¿Adiós a los modelos caros? DeepSeek acaba de cambiar las reglas

DeepSeek no agregó ni un parámetro y su modelo más barato terminó superando a su propio modelo estrella. Mismo checkpoint de abril, misma arquitectura, solo un post-entrenamiento nuevo: de 61.8 a 82.7 puntos en Terminal-Bench 2.1. En este video desarmamos DeepSeek-V4-Flash-0731 pieza por pieza: qué es realmente el pipeline que llaman "diez profesores, un alumno", por qué la atención híbrida comprimida de V4 permite servir un millón de tokens de contexto a costos ridículos, y qué dicen las mediciones independientes de Cline, Artificial Analysis, GDPval y Frontend Code Arena frente a los benchmarks oficiales medidos con un harness interno que todavía no es público. También repasamos la letra chica, que es abundante y conviene conocer antes de moverlo a producción: verbosidad extrema (unos 210 millones de tokens generados contra una mediana de 62 millones), una tasa de alucinación del 84% en AA-Omniscience, ausencia de visión, el fallo con tool_choice en modo thinking que rompe la salida estructurada en LangChain o CrewAI, bugs abiertos en vLLM y SGLang, y el tema de dónde se procesan tus datos. Cerramos con cómo probarlo (API oficial, agregadores, pesos MIT en Hugging Face) y con la idea de fondo: en 2026 buena parte de las ganancias de capacidad ya no viene de escalar parámetros, sino de refinar lo que pasa después del pre-entrenamiento. Si te gustan los análisis con datos, fuentes separadas por origen y advertencias donde toca, suscríbete y activa la campanita: publicamos este tipo de desglose cada vez que sale algo que de verdad mueve la aguja. Y cuéntame en los comentarios cuánto te costó cada tarea resuelta en tus propios agentes; ese dato vale más que cualquier tabla de precios. #deepseek #inteligenciaartificial #IA #code #LLM #ai #programming #TerminalBench #OpenSource #new #china #HuggingFace #tech