DeepSeek ha lanzado DeepSeek-V4.1-Flash-1017, una actualización menor de su modelo V4.1-Flash diseñada para mejorar el rendimiento en tareas de razonamiento, programación y agentes. El modelo está construido sobre una arquitectura Causal Encoder-Decoder (CED), lo que supone un cambio respecto a las iteraciones anteriores. Una característica arquitectónica clave de este modelo es su diseño de mezcla de expertos (MoE) dispersa; activa 8 mil millones de parámetros en la entrada y 16 mil millones en la salida a partir de una estructura base de 552 mil millones de parámetros. Esta división asimétrica tiene como objetivo mantener bajo el cómputo por token mientras se preservan las capacidades de un modelo a gran escala.
Esta imagen representa la ficha oficial del modelo para el lanzamiento de DeepSeek-V4.1-Flash-1017.
La actualización se centra en avanzar la frontera de Pareto entre rendimiento y coste, particularmente para tareas de largo alcance y cargas de trabajo de agentes. Según el informe técnico, el modelo logra mejoras significativas en pruebas de rendimiento como DeepSWE v1.1, donde obtuvo una puntuación de 77.0, y ProgramBench, donde alcanzó 29.1. Para respaldar estas mejoras, DeepSeek implementó un almacenamiento en caché KV (Key-Value) comprimido, que reduce la memoria de caché a aproximadamente una cuarta parte de la generación Flash anterior. Esta reducción en la sobrecarga de memoria es un factor crítico para reducir los costes y mejorar la velocidad en tareas complejas de múltiples pasos que requieren análisis de contexto largo.
Si bien el modelo ofrece mejoras sustanciales en velocidad y finalización de tareas, enfrenta diferentes compensaciones en comparación con otros modelos de gama alta. Por ejemplo, aunque supera a algunos competidores en pruebas de programación específicas, todavía puede quedar rezagado frente a modelos de primer nivel como GPT-5.6 Sol en ciertas tareas de razonamiento complejo. Además, el rendimiento del modelo depende en gran medida de la integración de sus nuevas API de 'Search & Fetch', que ahora están abiertas a todos los usuarios. Estas API, impulsadas por el motor de búsqueda interno de DeepSeek, están diseñadas para facilitar la recuperación de información en tiempo real, aunque su eficacia en entornos de producción sigue siendo un factor que los desarrolladores deben evaluar al realizar la transición desde la versión anterior.