DeepSeek lanza V4.1-Flash: reduce memoria caché para agentes de IA más baratos
Hecho Qué ha ocurrido
DeepSeek publicó V4.1-Flash, un modelo multimodal de 552.000 millones de parámetros que reduce la memoria caché KV a una cuarta parte respecto a su predecesor, con solo 16.000 millones de parámetros activos por token. En el benchmark DeepSWE v1.1 supera por poco a Opus 5 de Anthropic y GPT-5.6 Sol de OpenAI (74,2%), aunque queda por detrás en ProgramBench y en lectura de imágenes complejas. El modelo se distribuye bajo licencia MIT en Hugging Face y mantiene los mismos precios de API que V4-Flash.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
La reducción drástica de memoria caché abarata significativamente el despliegue de agentes de IA que operan en contextos largos y con múltiples llamadas a herramientas, un cuello de botella clave para la adopción empresarial de agentes autónomos.
- Quién se ve afectado
- Empresas que desarrollan o despliegan agentes de IA, proveedores de infraestructura cloud y equipos técnicos que gestionan costes de inferencia.
- Qué puede cambiar
- Los agentes de IA con contextos largos podrían volverse más viables económicamente al reducirse drásticamente los requisitos de memoria GPU y almacenamiento, y al ser open source bajo MIT, abre la puerta a que otros actores construyan sobre esta arquitectura.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la adopción real de V4.1-Flash por parte de desarrolladores de agentes, si otros laboratorios adoptan técnicas similares de compresión de caché KV, y el desarrollo del IPO de DeepSeek en China tras su ronda de financiación de 7.400 millones de dólares.
Recomendación Qué debería hacer una empresa
Equipos técnicos que desarrollan agentes de IA con contextos largos deberían evaluar V4.1-Flash en pruebas piloto en los próximos 3-6 meses para comparar costes de inferencia frente a alternativas cerradas.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗LLMagentesmultimodalcoding DeepSeekAnthropicOpenAI agentes de IA China código abierto DeepSeek V4.1-Flash
Relacionadas
DeepSeek-V4: modelo abierto con contexto de 1M tokens optimizado para agentes
DeepSeek ha publicado V4, un modelo de lenguaje abierto con ventana de contexto de 1 millón de tokens diseñado específicamente para flujos de trabajo de…
Por qué importaUn modelo abierto con contexto ultra-largo y eficiencia demostrada en tareas de agentes agenticos resuelve limitaciones prácticas actuales: permite…
DeepSeek V4 Pro 0813 disponible con pesas de 1.7 billones de parámetros
DeepSeek ha lanzado el modelo V4 Pro 0813, disponible únicamente a través de API en OpenRouter. Las pesas del modelo (1.7 billones de parámetros, 893 GB) están…
Por qué importaLa iteración regular de DeepSeek mantiene la presión competitiva en el mercado de grandes modelos de lenguaje y su estrategia de código abierto…
DeepSeek detalla su plataforma DSEC para gestionar 380.000 sandboxes simultáneos de agentes de IA
DeepSeek publicó el 19 de septiembre un paper en arXiv sobre DeepSeek Elastic Compute (DSEC), su plataforma de entrenamiento de agentes de IA a escala. El…
Por qué importaEs un ejemplo raro de transparencia técnica sobre los fallos reales de infraestructura al entrenar agentes autónomos, algo que los laboratorios…
Deepseek lanza V4.1-Flash-1017 con pesos abiertos y abre su buscador a desarrolladores
Deepseek ha publicado V4.1-Flash-1017, una versión actualizada de su modelo Flash, disponible en su web, app y API, con los pesos abiertos en Hugging Face y…
Por qué importaSi los resultados se confirman, un modelo abierto de menor coste por tarea en programación y agentes puede reducir el gasto de las empresas que…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.