{"id":427973,"date":"2026-09-10T11:16:00","date_gmt":"2026-09-10T09:16:00","guid":{"rendered":"https:\/\/cms-articles.softonic.io\/es\/?p=427973"},"modified":"2026-09-10T11:16:16","modified_gmt":"2026-09-10T09:16:16","slug":"deepseek-lanza-hoy-v4-1-flash-1-millon-de-tokens-y-menos-cache","status":"publish","type":"post","link":"https:\/\/cms-articles.softonic.io\/es\/deepseek-lanza-hoy-v4-1-flash-1-millon-de-tokens-y-menos-cache\/","title":{"rendered":"DeepSeek lanza hoy V4.1-Flash: 1 mill\u00f3n de tokens y menos cach\u00e9"},"content":{"rendered":"

DeepSeek ha movido ficha con DeepSeek V4.1-Flash<\/a>. La nueva versi\u00f3n de su modelo multimodal apunta a un problema muy concreto: abaratar el uso de contextos largu\u00edsimos<\/strong> sin que se disparen la memoria ni el ancho de banda. La compa\u00f1\u00eda dice que mejora en rendimiento, velocidad y eficiencia frente a la generaci\u00f3n anterior, y que lleva la ventana de contexto hasta 1 mill\u00f3n de tokens.<\/p>\n\n

La cifra, por s\u00ed sola, impresiona menos de lo que parece. Lo interesante aqu\u00ed no es tanto llegar al mill\u00f3n de tokens como intentar que ese tama\u00f1o tenga sentido fuera de una demo y pueda sostenerse en producci\u00f3n.<\/p>\n\n

Ah\u00ed entra uno de los datos que m\u00e1s ha querido destacar la empresa. DeepSeek asegura que la huella global de cach\u00e9 KV baja hasta 890 bytes por token<\/strong>, m\u00e1s o menos una cuarta parte de la de DeepSeek-V4-Flash y unas 437 veces menos que en DeepSeek-V1.<\/p>\n\n

Tambi\u00e9n cambia bastante la forma en que se reparte el trabajo interno del modelo. Siempre seg\u00fan DeepSeek, V4.1-Flash usa una arquitectura multimodal de mezcla de expertos con 552.000 millones de par\u00e1metros de backbone y otros 196.000 millones de par\u00e1metros Engram. Pero no mueve todo eso a la vez: durante el prefill activa 8.000 millones de par\u00e1metros<\/strong> por token, y en decodificaci\u00f3n sube a 16.000 millones.<\/p>\n\n

Ese dise\u00f1o responde a un cuello de botella<\/strong> muy espec\u00edfico.<\/p>\n\n

DeepSeek sostiene que los agentes con horizontes largos y los prefills repetidos han convertido la cach\u00e9 KV en un problema operativo serio. Su respuesta pasa por recortar memoria y aliviar la presi\u00f3n sobre el ancho de banda cuando toca manejar historiales enormes, que es justo donde muchos sistemas empiezan a sufrir.<\/p>\n\n

La base del modelo, explica la compa\u00f1\u00eda, est\u00e1 partida en 40 capas<\/strong>. Se reparten en un codificador causal de 20 capas y un decodificador con otras 20.<\/p>\n\n

A partir de ah\u00ed, la separaci\u00f3n de tareas es bastante clara. Los tokens del prompt se quedan en el codificador, mientras que el decodificador recibe la KV global desde el estado oculto final del encoder. DeepSeek afirma que este reparto casi parte por la mitad el c\u00f3mputo del prefill.<\/p>\n\n

Claro que separar as\u00ed encoder y decoder abre otro frente: c\u00f3mo no perder atenci\u00f3n local por el camino. Seg\u00fan la empresa, la ventana deslizante de 128 tokens<\/strong> sigue presente en todas las capas, y los estados SWA del decodificador se reconstruyen repitiendo solo los \u00faltimos 128 tokens del prompt mediante una t\u00e9cnica llamada Decoder SWA Bounded Replay.<\/p>\n\n

Luego est\u00e1 Compressed Sparse Attention 2, o CSA2, que a\u00f1ade otra capa de compresi\u00f3n y reutilizaci\u00f3n. DeepSeek dice que las capas Full calculan KV e \u00edndices Top-512 nuevos, las Reindex vuelven a puntuar KV reutilizada y las Reuse directamente se saltan esa parte. En el decodificador, adem\u00e1s, aparece un indexador jer\u00e1rquico con grupos de candidatos de hasta 16.384 posiciones.<\/p>\n\n

La cach\u00e9 KV principal tambi\u00e9n se comprime por cuantizaci\u00f3n. Seg\u00fan DeepSeek, la compa\u00f1\u00eda la lleva a FP4<\/strong>, en concreto E2M1 con una escala E4M3 por cada 16 canales. La idea est\u00e1 inspirada en NVFP4 y se ha introducido mediante ajuste posterior con cuantizaci\u00f3n consciente; en almacenamiento, dicen, eso casi reduce a la mitad lo que ocupaba la cach\u00e9 FP8 de V4.<\/p>\n\n

En distribuci\u00f3n, el enfoque es bastante abierto. DeepSeek ha optado por licencia MIT<\/strong>, pesos abiertos y compatibilidad con vLLM, SGLang y Transformers en Hugging Face. A eso le suma una API p\u00fablica con niveles de razonamiento low, high y max.<\/p>\n\n

Los primeros comentarios de algunos probadores beta van en la l\u00ednea que cab\u00eda esperar de un lanzamiento as\u00ed: hablan de velocidades de hasta 427 tokens por segundo<\/strong> y de un rendimiento s\u00f3lido tanto con contextos largos como en tareas de programaci\u00f3n.<\/p>\n\n

Tambi\u00e9n hay movimiento en precios. DeepSeek ha recortado tarifas dentro de la familia V4 Flash y sostiene que DeepSeek V4.1-Flash puede sustituir a DeepSeek V4 Pro<\/a> en rendimiento, rapidez y eficiencia de costes. Falta ver cu\u00e1nto aguanta esa comparaci\u00f3n cuando haya m\u00e1s pruebas externas: por ahora las evaluaciones independientes siguen siendo pocas, y ya han salido avisos de algunos beta testers sobre fallos multimodales<\/strong> y un comportamiento irregular en tareas como simulaci\u00f3n f\u00edsica.<\/p>","protected":false},"excerpt":{"rendered":"

DeepSeek ha movido ficha con DeepSeek V4.1-Flash. La nueva versi\u00f3n de su modelo multimodal apunta a un problema muy concreto: abaratar el uso de contextos largu\u00edsimos sin que se disparen la memoria ni el ancho de banda. La compa\u00f1\u00eda dice que mejora en rendimiento, velocidad y eficiencia frente a la generaci\u00f3n anterior, y que lleva … Continue reading “DeepSeek lanza hoy V4.1-Flash: 1 mill\u00f3n de tokens y menos cach\u00e9”<\/span><\/a><\/p>\n","protected":false},"author":9350,"featured_media":427972,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","wpcf-pageviews":0},"categories":[9317],"tags":[],"usertag":[],"vertical":[],"content-category":[14053],"class_list":["post-427973","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","content-category-ia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/427973","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/users\/9350"}],"replies":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/comments?post=427973"}],"version-history":[{"count":1,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/427973\/revisions"}],"predecessor-version":[{"id":427974,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/427973\/revisions\/427974"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/media\/427972"}],"wp:attachment":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/media?parent=427973"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/categories?post=427973"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/tags?post=427973"},{"taxonomy":"usertag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/usertag?post=427973"},{"taxonomy":"vertical","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/vertical?post=427973"},{"taxonomy":"content-category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/content-category?post=427973"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}