DeepSeek

Le dimos a DeepSeek R1 un problema de lógica de varios pasos (un fallo argumental estilo LSAT oculto en tres párrafos) y observamos qué sucedía antes de que apareciera la respuesta. En el bloque <think>, completamente visible, el modelo detectó su propio error en el segundo paso, señaló una incertidumbre explícita sobre una cláusula condicional y luego corrigió el rumbo antes de generar una respuesta final impecable. Ningún otro modelo de vanguardia te muestra eso. GPT-o1 oculta por completo su cadena de pensamiento. Claude resume su enfoque. DeepSeek R1 exterioriza todo su monólogo interno: giros equivocados, autocorrecciones, indicadores de confianza y demás. Esa transparencia es la característica más subestimada de DeepSeek o su diagnóstico más revelador, dependiendo de lo que contenga el razonamiento. Lo que esto te dice sobre si DeepSeek merece un lugar en tu stack tecnológico en 2026 depende en gran medida de lo que estés construyendo y de dónde residan tus datos.

DeepSeek R1 se lanzó el 20 de enero de 2025, afirmando tener costes de entrenamiento de aproximadamente $5.5 millones (unas 20 veces menos que los modelos estadounidenses comparables), y provocó una caída del 16.9% en un solo día en las acciones de NVIDIA, borrando $589 mil millones en capitalización de mercado. DeepSeek V4, lanzado a principios de 2026 y supuestamente entrenado con chips Huawei Ascend eludiendo los controles de exportación de EE. UU., solo ha profundizado las dudas que planteó aquel evento. Las capacidades del modelo son reales. También lo son sus complicaciones.

Un vistazo a DeepSeek. Abril de 2026

El producto para consumidores en deepseek.com es completamente gratuito a partir de abril de 2026; no hay un nivel de suscripción. El modelo al que se accede a través de la aplicación web es DeepSeek V4, que introdujo modos de razonamiento híbridos: un modo de "pensamiento" que produce una cadena de pensamiento extendida visible en las etiquetas <think>, y un modo de "no pensamiento" para respuestas más rápidas sin la sobrecarga del razonamiento. El mismo modelo maneja ambos modos, lo que lo hace más flexible que la anterior división entre V3 y R1.

La API funciona con dos modelos activos. deepseek-v4-flash tiene un precio de $0.14 por millón de tokens de entrada (sin caché) y $0.28 por millón de tokens de salida, y los aciertos de caché reducen los costes de entrada a $0.028, un descuento del 80% que se aplica automáticamente sin necesidad de cambiar el código. deepseek-v4-pro funciona a $1.74 por millón de tokens de entrada y $3.48 por millón de tokens de salida, con aciertos de caché a $0.145. Las ventanas de contexto para ambos modelos alcanzan 1 millón de tokens con una salida máxima de 384K tokens. Los nombres de los modelos heredados deepseek-chat y deepseek-reasoner están obsoletos.

En cuanto a los pesos abiertos, DeepSeek R1 (671B parámetros) y V3 tienen licencia MIT en Hugging Face. Las variantes destiladas de 8B, 14B, 32B y 70B se ejecutan en hardware de consumo a través de Ollama. El modelo completo de 671B requiere entre $40,000 y $80,000 en hardware. DeepSeek V3.1 está disponible en Amazon Bedrock, Azure AI Foundry y Google Cloud Vertex AI con implementaciones en la región de la UE, una solución parcial para la residencia de datos destinada a equipos sin el capital necesario para una infraestructura local.

En qué destaca realmente DeepSeek

La evidencia más clara del valor de DeepSeek se encuentra en las matemáticas, el razonamiento y la programación a un bajo coste de API. DeepSeek R1 logra aproximadamente un 90% de precisión en los puntos de referencia matemáticos de AIME 2024, frente al 83% de GPT-4o. En tareas de programación estilo LeetCode: un revisor de ProductHunt probó la versión destilada R1 70B en ocho problemas de migración de Kotlin a TypeScript y encontró "puntuaciones de corrección superiores en comparación con los modelos de la competencia". El modelo destilado de 70B se ejecuta localmente a través de Ollama sin costes de API ni necesidad de que los datos salgan de tu infraestructura.

El rastro de razonamiento es útil más allá de llegar a las respuestas correctas. Como escribió un desarrollador en mccormickml.com en febrero de 2025: "Puedes aprender mucho sobre el problema que intentas resolver a partir de los tokens de razonamiento, no solo del resultado final del modelo". Para depurar el comportamiento del modelo, crear ejemplos prácticos o comprender dónde falla el razonamiento, el bloque <think> expuesto es una herramienta cualitativamente diferente a la de los modelos que solo muestran su conclusión.

La ventaja de costes para los usuarios de API de alto volumen no es marginal. Los equipos que ejecutan procesamiento de documentos por lotes, canales RAG o inferencia de alta frecuencia informan de caídas de costes del 50 al 95% al cambiar desde GPT-4o o GPT-5. A $0.14 por millón de tokens de entrada, las matemáticas son sencillas. Para aplicaciones sensibles a la privacidad, los pesos abiertos con licencia MIT proporcionan una salida total de las API alojadas. Un comentarista de Hacker News citó "la seguridad/protección de la propiedad intelectual como la principal ventaja, evitando por completo las API remotas". Los equipos legales y las empresas con requisitos de residencia de datos que ejecutan variantes destiladas en infraestructura privada obtienen una calidad de razonamiento casi de vanguardia con cero telemetría.

Dónde falla DeepSeek: los errores recurrentes de los usuarios

El problema de la censura no es una preocupación menor. DeepSeek se niega a tratar temas como la Plaza de Tiananmen, el estatus político de Taiwán o las críticas al Partido Comunista Chino. Probado directamente a principios de 2025, el modelo respondió a una pregunta sobre la Plaza de Tiananmen de 1989 con: "Lo siento, eso está fuera de mi alcance actual. Hablemos de otra cosa". Sobre Taiwán, afirmó que "Taiwán, como parte de China, no es un país" antes de eliminar la respuesta y repetir el mensaje de fuera de alcance. Estos no son casos aislados que involucren temas oscuros; afectan a investigadores sobre China, periodistas, trabajadores de derechos humanos, empresas con sede en Taiwán y a cualquiera que desarrolle productos que puedan hacer referencia a la historia geopolítica moderna. Ron Deibert, director de Citizen Lab en la Universidad de Toronto, señaló que lo inusual aquí es que "es raro que las aplicaciones con sede en China censuren a los usuarios internacionales"; el filtrado se extiende más allá de las consultas en chino a los usuarios de habla inglesa a nivel mundial.

La exposición de la privacidad del producto alojado está documentada, no es teórica. El 29 de enero de 2025, Wiz Research descubrió una base de datos ClickHouse de acceso público en subdominios de DeepSeek que contenía más de un millón de registros de flujo de datos, incluidos historiales de chat de usuarios, claves de API en texto plano, detalles de la infraestructura de backend y metadatos operativos, sin requerir autenticación. La exposición se divulgó de manera responsable y se parcheó rápidamente, pero confirmó que la infraestructura que protege los datos de los usuarios tenía brechas importantes. Por separado, NowSecure descubrió que la aplicación de iOS de DeepSeek transmitía datos del dispositivo sin cifrar a Volcengine, la plataforma en la nube de ByteDance. Todos los datos de los usuarios procesados a través de la API o la aplicación para consumidores se almacenan en servidores de la República Popular China sujetos a la Ley de Inteligencia Nacional de China de 2017.

En cuanto al rendimiento, el modo de razonamiento detallado crea una categoría de fallo específica para tareas simples. El modo de pensamiento produce largas cadenas de razonamiento para preguntas que no lo justifican, y el modelo puede argumentar hasta llegar a respuestas incorrectas partiendo de puntos iniciales correctos:

"Demasiado verboso en preguntas normales, incluso después de ajustar los parámetros para mayor brevedad. Efectivo solo para fragmentos de código". Revisor de ProductHunt, 2025

"El modelo cuenta correctamente tres 'R' en 'strawberry', luego discute repetidamente consigo mismo que la respuesta debe ser dos, negándose finalmente a confiar en su propio razonamiento". Comentarista de Hacker News, hilo id 42768072, 2025

El bloque <think> hace visibles estos colapsos, lo cual es útil para el diagnóstico, pero no cuando necesitas respuestas fiables a consultas sencillas.

La disponibilidad del servidor ha sido un problema continuo desde el aumento de demanda en su lanzamiento en enero de 2025. La infraestructura absorbió un ataque DDoS de 230 millones de visitas durante cinco días a principios de 2025, y los errores 429 de "servidor ocupado" fueron generalizados a lo largo de 2025. Los desarrolladores que prueban integraciones y necesitan fiabilidad no pueden depender del producto gratuito para consumidores bajo carga.

DeepSeek frente a GPT-4o frente a Llama

ChatGPT (GPT-4o / GPT-5): El argumento de DeepSeek es el coste. V4-flash es entre 10 y 30 veces más barato por token, y el producto para consumidores es gratuito sin suscripción. ChatGPT no censura temas geopolíticamente sensibles, almacena datos bajo la jurisdicción de EE. UU. y ofrece una fiabilidad de infraestructura significativamente mejor. Para los equipos que desarrollan productos internacionales o cualquier cosa relacionada con la historia geopolítica, la ausencia de censura política de ChatGPT es un requisito funcional. Para canales de inferencia apolíticos de alto volumen, la ventaja de costes de DeepSeek es acumulativa.

Llama (Meta): La comparación se centra en la implementación local. Llama 3.1 70B de Meta y la versión destilada DeepSeek R1 70B compiten directamente para el uso autoalojado. La versión destilada de DeepSeek R1 supera a Llama 3.1 70B en las pruebas de razonamiento, pero Llama no tiene problemas de censura y cuenta con un ecosistema de ajuste fino más maduro. Ambos modelos son de pesos gratuitos. Los equipos que necesitan el ecosistema de autoalojamiento más probado en producción eligen Llama; los equipos que priorizan el rendimiento en las pruebas de razonamiento y se sienten cómodos con la contrapartida de la censura optan por la versión destilada de DeepSeek R1.

El caso de uso que se resuelve claramente a favor de DeepSeek es la inferencia apolítica de alto volumen a través de API, particularmente para productos SaaS sensibles a los costes donde las facturas de OpenAI se han convertido en una partida presupuestaria significativa.

¿Vale la pena el nivel de pago?

El producto para consumidores de DeepSeek no tiene un nivel de pago a partir de abril de 2026; las aplicaciones web y móviles son completamente gratuitas. La cuestión del coste reside a nivel de API, donde la elección es entre v4-flash y v4-pro.

V4-flash a $0.14/1M de tokens de entrada es la opción predeterminada para la mayoría de los casos de uso. Para el procesamiento de documentos por lotes, la recuperación RAG, los canales de resumen y la asistencia general de programación, la relación calidad-precio del modelo flash es difícil de igualar. El descuento automático por acierto de caché, que reduce los costes de entrada a $0.028/1M cuando los prompts comparten prefijos, significa que las aplicaciones con prompts de sistema consistentes o contexto repetido obtienen una reducción del 80% en el coste de entrada sin necesidad de realizar cambios en la implementación.

V4-pro a $1.74/1M de tokens de entrada es la decisión correcta para los equipos que han evaluado la calidad de razonamiento en su tipo de tarea específica y necesitan la profundidad extendida de la cadena de pensamiento del nivel premium. A ese precio, GPT-4o y Claude Sonnet son opciones competitivas, y su historial más limpio en cuanto a residencia de datos puede inclinar la balanza para cargas de trabajo profesionales. Para la mayoría de los desarrolladores, el punto de partida es v4-flash con optimización de caché. La ventana de contexto (1M de tokens) y el límite de salida (384K tokens) admiten flujos de trabajo con documentos largos sin necesidad de fragmentación.

Mejores casos de uso (y cuándo evitarlo)

DeepSeek funciona bien para: inferencia de API de alto volumen donde los costes de OpenAI o Anthropic están afectando materialmente los márgenes; aplicaciones con gran carga matemática, incluidas plataformas de tutoría, herramientas de programación competitiva y asistentes de computación científica; revisión y depuración de código donde el rastro de razonamiento ayuda a los usuarios a comprender por qué funciona una solución; e implementaciones autoalojadas en infraestructura privada donde los datos nunca salen de la organización.

El caso de uso inesperado que surge repetidamente en las comunidades de desarrolladores es la ejecución local de variantes destiladas como un motor de razonamiento sin censura para investigaciones legal o competitivamente sensibles. Los pesos con licencia MIT se pueden modificar y la capa de alineación posterior al entrenamiento se puede eliminar, lo que significa que un modelo ejecutado localmente responderá preguntas que la versión alojada rechaza. Los equipos han documentado este flujo de trabajo para inteligencia competitiva que involucra la dinámica del mercado chino, revisión de documentos legales que abarcan análisis regulatorios transfronterizos e investigación académica sobre la historia de China. La configuración práctica: versión destilada cuantizada de 14B o 32B a través de Ollama para tareas sensibles, y API alojada para inferencia básica a $0.14/1M de tokens para el resto.

Evita DeepSeek para flujos de trabajo que involucren la política de China, Taiwán, el Tíbet o Hong Kong; la censura es constante y no configurable. Evítalo para aplicaciones empresariales donde la residencia de datos en la República Popular China sea una barrera de cumplimiento, para equipos que necesiten garantías de fiabilidad de la infraestructura (el nivel gratuito no es de nivel de producción bajo carga) y para la escritura creativa o conversaciones abiertas donde la brecha de calidad frente a ChatGPT y Claude sigue siendo evidente.

Primeros pasos con DeepSeek

La aplicación para consumidores solo requiere un registro por correo electrónico. Para la API, regístrate en platform.deepseek.com; la API es compatible con OpenAI, por lo que las integraciones existentes del SDK de OpenAI se cambian modificando únicamente la URL base y el nombre del modelo. Usa deepseek-v4-flash o deepseek-v4-pro; los nombres heredados deepseek-chat y deepseek-reasoner están obsoletos.

Para la implementación local, las variantes destiladas de R1 están en Hugging Face en github.com/deepseek-ai/DeepSeek-R1 bajo licencia MIT. Ollama las soporta de forma nativa: ollama pull deepseek-r1:70b. Una versión cuantizada de 32B cabe en una sola GPU de 24GB. Última prueba: abril de 2026.