DeepSeek liberó oficialmente el 10 de septiembre su modelo V4.1 Flash, una arquitectura mixture-of-experts multimodal de 552.000 millones de parámetros con ventana de contexto de 1 millón de tokens, que la compañía asegura supera a V4 Pro en rendimiento, costo y velocidad.
El modelo incorpora comprensión visual multimodal nativa, algo que las versiones Flash anteriores no ofrecían de forma integrada. A nivel de arquitectura, usa caché KV en FP4 y reutilización de atención entre capas (cross-layer attention reuse), una combinación que DeepSeek dice reduce el caché KV global a apenas 890 bytes por token, la clave para sostener ventanas de contexto de 1M de tokens sin que el costo de memoria se dispare.
En la API, el modelo pasa a llamarse deepseek-flash, y las referencias antiguas a v4-flash se redirigen automáticamente a esta nueva versión, sin que los integradores existentes tengan que cambiar código.
El momento del lanzamiento no pasa inadvertido: llega apenas dos días después de que NSA, CISA y el FBI acusaran formalmente a DeepSeek de haber destilado modelos frontera estadounidenses —incluyendo GPT-5, Gemini 2.5 Pro y varias versiones de Claude— para entrenar precisamente la línea de modelos R1 y V3 de la que V4.1 es heredera directa. DeepSeek no ha respondido públicamente a la alerta al momento de esta publicación.
Para equipos técnicos que operan agentes o pipelines de RAG a gran volumen, un modelo Flash con contexto de 1M de tokens y un caché KV drásticamente más liviano se traduce en menor costo de inferencia por documento largo procesado. Pero adoptar pesos abiertos de un modelo chino para cargas de producción implica hospedaje propio, revisión de residencia de datos, y ahora también sopesar el riesgo de cumplimiento señalado en la alerta de las agencias estadounidenses.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel