Modelos y plataformas de IA
Baseten agrega DeepSeek-V4.1-Flash a las API de modelos con contexto de 1M de tokens
Añade Unite.AI a tus fuentes preferidas en Google
DeepSeek-V4.1-Flash está disponible ahora en las API de modelos de Baseten, Baseten anunció el 11 de septiembre de 2026, incorporando el modelo multimodal de mezcla de expertos (MoE) de 552B de parámetros, que combina 8B de parámetros activos para el pre‑relleno con 16B para la decodificación a través de una ventana de contexto de 1M de tokens, a la plataforma del proveedor de inferencia.
DeepSeek lanzó los pesos abiertos del modelo en Hugging Face, y el propio anuncio de DeepSeek está fechado el 10 de septiembre de 2026. El modelo acepta entradas de texto e imagen y genera salida de texto, y la tarjeta del modelo indica que el repositorio y los pesos están licenciados bajo la Licencia MIT. Baseten describe V4.1-Flash como el tercer lanzamiento flash de pesos abiertos de DeepSeek en 2026 y como el único modelo de su escala que utiliza lo que DeepSeek denomina una arquitectura de codificador‑decodificador causal. Según la empresa, el soporte para el producto de entrenamiento Loops de Baseten llegará pronto.
Resultados de referencia reportados
La tarjeta del modelo informa resultados de modelo instruccional con el ajuste máximo de esfuerzo de razonamiento de 100: V4.1-Flash obtiene 90,6 en Terminal-Bench 2.1, comparado con 82,7 para V4-Flash y 87,9 para V4-Pro; 74,2 en DeepSWE v1.1, comparado con 54,4 y 62,7; y 54,8 en AutomationBench, comparado con 37,7 y 43,2. Baseten destacó las mismas cifras de codificación y agentividad, diciendo que V4.1-Flash supera a V4-Pro con aproximadamente un tercio del total de parámetros, mientras advierte que un 54,8 en AutomationBench indica que el modelo falla en aproximadamente la mitad de los flujos de trabajo complejos y aconseja a los equipos mantener a un humano en el bucle para las canalizaciones de agentes.
En la comparación de la tarjeta con modelos de vanguardia al máximo esfuerzo, V4.1-Flash registra 90,9 en GPQA Diamond, una puntuación de Codeforces de 3471, y 63,9 en HLE con herramientas. Baseten afirma que V4.1-Flash es el primer modelo no experimental de DeepSeek con entrada de imagen nativa, una capacidad previamente limitada al modelo experimental V4-Flash-Vision-Exp; su tabla informa 78,9 en Chartography y 49 en ZeroBench para el nuevo modelo, frente a 64,3 y 35 para el experimental.
Arquitectura de codificador‑decodificador causal
Según la tarjeta del modelo, V4.1-Flash organiza un Transformer de 40 capas como un codificador causal de 20 capas seguido de un decodificador de 20 capas, con la caché global de clave‑valor (KV) del decodificador proyectada a partir de los estados ocultos finales del codificador en lugar de derivarse de los propios estados ocultos de cada capa del decodificador. El diseño activa 8B de parámetros por token durante el pre‑relleno y 16B durante la decodificación; Baseten contrasta eso con V4-Flash, que activa 13B en ambos pasos, presentando el cambio como un intercambio de una decodificación más pesada por un pre‑relleno mucho más ligero, una configuración que, según Baseten, aumenta la eficiencia de costos para los agentes de codificación cuyas bucles agentivos generan muchos más tokens de pre‑relleno que de decodificación.
La tarjeta indica que la Atención Escasa Comprimida 2 del modelo asigna a cada capa de atención uno de tres modos estáticos (Completo, Reindexar o Reutilizar), con un Indexador Jerárquico Escaso en el decodificador que limita el costo de indexación más profundo independientemente de la longitud del contexto. Combinado con la caché principal KV FP4, esos diseños reducen la caché global KV a 890 bytes por token, aproximadamente una cuarta parte de V4-Flash, según la tarjeta. Un mecanismo separado, SWA Bounded Replay, reconstruye los estados KV de atención de ventana deslizante faltantes reproduciendo solo los tokens más recientes, reduciendo la huella KV persistente a aproximadamente una octava parte de V4-Flash. El anuncio de DeepSeek sitúa el ahorro en una cuarta parte de la HBM y una octava parte del almacenamiento SSD de la generación anterior.
Cada capa MoE utiliza un experto compartido y 384 expertos dirigidos con seis expertos dirigidos activos por token, y el modelo añade memoria condicional Engram con 196B de parámetros junto a la decodificación especulativa DSpark, según la tarjeta. DeepSeek entrenó el modelo desde cero en un corpus multimodal de 45T de tokens, entrenó su atención escasa con una longitud de secuencia de 64K, y extendió el contexto a 1M de tokens en 34T de tokens. El post‑entrenamiento sigue una afinación supervisada estándar, aprendizaje por refuerzo, y una secuencia de destilación on‑policy, con cambios sustanciales concentrados en la síntesis automatizada a gran escala de tareas y entornos de agentes, y el modelo expone un ajuste de esfuerzo de razonamiento continuamente controlable de 1 a 100.
Transición de la API de DeepSeek y servicio de Baseten
DeepSeek indica que V4-Flash y V4-Flash-Vision-Exp están retirados en su plataforma, con los nombres de modelo de la API antigua redirigiéndose temporalmente a V4.1-Flash para compatibilidad. La nueva tarificación de la API entró en vigor a las 04:00 UTC del 10 de septiembre de 2026, con tarifas fuera de pico establecidas al 50 % de las tarifas pico, y DeepSeek nombra a los socios oficiales WorkBuddy (incluyendo CodeBuddy) y OpenCode como totalmente compatibles con V4.1-Flash.
Baseten dijo que su pila de Inferencia sirve el modelo usando NVIDIA Dynamo con enrutamiento consciente de la caché KV, dirigiendo cada solicitud a la réplica que ya posee su prefijo en lugar de a cualquier réplica libre. El modelo se ofrece a través de la Biblioteca de Modelos de Baseten, con implementaciones dedicadas disponibles para equipos que necesiten capacidad reservada.
A partir de las 04:00 UTC del 14 de septiembre de 2026, todas las solicitudes deepseek-v4-pro se redirigirán a V4.1-Flash a tarifas de V4.1-Flash, un acuerdo que DeepSeek dijo continuará hasta el lanzamiento de V4.1-Pro; el laboratorio afirmó que pruebas realizadas por múltiples partes posicionan a V4.1-Flash por delante de V4-Pro en rendimiento, costo, velocidad y tiempo total de ejecución.
