DeepSeek V4: IA más barata y potente
Publicado el 18 de mayo de 2026 por Sergio Jiménez Mazure en Inteligencia Artificial.
Hay lanzamientos que no hacen ruido de cohete, sino de bisagra. No parecen espectaculares al primer vistazo, pero cambian lentamente la puerta por la que entra todo el mercado. DeepSeek V4, presentado por el laboratorio chino DeepSeek en dos versiones preliminares, DeepSeek V4 Flash y DeepSeek V4 Pro, pertenece a esa categoría incómoda: no es solo otro modelo de lenguaje grande en la interminable feria de anuncios de inteligencia artificial generativa. Es una señal de que la carrera por la IA está entrando en una fase menos ingenua, más dura y, por tanto, mucho más interesante.
En mi caso, suelo verlo con claridad cuando trabajo con empresas que ya pasaron la etapa del asombro. Al principio todos quieren “probar ChatGPT”, como quien compra una espada brillante antes de saber contra quién va a pelear. Pero en una sesión reciente con un equipo directivo, mientras revisábamos cómo incorporar IA aplicada a procesos reales, alguien hizo la pregunta correcta: “¿Esto cambia el negocio o solo cambia la presentación?”. Esa pregunta vale oro. Y es precisamente ahí donde modelos como DeepSeek V4 empiezan a importar.
DeepSeek V4 es la nueva generación de modelos de lenguaje de DeepSeek, sucesora de V3.2 y del modelo de razonamiento R1, que ya habían ganado notoriedad durante 2025. Su propuesta se apoya en una idea poderosa: acercar capacidades avanzadas de razonamiento y generación de texto a un esquema más eficiente. Dicho de forma sencilla, no estamos ante un juguete de laboratorio, sino ante una pieza más en el tablero de ajedrez donde se decide quién controla la próxima capa de la economía digital.
La inteligencia artificial ya no se mide solo por lo que responde, sino por lo que vuelve posible.
La historia nos recuerda que las grandes tecnologías no se imponen únicamente porque sean mejores, sino porque alteran el equilibrio de acceso. La imprenta de Gutenberg no fue relevante solo por imprimir libros más bonitos. Fue relevante porque cambió quién podía producir, distribuir y disputar conocimiento. Y, como habría entendido Asimov sin demasiada sorpresa, cada salto tecnológico trae consigo una mezcla de promesa y vértigo. Lo cierto es que la inteligencia artificial generativa vive hoy una tensión parecida: todos hablan de potencia, pero la verdadera revolución ocurre cuando esa potencia empieza a estar al alcance de más actores.
Por supuesto, la industria tecnológica, siempre tan modesta ella, suele presentar cada lanzamiento como si Moisés acabara de bajar del Sinaí con una API nueva. Conviene mantener la calma. Pero también conviene no mirar hacia otro lado. DeepSeek V4 importa porque refleja un movimiento de fondo: los modelos abiertos y de alto rendimiento están dejando de ser comparsas simpáticas para convertirse en protagonistas con ambición real. En el mar de la innovación, ya no basta con tener el barco más grande; hay que demostrar que se puede navegar lejos sin quemar todo el combustible en la primera milla.
Más allá del titular, este lanzamiento nos obliga a una reflexión práctica. Si la IA generativa avanza hacia modelos más capaces, más eficientes y más accesibles, entonces las empresas no pueden seguir tratándola como una curiosidad de comité o como una moda para adornar presentaciones. Debemos empezar a preguntarnos qué procesos merecen ser repensados, qué capacidades internas debemos desarrollar y qué decisiones ya no podemos aplazar. Porque la pregunta relevante no es si DeepSeek V4 será recordado como el modelo definitivo. Ningún modelo lo es. La pregunta incómoda es otra: ¿estamos preparando nuestras organizaciones para un mundo donde la inteligencia artificial avanzada deja de ser privilegio de unos pocos?
Y cuando ponemos a DeepSeek V4 frente a GPT, Gemini y Claude, conviene evitar dos tentaciones muy frecuentes: coronarlo como nuevo emperador de la inteligencia artificial o descartarlo porque no viene con el sello de Silicon Valley. Ambas posturas son cómodas. Ninguna sirve demasiado a la hora de tomar decisiones serias.
En mi caso, cuando acompaño a equipos de innovación en la evaluación de modelos, suelo comentar que comparar modelos de lenguaje se parece más a revisar piezas de ajedrez que a mirar una tabla de posiciones de fútbol. No basta con saber quién “gana”. Hay que entender en qué tablero juega mejor cada uno, qué sacrifica para ganar velocidad y dónde puede dejar al rey demasiado expuesto.
Según recoge TechCrunch, DeepSeek afirma que sus modelos V4 han casi cerrado la brecha con los modelos frontera en razonamiento y programación. En concreto, la compañía sostiene que V4-Pro-Max supera a todos sus pares de código abierto en benchmarks de razonamiento y que supera a GPT-5.2 y Gemini 3.0 Pro en algunas tareas específicas. Eso sí, la frase importante es “algunas tareas”. La tecnología, como la política, está llena de victorias parciales vendidas como liberaciones nacionales. Qué sorpresa.
En programación, el dato también es relevante: DeepSeek afirma que el rendimiento de ambos modelos V4 resulta comparable a GPT-5.4 en competencias de código. Para equipos técnicos, esa cercanía importa porque el código no perdona demasiado la poesía. Un modelo puede redactar muy bonito, pero si rompe una función crítica, el entusiasmo dura lo que dura un castillo de arena en marea alta.
- Razonamiento: DeepSeek declara avances fuertes, con resultados competitivos frente a modelos cerrados en tareas concretas.
- Código: V4 aparece como especialmente sólido en programación competitiva, con rendimiento comparable a GPT-5.4 según DeepSeek.
- Conocimiento: la propia compañía reconoce que queda ligeramente por detrás de GPT-5.4 y Gemini 3.1 Pro.
- Formato: V4 Flash y V4 Pro son modelos solo de texto; no procesan audio, video o imágenes.
- Precio: DeepSeek compite con una agresividad que incomoda a los grandes proveedores.
La parte económica merece atención porque cambia el tono de la conversación. DeepSeek V4 Flash se anuncia a $0,14 por millón de tokens de entrada y $0,28 por millón de tokens de salida. TechCrunch señala que con esos valores queda por debajo de GPT-5.4 Nano, Gemini 3.1 Flash, GPT-5.4 Mini y Claude Haiku 4.5. Por su parte, DeepSeek V4 Pro se presenta a $0,145 por millón de tokens de entrada y $3,48 por millón de tokens de salida, por debajo de Gemini 3.1 Pro, GPT-5.5, Claude Opus 4.7 y GPT-5.4, según la comparación citada.
La comparación real no está en el titular del benchmark, sino en la combinación entre capacidad, coste y límites.
Ahora bien, la comparación honesta también exige mirar donde DeepSeek no brilla tanto. La propia empresa reconoce una distancia de 3 a 6 meses frente al estado del arte en conocimiento general y recuperación factual. Es decir, puede razonar muy bien, puede programar con mucha solvencia, pero no necesariamente iguala a GPT-5.4 o Gemini 3.1 Pro cuando la tarea depende de cobertura de mundo, actualidad o precisión factual. Arthur Conan Doyle lo habría entendido perfecto: Sherlock Holmes no era valioso por saberlo todo, sino por razonar mejor que los demás con las pistas disponibles. Pero si le damos pistas malas o incompletas, incluso Holmes puede terminar acusando al mayordomo equivocado.
También hay una frontera funcional clara: DeepSeek V4 es solo texto. Frente a modelos cerrados que ya integran capacidades multimodales, esta limitación pesa. No lo invalida, pero lo ubica. En esta guerra tecnológica, DeepSeek parece haber reforzado con inteligencia la artillería del razonamiento y del código, mientras otros competidores siguen expandiendo su ejército hacia imagen, audio y video.
Por tanto, la comparación con GPT, Gemini y Claude no deja un veredicto simple. Deja algo más interesante: un mapa de tensiones. DeepSeek V4 no demuestra que los modelos cerrados hayan perdido la partida, pero sí muestra que los modelos abiertos pueden sentarse en la misma mesa sin pedir permiso. Y eso, ahora más que nunca, obliga a mirar la inteligencia artificial generativa con menos fanatismo y más criterio.
IA más barata y potente: cómo DeepSeek V4 presiona el mercado de modelos de lenguaje
Ahí está, precisamente, el punto que más incomoda: DeepSeek V4 no presiona al mercado solo porque prometa buen rendimiento, sino porque cambia la conversación sobre el coste de usar inteligencia artificial a escala. Durante mucho tiempo, la industria nos vendió la idea de que acceder a modelos avanzados implicaba aceptar tarifas altas, márgenes opacos y una dependencia casi feudal de los grandes proveedores. Muy moderno todo: castillos medievales, pero con dashboards y facturación por token.
En mi caso, cuando trabajo con empresas que ya tienen varios flujos apoyados en IA generativa, la discusión deja de ser filosófica muy rápido. Nadie se queda mirando el cielo mientras recita a Asimov. La pregunta es mucho más pedestre y, por tanto, mucho más importante: ¿cuánto cuesta cada interacción?, ¿cuánto se dispara el presupuesto cuando sube el volumen?, ¿qué pasa si un asistente interno empieza a responder miles de veces al día? La innovación, en la práctica, también pasa por Excel.
Por eso la estrategia de precios de DeepSeek V4 tiene más filo del que parece. Si un modelo consigue acercarse en capacidades de razonamiento y programación a los modelos frontera, pero lo hace con tarifas sustancialmente menores, obliga a OpenAI, Google, Anthropic y otros actores a defender no solo su calidad, sino su relación coste-beneficio. Y ese terreno es más incómodo. En una batalla naval, no siempre gana el acorazado más imponente; a veces gana quien puede mantenerse más tiempo en el mar sin agotar provisiones.
La historia tecnológica está llena de momentos parecidos. La electricidad no transformó la industria solo cuando apareció como maravilla científica, sino cuando se volvió suficientemente accesible para reorganizar fábricas, ciudades y hogares. Algo similar ocurrió con la computación en la nube: al inicio parecía una decisión técnica, pero terminó siendo una decisión económica y estratégica. Con modelos de lenguaje como DeepSeek V4, el mercado empieza a mirar la IA aplicada desde esa misma perspectiva: no basta con que el modelo sea capaz; debe ser sostenible.
Por qué el precio puede cambiar la adopción de inteligencia artificial
El precio bajo no convierte automáticamente a un modelo en mejor. Sería una lectura ingenua, de esas que tanto gustan en ciertos titulares con olor a nota de prensa. Pero sí cambia el umbral de experimentación. Cuando el coste por millón de tokens baja, las empresas pueden probar más, iterar más y equivocarse con menos miedo. Y en innovación, el miedo al coste suele matar más proyectos que la falta de ideas.
- Reduce la barrera de entrada: más equipos pueden evaluar soluciones con IA generativa sin comprometer presupuestos enormes desde el primer día.
- Presiona los márgenes del sector: los proveedores líderes deberán justificar mejor sus precios frente a alternativas más agresivas.
- Acelera la competencia: si la capacidad avanzada se abarata, el mercado exige más valor en integración, experiencia y confiabilidad.
- Cambia la conversación interna: la pregunta deja de ser “si podemos pagarlo” y pasa a ser “dónde tiene sentido aplicarlo”.
Una de las claves está en entender que la inteligencia artificial empieza a parecerse menos a una pieza de museo y más a una materia prima. Cuando algo se convierte en materia prima, el poder se desplaza. Ya no basta con presumir que tienes el modelo más grande o el benchmark más vistoso. Como decía Seth Godin, si una vaca es púrpura nos daremos cuenta, pero si todas se vuelven púrpura nos aburriremos. En ese escenario, lo diferencial no será solo tener IA, sino construir algo útil, estable y defendible sobre ella.
DeepSeek juega aquí una partida interesante porque combina escala, eficiencia y una narrativa de accesibilidad. El modelo Pro, según lo reportado por TechCrunch, se presenta con 1,6 billones de parámetros totales y una arquitectura Mixture-of-Experts que activa solo una parte de sus parámetros por consulta. Más allá del número, que siempre luce bien en una diapositiva, el mensaje de fondo es claro: se puede aspirar a modelos enormes sin convertir cada consulta en una hoguera presupuestaria.
Eso tiene una consecuencia directa en la política del sector. Los grandes proveedores han construido parte de su autoridad sobre una mezcla de capacidad técnica, marca, ecosistema y percepción de inevitabilidad. DeepSeek V4 introduce una grieta en esa narrativa. No la destruye, pero la incomoda. Y en mercados tecnológicos, incomodar al incumbente ya es una forma de poder. Julio Verne imaginó viajes imposibles antes de que la ingeniería los volviera cotidianos; la industria de la IA vive ahora esa transición rara en la que lo extraordinario empieza a pedir precio de servicio común.
¿Estamos entrando en una etapa de IA avanzada como commodity?
La palabra commodity puede sonar fría, casi ingrata, pero describe bien una tensión que se está formando. Si capacidades como razonamiento, asistencia en código y manejo de grandes volúmenes de texto empiezan a estar disponibles a menor coste, dejan de ser privilegios exóticos. Pasan a formar parte del paquete mínimo esperado. Es el equivalente tecnológico a descubrir que el castillo ya no se defiende con murallas, porque todo el mundo aprendió a fabricar cañones.
Ahora más que nunca, los líderes del mercado deberán demostrar por qué sus modelos valen lo que cuestan. No bastará con decir “somos frontera” y esperar reverencias. Las empresas compararán precios, medirán rendimiento, calcularán consumo y exigirán explicaciones. Lo cierto es que la época del cheque en blanco para experimentar con asistentes de IA empieza a agotarse. Y eso, aunque suene incómodo para algunos, es sano para el ecosistema.
En América Latina, y particularmente en Ecuador, esta presión sobre el precio es todavía más relevante. Aquí la adopción de inteligencia artificial generativa no suele frenarse por falta de curiosidad, sino por una mezcla muy concreta de presupuesto, prioridades operativas y cautela directiva. Cuando aparece una alternativa que promete capacidades elevadas con costes más contenidos, la conversación se vuelve menos aspiracional y más ejecutiva. Menos “algún día deberíamos explorar esto” y más “hagamos números con seriedad”.
Por tanto, DeepSeek V4 pone sobre la mesa una pregunta incómoda para toda la industria: si la potencia empieza a abaratarse, ¿dónde queda realmente el valor? Porque cuando el modelo deja de ser el castillo inexpugnable, la ventaja se mueve hacia la estrategia, la implementación, la gobernanza y la capacidad de convertir inteligencia artificial en resultados concretos. Y ahí, como en el ajedrez, no gana quien presume la reina más brillante, sino quien entiende mejor la posición completa del tablero.
Cuando el costo se vuelve el campo de batalla
Esa comparación con los grandes modelos cerrados tiene una consecuencia inmediata: el precio deja de ser una nota al pie y se convierte en el verdadero campo de batalla. Durante mucho tiempo, la conversación sobre inteligencia artificial se centró en quién razonaba mejor, quién escribía código con menos errores o quién resolvía pruebas más sofisticadas. Todo eso sigue importando, por supuesto. Pero cuando una empresa pasa del piloto bonito al despliegue sostenido, aparece el general de intendencia con la factura en la mano. Y ahí termina mucha poesía tecnológica.
En mi caso, lo veo cada vez que una organización empieza a calcular el coste real de usar modelos de lenguaje en procesos repetitivos. No basta con decir “la IA funciona”. Hay que preguntarse cuánto cuesta cada consulta, cada respuesta, cada flujo automatizado y cada integración que consume tokens todos los días. Suelo comentar que la innovación no fracasa solo por falta de visión; muchas veces fracasa porque alguien olvidó hacer bien la hoja de cálculo. Qué detalle tan vulgar, dirán algunos gurús de escenario. Desgraciadamente, en la práctica, las empresas pagan facturas, no diapositivas.
Por eso la estrategia de precios de DeepSeek V4 merece atención. Según recoge TechCrunch, DeepSeek V4 Flash se ofrece a $0,14 por millón de tokens de entrada y $0,28 por millón de tokens de salida. El artículo señala que este precio queda por debajo de alternativas como GPT-5.4 Nano, Gemini 3.1 Flash, GPT-5.4 Mini y Claude Haiku 4.5. No es un matiz menor. En un mercado donde cada actor intenta vender su castillo como si fuera Versalles, DeepSeek aparece con una propuesta mucho más incómoda: capacidad avanzada a un coste más agresivo.
La versión DeepSeek V4 Pro empuja todavía más esa discusión. TechCrunch recoge tarifas de $0,145 por millón de tokens de entrada y $3,48 por millón de tokens de salida. La comparación vuelve a ser significativa: el artículo indica que resulta más barato que Gemini 3.1 Pro, GPT-5.5, Claude Opus 4.7 y GPT-5.4. A la hora de evaluar IA aplicada, esto cambia el marco mental. Ya no se trata solo de mirar el ranking de benchmarks como quien mira una tabla de goleadores, sino de preguntarse qué rendimiento se obtiene por cada dólar invertido.
En IA, el precio no es un detalle contable: es una palanca estratégica.
La historia empresarial está llena de momentos parecidos. Ford no transformó la industria solo porque fabricara automóviles; la cambió porque alteró el coste, la escala y el acceso. Algo similar ocurrió con los libros después de Gutenberg: no bastaba con que existiera conocimiento, había que multiplicar su circulación. En la inteligencia artificial generativa, la presión de DeepSeek apunta en esa dirección. Si capacidades que antes parecían reservadas a modelos frontera empiezan a servirse a precios más bajos, la ventaja competitiva deja de estar únicamente en tener el modelo más brillante y pasa a estar en quién lo integra mejor, quién lo opera con más criterio y quién controla mejor su economía de uso.
Este movimiento también tiene un efecto político, aunque la industria prefiera llamarlo “dinámica competitiva” para no incomodarse demasiado. Los grandes proveedores han construido una parte importante de su posición sobre una mezcla de capacidad, marca, infraestructura y dependencia. DeepSeek introduce otra pieza en el tablero de ajedrez: si un modelo de pesos abiertos, con una escala declarada muy alta y una estructura de precios agresiva, se acerca en determinadas capacidades a los modelos cerrados, entonces obliga a todos los demás a justificar mejor su prima. Y justificar precios altos cuando el mercado empieza a percibir alternativas viables nunca ha sido un deporte cómodo.
Como en una novela de Asimov, lo interesante no está solo en la máquina, sino en el sistema social que se reorganiza alrededor de ella. Un modelo más barato no significa automáticamente una mejor estrategia de innovación. Pero sí reduce una barrera que durante meses ha frenado decisiones reales: el miedo a que la factura de inferencia convierta un proyecto prometedor en un agujero negro presupuestario. La potencia sin eficiencia es como un acorazado sin combustible: impresiona en el puerto, pero sirve de poco cuando toca cruzar el océano.
Ahora más que nunca, conviene mirar el precio como parte de la arquitectura del producto, no como un descuento comercial. La promesa de DeepSeek V4 no descansa únicamente en decir “somos grandes” o “razonamos mejor en ciertas pruebas”, sino en sostener que esa capacidad puede operar con una eficiencia suficiente para competir en serio. Y ahí aparece una incomodidad saludable para el mercado: si el coste baja y el rendimiento sube, muchas excusas empiezan a sonar viejas.
Fuente: artículo de TechCrunch en el que se basa este contenido