El sábado 17 de octubre de 2026, DeepSeek cambió el modelo detrás del nombre de API deepseek-flash por un nuevo checkpoint, DeepSeek-V4.1-Flash-1017. El precio no cambió, la ventana de contexto no cambió y el método de llamada tampoco. Lo que cambió es el modelo: DeepSeek informa de mejoras de dos cifras en los benchmarks de terminal y de construcción de programas, y afirma que el nuevo checkpoint termina las tareas más rápido y con salidas más cortas.
La respuesta corta: si ejecutas agentes de programación o flujos de trabajo intensivos en herramientas con V4.1 Flash de septiembre, cambia. Pagas lo mismo por token y, según el propio gráfico de costes de DeepSeek, mucho menos por tarea completada. Si tu carga de trabajo son preguntas y respuestas intensivas en conocimiento, el caso es más débil, y los modelos de frontera siguen liderando en ese terreno.
En AIHubMix, el nuevo checkpoint tiene su propio ID, deepseek-v4.1-flash-1017, así que nada cambia por sí solo hasta que modifiques el nombre del modelo.
Qué cambió y qué se mantuvo
La nota de lanzamiento de DeepSeek describe 1017 como "una mejora de Pareto en rendimiento y coste", y la ficha de Hugging Face lo llama "una actualización menor". Ambas afirmaciones son acertadas: la arquitectura y la superficie de la API no se han tocado, y el post-entrenamiento es nuevo (DeepSeek describe el "aprendizaje por refuerzo con autorretroalimentación para mejorar el desarrollo de proyectos de extremo a extremo").
| Elemento | V4.1 Flash de septiembre | V4.1 Flash 1017 |
|---|---|---|
| Arquitectura | MoE de 552B, 8B / 16B activos | Igual |
| Contexto / salida máxima | 1M / 384K | Igual |
| Entrada | Texto e imágenes | Igual |
| Razonamiento por defecto | Activado, esfuerzo alto | Igual |
| Niveles de esfuerzo | low / high / max | Igual |
| Nombre de API de DeepSeek | deepseek-flash | deepseek-flash (ahora 1017) |
| Precio de lista | Sin cambios | Sin cambios |
| Longitud de salida | Larga | Más corta (según DeepSeek, sin cuantificar) |
Los nombres antiguos deepseek-v4-flash y deepseek-v4-flash-vision-exp siguen funcionando en la API de DeepSeek, y ambos ya usan 1017 a precios de Flash. DeepSeek no ofrece forma de fijar el checkpoint de septiembre, así que quien llame directamente a deepseek-flash ya ha sido migrado.
Dónde se notaron las mejoras
Todas las cifras siguientes proceden de la ficha del modelo y del registro de cambios de DeepSeek; nadie las ha reproducido de forma independiente todavía. The Decoder y Kingy.ai han compilado la misma tabla y señalan la misma advertencia.
| Benchmark | Septiembre | 1017 | Cambio |
|---|---|---|---|
| Terminal-Bench 4.0 | 31.2 | 42.3 | +11.1 |
| ProgramBench | 20.3 | 29.1 | +8.8 |
| Apex Bench v1.1 | 64.6 | 72.1 | +7.5 |
| HLE, sin herramientas | 36.8 | 42.6 | +5.8 |
| Automation-Bench | 54.8 | 60.5 | +5.7 |
| Agents' Last Exam | 31.8 | 35.4 | +3.6 |
| DeepSWE v1.1 | 74.2 | 77.0 | +2.8 |
| NL2Repo-Bench | 65.4 | 68.2 | +2.8 |
| BabyVision, con herramientas | 89.6 | 92.5 | +2.9 |
Terminal-Bench 4.0 se ejecutó en el arnés de Claude Code; DeepSWE, en mini-SWE-v2.
El patrón es claro: los mayores saltos se dan en sesiones largas de terminal y en la construcción de un programa desde cero, lo que coincide con lo que DeepSeek dice haber entrenado. La reparación de errores a nivel de repositorio (DeepSWE, NL2Repo) y la visión se movieron entre dos y tres puntos.
Las salidas más cortas son la mejora real
El checkpoint de septiembre era caro de ejecutar para un modelo barato porque hablaba mucho. Cuando Artificial Analysis ejecutó su Intelligence Index con esfuerzo máximo, generó unos 250M de tokens de salida frente a una mediana de 130M, y un 62% más que V4 Pro 0813 de DeepSeek.
1017 apunta exactamente a eso. El gráfico de DeepSWE de DeepSeek (coste por tarea en el eje x, según lo interpreta The Decoder) sitúa el modelo de septiembre en 74,2% por unos 0,50 $ por tarea, 1017 en su ajuste más alto en 77,0% por algo menos de 0,20 $, y 1017 en su ajuste bajo por encima del 72% por unos 0,10 $. Como el precio por token es idéntico, casi todo ese ahorro procede de que el modelo usa menos tokens y termina en menos turnos.
Dos advertencias. DeepSeek no ha dicho cuánto más cortas son las salidas, y estos costes por tarea se leen de un gráfico del proveedor, no los ha medido un tercero. Prueba tu propia carga de trabajo antes de planificar con un ahorro del 60%.
Qué tan cerca llega del nivel superior
Dentro de la gama de DeepSeek, el nivel superior es V4 Pro 0813, y 1017 ya lo supera en todos los benchmarks agentivos que DeepSeek publica para ambos (Terminal-Bench 4.0: 42,3 frente a 12,4; DeepSWE: 77,0 frente a 62,7). Eso tendrá su propio artículo en esta serie.
Frente a los modelos de frontera, el panorama es mixto. La tabla de DeepSeek supera a Claude Opus 5 en DeepSWE, Automation-Bench, Agents' Last Exam y Apex, pero Opus 5 sigue liderando en Terminal-Bench 4.0 (51,8), ProgramBench (37,0), NL2Repo (75,3) y HLE (56,3). DeepSeek también comparó con modelos anteriores: Opus 5.5, Sonnet 5.5 y la generación GPT-6 no aparecen en su tabla, y Google informa por separado de que Opus 5.5 obtiene 66,4 en Terminal-Bench 4.0.
Precio y coste real
| Modelo | Entrada DeepSeek | Salida DeepSeek | Entrada AIHubMix | Salida AIHubMix |
|---|---|---|---|---|
| V4.1 Flash (septiembre) | $0.30 | $1.20 | $0.3098 | $1.2392 |
| V4.1 Flash 1017 | $0.30 | $1.20 | $0.3098 | $1.2392 |
| V4 Pro 0813 | $1.32 | $3.96 | $1.3944 | $4.1832 |
Precios máximos por 1M de tokens, fallo de caché. Las horas punta son de 01:00 a 04:00 y de 06:00 a 10:00 UTC en días laborables; todas las demás horas, los fines de semana y los festivos públicos chinos son de horas valle, a la mitad del precio. Los aciertos de caché de Flash cuestan 0,006 $ en DeepSeek y 0,0062 $ en AIHubMix en horas punta. AIHubMix tiene actualmente un descuento del 30% por tiempo limitado en 1017; las cifras de aquí usan precios de lista.
Una sesión de agente, calculada. Ninguna prueba publicada ofrece recuentos de tokens por tarea para 1017, así que este ejemplo usa supuestos declarados: una sesión de corrección de errores de 40 llamadas al modelo, 1,2M de tokens de entrada en total con un 90% servido desde caché, y 60K tokens de salida incluyendo el razonamiento. A precios de lista de AIHubMix:
| Modelo | Punta | Valle |
|---|---|---|
| V4.1 Flash 1017 | $0.118 | $0.059 |
| V4 Pro 0813 | $0.469 | $0.233 |
Cálculo para 1017 en hora punta: 0,12M × 0,3098 $ + 1,08M × 0,0062 $ + 0,06M × 1,2392 $ = 0,118 $.
Los mismos recuentos de tokens cuestan lo mismo en el modelo de septiembre, porque el precio es idéntico. La diferencia aparece en los propios recuentos de tokens: si 1017 necesita menos turnos y respuestas más cortas para la misma corrección, la factura baja con ellos. Programar el trabajo por lotes fuera de las horas punta la reduce a la mitad otra vez.
El esfuerzo es la otra palanca. El artículo de V4.1 Flash de DeepSeek asigna los niveles low, high y max de la API a valores internos de esfuerzo de 50, 75 y 100, y señala que el último paso a max "alarga las trayectorias de los agentes entre 1,6 y 1,8 veces para mejoras solo marginales". Empieza los agentes con high, que es el valor por defecto, y reserva max para las tareas más difíciles.
Dónde no es la mejor opción
- Preguntas intensivas en conocimiento. HLE sin herramientas obtiene 42,6, muy por detrás de Opus 5 (56,3) y por debajo de Claude Haiku 5.5 (45,9, cifra de Anthropic). El conocimiento puro sigue siendo el punto débil de la línea Flash.
- Sesiones largas y difíciles en la shell. Terminal-Bench 4.0 con 42,3 es un salto notable, pero Sonnet 5.5 (70,6) y Opus 5.5 (66,4) están en otra liga en ese benchmark.
- Cargas de trabajo que necesitan un modelo congelado. En la propia API de DeepSeek,
deepseek-flashes un alias móvil y el checkpoint de septiembre no puede fijarse. Si necesitas un comportamiento reproducible, llama a un ID de modelo con fecha. - Tráfico que cae todo en horas punta. El precio en horas valle es la mitad del de punta; una carga de trabajo atrapada en la ventana de días laborables de 01:00 a 10:00 UTC paga la tarifa completa.
Quién debería cambiar y quién debería esperar
- Cambia ya: agentes de programación, automatización de terminal y flujos con llamadas a herramientas sobre el Flash de septiembre. Mismo precio, mejores puntuaciones y menos tokens por tarea según la medida de DeepSeek.
- Cambia tras una prueba de regresión: prompts de producción con formatos de salida estrictos o suites de evaluación. Las salidas más cortas pueden romper analizadores que esperaban la verbosidad anterior.
- Quédate donde estás o busca otra opción: preguntas y respuestas intensivas en conocimiento y depuración difícil que ya requiere un modelo de frontera. 1017 no cambia eso.
Pruébalo en AIHubMix
AIHubMix sirve 1017 mediante Chat Completions, la API de Responses y Anthropic Messages. Crea una clave y sigue la guía de inicio rápido, y luego llámalo con el SDK de openai:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["AIHUBMIX_API_KEY"],
base_url="https://aihubmix.com/v1",
)
resp = client.chat.completions.create(
model="deepseek-v4.1-flash-1017",
messages=[{"role": "user", "content": "Write a Python function that merges overlapping intervals."}],
reasoning_effort="high",
max_tokens=32000,
)
print(resp.choices[0].message.content)
En una prueba realizada el 19 de octubre, AIHubMix aceptó low, high y max para reasoning_effort, y el campo model de cada respuesta indicó deepseek-v4-1-flash-261017, lo que permite confirmar que respondió el checkpoint 1017. El razonamiento está activado por defecto y los tokens de razonamiento cuentan para max_tokens, así que conviene dejarlo generoso; la ficha del modelo recomienda al menos 256K para ejecuciones largas de agentes. Para ver ambos checkpoints lado a lado, abre la página de comparación de AIHubMix.
Preguntas frecuentes
¿DeepSeek V4.1 Flash 1017 es un modelo nuevo o una actualización?
Es un checkpoint actualizado de V4.1 Flash, con la misma arquitectura, ventana de contexto y superficie de API. DeepSeek lo llama una actualización menor; las mejoras en benchmarks proceden del nuevo post-entrenamiento.
¿Cambió el precio con 1017?
No. DeepSeek mantuvo el precio de Flash en 0,30 $ de entrada y 1,20 $ de salida por 1M de tokens en hora punta, y la mitad de ese precio en horas de menor demanda. AIHubMix lo lista a 0,3098 $ y 1,2392 $ en hora punta, con un descuento del 30% por tiempo limitado que está vigente ahora.
¿Qué ID de modelo uso en AIHubMix?
Usa deepseek-v4.1-flash-1017. El nombre deepseek-flash pertenece a la API propia de DeepSeek, donde ahora apunta a 1017.
¿Puedo seguir usando el checkpoint de septiembre en la API de DeepSeek?
No. DeepSeek trasladó deepseek-flash y los nombres Flash anteriores a 1017 y no ofrece un nombre fijado para la versión de septiembre.
¿Cuánto más cortas son las salidas?
DeepSeek no ha publicado ninguna cifra. Su gráfico de DeepSWE implica que el coste por tarea bajó de unos 0,50 $ a menos de 0,20 $ con el mismo precio por token, lo que apunta a ejecuciones mucho más cortas, pero es una cifra del proveedor.
¿Qué esfuerzo de razonamiento debo usar?
Empieza con high, que es el valor por defecto. Usa low para llamadas simples y sensibles a la latencia, y max solo para las tareas más difíciles, ya que el propio artículo de DeepSeek dice que max alarga las ejecuciones de agentes entre 1,6 y 1,8 veces a cambio de pequeñas mejoras.
¿Es 1017 mejor que Claude Opus 5?
En algunos benchmarks agentivos, DeepSeek informa de que lo supera, como DeepSWE y Automation-Bench. Opus 5 sigue liderando en Terminal-Bench 4.0, ProgramBench, NL2Repo y HLE, y los modelos de frontera más recientes no formaron parte de la comparación de DeepSeek.
Sigue leyendo: la serie DeepSeek V4.1 Flash 1017
- ¿Vas a migrar una integración existente? La guía de migración cubre el error 400 de
reasoning_content, el cambio silencioso de alias, la facturación en hora punta y la configuración de herramientas de programación: Migrar a DeepSeek V4.1 Flash 1017: el error 400 de reasoning_content, el cambio silencioso de alias y la facturación en hora punta - ¿Lo comparas con el modelo más económico de Anthropic para trabajo con agentes? La comparativa cara a cara enfrenta ambos en una tarea de programación en terminal: DeepSeek V4.1 Flash 1017 vs Claude Haiku 5.5: ¿Qué modelo barato elegir para agentes de programación en terminal?
- ¿Sigues pagando por V4 Pro? Este artículo comprueba si Flash ya lo ha vuelto redundante: DeepSeek V4.1 Flash 1017 vs V4 Pro: ¿Ya es suficiente Flash?
Fuentes
- Nota de lanzamiento de DeepSeek-V4.1-Flash-1017 (DeepSeek)
- Ficha del modelo DeepSeek-V4.1-Flash-1017 (Hugging Face)
- DeepSeek V4.1 Flash 1017 en AIHubMix (AIHubMix)
- DeepSeek V4.1 Flash 1017 supera a rivales más grandes en tareas agénticas (The Decoder)
- DeepSeek V4.1 Flash 1017 probado: especificaciones, benchmarks y precio (Kingy.ai)
