DeepSeek lanza V4.1-Flash-1017, con mejor código y pesos abiertos

Pida a un modelo de lenguaje un modelo 3D del Museo del Palacio, un juego de carreras para navegador o una recreación de Portal 2 en el motor Godot, con un prompt breve y casi sin material de referencia, y DeepSeek asegura que devolverá algo que se puede ejecutar. Esa es la demostración que el laboratorio chino de IA ha presentado con V4.1-Flash-1017, publicado el 17 de octubre como una actualización menor de su modelo V4.1 Flash. Las demostraciones, entre ellas una escena 3D que atraviesa épocas llamada Valley of Ages, se construyeron cada una en muy pocas rondas de interacción dentro de DeepSeek Harness, el entorno propio de agentes de la compañía.

DeepSeek denomina a esta capacidad programación por deseo: construir un proyecto completo desde cero a partir de una petición breve. La empresa atribuye el avance al aprendizaje por refuerzo basado en la autorretroalimentación, un método de entrenamiento en el que el modelo critica su propio resultado de principio a fin. La actualización también se presenta como una mejora de Pareto, término que designa una mejora en varios criterios a la vez: puntuaciones más altas en las pruebas, pero también tiempos de ejecución y respuestas más cortos, lo que reduce el coste global de cada llamada. El informe de TechNode añade avances en razonamiento y comprensión visual.

Las cifras son lo más llamativo de la propuesta. En Terminal-Bench 4.0, ejecutado con el arnés de Claude Code, la puntuación subió de 31,2 a 42,3. ProgramBench pasó de 20,3 a 29,1, DeepSWE v1.1 de 74,2 a 77,0, NL2Repo-Bench de 65,4 a 68,2 y Automation-Bench de 54,8 a 60,5. Estas cifras proceden de la ficha del modelo en Hugging Face, es decir, de la propia DeepSeek. Las fuentes no recogen ninguna evaluación independiente, por lo que conviene tomarlas como mediciones de la compañía hasta que otros probadores externos las reproduzcan.

El contexto también merece atención. La mañana del 15 de octubre, dos días antes del lanzamiento, los usuarios comprobaron que DeepSeek no estaba disponible durante casi cinco horas. Un informe de Tencent News contabiliza 44 incidentes en lo que va de año en la página pública de estado de DeepSeek, desde ralentizaciones breves hasta caídas parciales, entre ellas una de unas 12 horas a finales de marzo. DeepSeek no ha vinculado esa caída con la actualización del modelo, y las fuentes no indican si el propio modelo ha cambiado la fiabilidad del servicio.

Para los desarrolladores, el primer día cambia poco. Los usuarios de la API mantienen el mismo nombre de modelo, deepseek-flash, y las mismas tarifas, y los pesos están disponibles en Hugging Face y ModelScope bajo licencia MIT, las mismas condiciones que V4.1 Flash. Los equipos que quieran alojar el modelo por su cuenta disponen del código de inferencia y de instrucciones de despliegue. Los usuarios de DeepSeek Harness necesitan la versión 0.2.1-rc.1 o posterior para disfrutar de soporte completo, y el modelo también se ha adaptado a las herramientas CodeBuddy y WorkBuddy de Tencent. Al mismo tiempo, DeepSeek ha abierto a los desarrolladores su motor de búsqueda interno en forma de API independientes de Search y Fetch. Disponible desde ahora, la actualización merece probarse en trabajos de programación con agentes, que es donde, según las propias pruebas de la compañía, las mejoras son mayores.