**DeepSeek V4.1-Flash-1017: Un modelo ligero desafía al modelo insignia; el verdadero foco está en el ecosistema** DeepSeek lanzó hoy V4.1-Flash-1017, afirmando que ofrece mejores resultados, tareas completadas más rápido y salidas más concisas, denominándolo una "mejora de Pareto" en eficiencia y costo, lo que significa que ninguna métrica empeoró y todas mejoraron. El modelo ya está disponible en el sitio web, la aplicación y la API, y es de código abierto en Hugging Face y ModelScope. **Números: Lidera en tareas de agentes, pero aún hay brechas en razonamiento profundo** Según la tabla comparativa oficial (todos los resultados autoinformados): - **Lidera a Claude Opus 5:** DeepSWE 77.0 vs. 74.0, Automation-Bench 60.5 vs. 50.3, Agents' Last Exam 35.4 vs. 28.6, Apex Bench 72.1 vs. 65.8. - **Aún rezagado:** HLE 42.6 vs. 56.3, Terminal-Bench 4.0: 42.3 vs. 51.8, ProgramBench 29.1 vs. 37.0, NL2Repo 68.2 vs. 75.3. - **Mejora significativa:** En comparación con la versión anterior Flash, Terminal-Bench pasó de 31.2 a 42.3, el avance más notable. Es notable que un modelo ligero de la categoría Flash logre igualar e incluso superar al modelo insignia en múltiples pruebas de agentes y de ingeniería. Sin embargo, en pruebas de razonamiento profundo como HLE, la brecha sigue siendo evidente. Una afirmación más equilibrada sería: es "suficientemente bueno y económico" para tareas de ingeniería y agentes, pero no ha alcanzado la excelencia general. **El foco está en Harness y el ecosistema** La empresa enfatiza especialmente las optimizaciones para DeepSeek Harness, Tencent CodeBuddy y WorkBuddy, y recomienda actualizar a Harness v0.2.1-rc.1 para obtener los mejores resultados. En otras palabras, DeepSeek ya no vende solo modelos, sino un marco de ejecución completo junto con ellos. El Search & Fetch API lanzado el mismo día utiliza un motor de búsqueda propio, que según la empresa procesa cientos de millones de solicitudes diarias, completando así el componente de "búsqueda y recuperación". Cada punto final cuesta $0.75, aunque el post no muestra completamente la unidad de precios; se debe consultar la documentación para confirmar. En cuanto al entrenamiento, la empresa emplea aprendizaje por refuerzo con retroalimentación automática para mejorar el desarrollo end-to-end de proyectos, demostrando desde la creación de juegos hasta modelado 3D. Las animaciones mostradas son atractivas, pero una buena presentación no implica estabilidad ni funcionalidad; aún se necesita prueba real. **Algunas reservas** 1. Todos los resultados son autoinformados; algunos números llevan asteriscos y requieren replicación independiente por terceros. 2. Algunas preguntas podrían ser específicas de un harness particular o condiciones únicas; los resultados podrían no ser reproducibles en otros entornos. 3. Se informa que DeepSeek está recaudando fondos y preparándose para una salida a bolsa; el ritmo de lanzamientos y la narrativa podrían estar influenciados por presiones comercializadoras. **Conclusión** El verdadero valor de V4.1-Flash no está en "vencer a Opus", sino en hacer que las capacidades de agente "suficientemente buenas" sean más baratas y más rápidas, combinadas con una cadena de herramientas y una API de búsqueda, impactando directamente la estructura de costos de los desarrolladores. A continuación, será clave observar dos aspectos: los resultados de evaluaciones independientes y si los desarrolladores realmente cambiarán de plataforma por Harness.