Lanzamiento oficial de DeepSeek-V4.1-Flash: API deepseek-flash desde $0.15/$0.60 por 1M, contexto de 1M, pesos abiertos MIT

Puntos confirmados (ambas fuentes verificadas el 10 de sep., UTC+8)

• El lanzamiento: la entrada del registro de cambios de DeepSeek con fecha del 10-09-2026 anuncia el lanzamiento oficial. V4.1-Flash es «el modelo más pequeño de nuestra nueva familia de arquitecturas, con comprensión visual multimodal nativa»; la arquitectura busca un límite de capacidad más alto, una inferencia más rápida, mayor rendimiento y escalabilidad hacia modelos más grandes.
• La ficha del modelo: el README de Hugging Face («Pushing the Limits of KV Cache Compression») especifica un MoE multimodal con base de 552B (1 experto compartido + 384 expertos enrutados, 6 activados por token) que activa 8B de parámetros/token en prefill y 16B en decodificación, con un contexto de 1M de tokens entrenado con 45T de tokens (sparse attention a 64K, extendida a 1M a los 34T).
• Clave de la arquitectura: un codificador-decodificador causal (CED) —un codificador causal de 20 capas + un decodificador de 20 capas— proyecta la KV cache global del decodificador a partir de los estados finales del codificador; el almacenamiento en caché KV principal en FP4 reduce la caché global a ~890 bytes/token, ≈1/4 de DeepSeek-V4-Flash (≈437× menos que V1), mientras que SWA Bounded Replay reduce la caché persistente a ≈1/8.
• Benchmarks destacados (oficiales, esfuerzo de razonamiento máximo): GPQA Diamond 90.9, puntuación de Codeforces 3471, Terminal-Bench 2.1 90.6, DeepSWE v1.1 74.2, HLE con herramientas 63.9, Agents' Last Exam 31.8. El esfuerzo de razonamiento es ajustable de forma continua (1–100). Son cifras proporcionadas por el proveedor: considérelas como tales hasta que haya replicaciones independientes de terceros.
• Nombre en la API y alias: las nuevas solicitudes deben usar deepseek-flash. deepseek-v4-flash y deepseek-v4-flash-vision-exp «todavía se aceptan», pero se enrutan temporalmente a V4.1 Flash; los modelos de la generación V4 a los que hacían referencia han sido retirados.
• V4 Pro: se anunció su enrutamiento para el 14 de sep., pero se mantuvo. El anuncio original del 10 de sep. decía: «A partir de las 04:00 UTC del 14 de septiembre de 2026, todas las solicitudes de deepseek-v4-pro se enrutarán a V4.1-Flash con las tarifas de V4.1-Flash. Esto continuará hasta el lanzamiento de V4.1-Pro». Ese cambio fue retirado: según el registro de cambios y la página de precios a 16 de septiembre, «En respuesta a la demanda de los usuarios, hemos decidido seguir prestando servicios de API para DeepSeek V4 Pro después del 14 de septiembre de 2026, manteniendo el método de facturación sin cambios». V4 Pro conserva su propia tabla de tarifas: en horas valle $0.022 con cache hit / $0.66 de entrada con cache miss / $1.98 de salida por 1M, horas punta 2×, concurrencia de 500. La página oficial de noticias aún incluye la frase antigua sobre el enrutamiento; considere el registro de cambios y la página de precios como las fuentes operativas vigentes.
• Las reducciones de precio son oficiales: «Con el lanzamiento de DeepSeek-V4.1-Flash, los precios de la API se han reducido en consecuencia». La tarifa verificada: horas valle $0.15/$0.60 por 1M (entrada cache miss / salida), $0.003 de entrada con cache hit; horas punta = 2× durante 01:00–04:00 & 06:00–10:00 UTC de lunes a viernes (09:00–12:00 & 14:00–18:00 en Pekín). Concurrencia de 2,500 frente a los 500 de V4 Pro. Quienes aprovechan los descuentos en horas valle ya conocen el patrón por el cambio a precios reducidos de fin de semana: esto vuelve a convertir las horas valle en la opción por defecto.
• Pesos abiertos, MIT: el repositorio de HF distribuye los pesos bajo licencia MIT, un informe técnico en PDF, una referencia independiente para la codificación de prompts (sin plantilla de chat Jinja) e instrucciones de inferencia local: la misma postura de pesos abiertos que el lanzamiento sin restricciones bajo MIT de Vision-Exp, ahora aplicada al modelo multimodal principal.

Lo que no se lanzó y aspectos a seguir

• Aún no hay V4.1 Pro. A fecha de 10 de sep. (UTC+8), el registro de cambios solo menciona V4.1 Pro como un futuro lanzamiento que delimitaría la transición de enrutamiento de V4 Pro. Sin fecha ni benchmarks. Cabe esperar un evento independiente: la nueva familia está diseñada para «escalar hacia modelos más grandes».
• Los nombres de alias son temporales. Si todavía llama a deepseek-v4-flash o deepseek-v4-flash-vision-exp, ya está recibiendo V4.1 Flash a precios de Flash, pero la documentación indica que el enrutamiento es temporal. Migre a deepseek-flash ahora para evitar futuras interrupciones.
• Se canceló la fecha límite de V4 Pro del 14 de sep. deepseek-v4-pro continúa ofreciéndose y facturándose como V4 Pro, sin cambios forzados de comportamiento; la frase sobre el enrutamiento que aún aparece en la página oficial de noticias ha quedado desactualizada. Manténgase atento al lanzamiento de V4.1 Pro y al compromiso de DeepSeek de avisar con antelación si se produce algún cambio.
• Cobertura de terceros pendiente. Conforme a la política de lanzamientos de este sitio, solo citamos fuentes oficiales directas para los datos del lanzamiento; las replicaciones independientes de benchmarks y los análisis internacionales o en X suelen publicarse entre 24 y 48 horas después de un lanzamiento de DeepSeek y aún no se reflejan aquí.

Por qué la cifra de KV cache importa a los desarrolladores

• Los agentes de contexto largo se abaratan donde más importa: en la entrada. 890 bytes/token de KV global (frente a los ~3.5 KB de V4-Flash) significa que los contextos de un millón de tokens dejan de ser una bomba para la memoria. Con 8B de parámetros activos en prefill, las cargas de trabajo con un uso intensivo de entrada —RAG a escala de repositorios, trayectorias largas de agentes, pipelines de documentos— son exactamente el perfil que optimiza este modelo.
• La tabla de tarifas premia la disciplina con la caché. La entrada con cache hit a $0.003 (horas valle) es 50 veces más barata que una llamada de entrada con cache miss. Gracias al almacenamiento en caché implícito de la DeepSeek API, reutilizar prefijos estables (prompts del sistema, esquemas de herramientas, documentos extensos) resulta prácticamente gratuito.
• Concurrencia de 2,500. Cuatro veces el límite de 500 de V4 Pro, lo que refleja el margen de rendimiento de la nueva arquitectura. Los detalles sobre los límites de tasa se encuentran en la página oficial de Rate Limit & Isolation.
• Alojamiento propio frente a API: los pesos con licencia MIT ofrecen una alternativa real, pero un modelo con una arquitectura base de 552B (incluso con 8B/16B activos) requiere entornos de GPU multinodo. La mayoría de desarrolladores debería utilizar la API y guardar los pesos como respaldo; la lógica de DeepSeek-V4-Pro para desarrolladores se mantiene: V4 Pro sigue ofreciéndose y tarifándose de forma independiente tras retirarse el plan de enrutamiento del 14 de septiembre.

Acceso desde fuera de China y el aviso habitual

El endpoint oficial (https://api.deepseek.com) admite formatos compatibles con OpenAI y Anthropic, e incluye Responses API, llamadas a herramientas, salida en JSON y visión en deepseek-flash. Los desarrolladores internacionales deben verificar los métodos de pago y la facturación de forma independiente: las opciones oficiales de recarga siguen estando centradas en China para algunos métodos de pago.

Aviso de independencia: ChinaModelAPI es un sitio informativo independiente y no está afiliado a DeepSeek. Todos los datos y precios de este artículo se transcribieron a partir del registro de cambios oficial de DeepSeek y de la ficha oficial del modelo en Hugging Face el 10 de septiembre de 2026 (UTC+8). Este artículo no constituye una recomendación de compra. Verifique los precios en la tabla de tarifas oficial antes de desarrollar.

Fuentes primarias

• DeepSeek API Docs — Registro de cambios, entrada del 10-09-2026: «DeepSeek-V4.1-Flash Release» (cambios en la API, enrutamiento de V4 Pro, nota de precios)
• Hugging Face — Ficha del modelo deepseek-ai/DeepSeek-V4.1-Flash: arquitectura, preentrenamiento de 45T de tokens, evaluaciones, licencia MIT (README en texto sin formato, consultado el 10 de sep. de 2026)
• DeepSeek API Docs — Modelos y precios: tabla de tarifas de deepseek-flash, definición de horas punta, notas sobre alias y enrutamiento (consultado el 10 de sep. de 2026)

Preguntas frecuentes (2026)