digesTvo

Tus noticias nerd, digeridas

AI Watchdog Seguimiento de lanzamientos en models.dev

DeepSeek-v4.1-Flash-1017

DeepSeek publicó DeepSeek-V4.1-Flash-1017, descrito en su model card como una actualización menor de DeepSeek-V4.1-Flash que trae mejoras sustanciales en razonamiento, código, tareas agénticas y benchmarks visuales, además de reducir el tiempo de ejecución y la longitud de las respuestas. El modelo, de 763B parámetros y licencia MIT, obtiene 42.6 en HLE sin herramientas, 42.3 en Terminal-Bench 4.0, 77.0 en DeepSWE v1.1 y 60.5 en Automation-Bench, lo que lo coloca por encima de GLM-5.3 y GPT-5.6 Sol en varios benchmarks agénticos de código y cerca del Opus 5 de Anthropic, aunque aún detrás de la frontera en HLE. Soporta una ventana de contexto de 1M tokens e incluye un codificador de prompts de referencia en Python más librerías deepseek-recipe en Rust para convertir solicitudes de API estilo OpenAI al formato conversacional de DeepSeek.

La mayoría de los comentarios coincide en que la relación calidad-precio de DeepSeek no tiene rival, aunque trata la versión como sólida pero aún por debajo de la frontera, donde Sol 6.1 y Opus 5.5 se consideran más capaces para tareas difíciles. Un desarrollador señala que un plan ChatGPT Plus de $20 agota su límite de 5 horas en minutos, mientras $20 de gasto en la API de DeepSeek rinden órdenes de magnitud más. La objeción más dura es contra los propios benchmarks: la respuesta mejor valorada duda de plano que “can’t possibly be real”, y el hilo nunca los verifica más allá de la tabla de la propia model card, donde el modelo aún queda detrás de Opus 5 en HLE (42.6 vs 56.3) y Terminal-Bench (42.3 vs 51.8). Un debate lateral gira en torno a la frase contradictoria de la tarjeta, “minor update” con “substantial improvements”, con un comentarista que especula que los laboratorios chinos versionan a la baja deliberadamente para eludir la certificación del CCP para versiones mayores —sin verificar, pero tiñe cómo el hilo lee el lanzamiento. La ejecución local se descarta por inviable: con 763B parámetros, incluso las versiones cuantizadas necesitan según se informa unos cuatro DGX Sparks, y los quants se degradan en contextos largos. El ánimo es de entusiasmo genuino por unos pesos abiertos que se acercan al rendimiento clase Opus, templado por escepticismo ante los benchmarks.

  1. Genie 4

  2. MiniMax M3.1 Flash

  3. Gemini 4 Argon

  4. GLM-Legal