fecha y hora marcan el fin del periodo de acceso gratuito; la fuente no especifica qué precio se aplicará después.

Efectos en los flujos de trabajo de arquitectura, interiorismo y visualización

Las afirmaciones sobre el uso del modelo en tareas de modelado 3D y diseño pueden ser de interés para estudios de arquitectura y equipos de visualización, especialmente en labores de prototipado, generación de código auxiliar y desarrollo repetitivo. Sin embargo, las fuentes no confirman la compatibilidad directa del modelo con un software 3D concreto, su precisión en proyectos arquitectónicos ni la calidad de sus resultados para producción. Por eso, las afirmaciones generales de rendimiento de la empresa deben comprobarse con archivos y tareas reales del estudio.

La publicación de los pesos del modelo abre la posibilidad de ejecutarlo localmente, pero las fuentes no ofrecen suficientes detalles sobre los requisitos de hardware ni las condiciones de licencia de la actualización. Estos aspectos deben verificarse antes de tomar una decisión, sobre todo en el caso de equipos que no quieran enviar datos de proyectos a servicios externos. Quienes opten por la API también deberían evaluar por separado el coste por tarea y las llamadas a Search y Fetch.