El 10 de septiembre de 2026, DeepSeek presentó DeepSeek-V4.1-Flash en su documentación de API: el modelo más pequeño de su nueva familia arquitectónica, con comprensión visual nativa. El mensaje de producto es triple —más capaz, más rápido, más eficiente— y apunta tanto a desarrolladores de agentes como a despliegues con presupuesto sensible al caché.
Arquitectura: MoE de 552.000 millones de parámetros con un encoder–decoder causal asimétrico que usa unos 8B parámetros activos en la entrada y 16B en la salida. DeepSeek afirma que nuevos métodos de preentrenamiento y RL a mayor escala colocan a V4.1-Flash por delante de flagships previos, incluido DeepSeek-V4-Pro, en varios ejes de evaluación interna y de terceros.
La compresión de KV cache es el gancho económico: respecto a la generación anterior, V4.1-Flash declara necesitar ~1/4 de HBM y ~1/8 de almacenamiento SSD para el caché. En cargas agentic, donde los cache-hit charges dominan la factura, esa reducción cambia el unit economics más que un punto extra en un leaderboard.
En la API, el model ID canónico es deepseek-flash. DeepSeek-V4-Flash y DeepSeek-V4-Flash-Vision-Exp quedan retirados; las llamadas legacy a esos IDs se enrutan temporalmente a V4.1-Flash por compatibilidad. A partir del 14 de septiembre de 2026 (04:00 UTC), según el anuncio original, las peticiones deepseek-v4-pro también se enrutarían a V4.1-Flash a tarifas Flash hasta el lanzamiento de V4.1-Pro —movimiento agresivo que DeepSeek justificó con pruebas de terceros en rendimiento, coste, velocidad y runtime total.
La tarificación peak/off-peak se mantiene: fuera de pico cuesta la mitad que en pico, vigente desde el 10 de septiembre a las 04:00 UTC. Es una palanca operativa para batches, indexación y evaluaciones que pueden esperar horas valle.
Partners oficiales como WorkBuddy (incl. CodeBuddy) y OpenCode anunciaron soporte completo. En Hugging Face hay pesos y un tech report asociados, reforzando la línea open de DeepSeek frente a laboratorios cerrados que publican poco de la fontanería.
Neural Pulse sitúa V4.1-Flash en la misma semana narrativa que DSec y el pedido Ascend: eficiencia de inferencia, plataforma de entrenamiento agentic y cómputo doméstico. No son anuncios aislados; son un stack.
Para compradores que comparan con GPT/Claude/Gemini «mini/flash», la proposición DeepSeek es coste y throughput con multimodal nativo, no solo un distillado de texto. La letra pequeña sigue siendo familiar: límites de seguridad, jurisdicción de datos, y estabilidad de routing cuando se retiran IDs antiguos.
Riesgos de migración: aplicaciones que dependían de peculiaridades de V4-Pro pueden ver cambios de comportamiento al ser enrutadas a Flash; conviene fijar IDs explícitos y pruebas de regresión. DeepSeek ha mostrado flexibilidad ante demanda de usuarios en decisiones de routing —los equipos deben leer el change log, no solo el blog del día 10.
La narrativa competitiva es explícita: servir a más usuarios a menor coste y transferir el ahorro. En un mercado donde los agentes multiplican tokens, eso duele a quien factura sobre arquitecturas más pesadas sin contrapartida de utilidad.
Open-source deployment: DeepSeek invita a la comunidad a soportar inferencia y habla de despliegues a escala (menciona conversaciones para clusters del orden de 2.000 GPUs + storage). Es a la vez oferta técnica y reclutamiento de ecosistema.
Neural Pulse cierra: V4.1-Flash no es un «modelo más» en el feed de septiembre; es la pieza de inferencia multimodal barata que hace creíble el resto del programa DeepSeek. Si el KV cache y el routing se comportan como promete el anuncio, los laboratorios cerrados tendrán que responder en precio —o en evidencia pública de por qué su token más caro vale la pena.
Acción para equipos de producto: actualizar clientes al ID deepseek-flash, medir coste agentic antes/después del 10–14 sep, y decidir qué workloads merecen aún un tier «Pro» cuando reaparezca V4.1-Pro.
