DeepSeek V4.1 Flash 1017 (nombre oficial DeepSeek-V4.1-Flash-1017) es una versión revisada de V4.1 Flash, que se presentó en septiembre. DeepSeek la publicó el 17 de octubre de 2026. El nombre de la API, deepseek-flash, sigue igual y solo ha cambiado el modelo que hay detrás. DeepSeek afirma que el rendimiento sube, las tareas terminan antes y las respuestas son más cortas que en la versión anterior. Este artículo contrasta el anuncio de DeepSeek, la ficha del modelo y la página de precios con las evaluaciones de terceros y las respuestas de los gobiernos (verificado el 19 de octubre de 2026), y separa el rendimiento, los precios y la seguridad. Como solo lleva dos días publicado, todavía hay pocas cifras de terceros, así que este artículo mantiene claramente separadas las cifras de DeepSeek y las de terceros.

Rendimiento

En el mismo rango que Haiku 5.5

La puntuación general de terceros (Artificial Analysis) es 45. Sube desde 39 de la versión anterior, pero no alcanza a Claude Sonnet 5.5 (56) ni a Opus 5.5 (58).

Precios

Mismo precio por unidad, alrededor de la mitad de coste por tarea

El precio se mantiene en $0,30 por millón de tokens de entrada y $1,20 por millón de tokens de salida (en horas punta). Como la salida se acortó, el coste por tarea bajó de $0,49 a $0,26 (medición de terceros).

Seguridad

Todavía no hay evaluación de esta versión

Ni DeepSeek ni terceros han publicado una evaluación de seguridad. Los datos se almacenan en China. El 19 de octubre se informó de que Estados Unidos prohibió su uso a las agencias civiles federales.

Índice

1. Qué cambió: mismo nombre, otro modelo

Según el registro de cambios de DeepSeek (Change Log), V4.1 Flash se actualizó a DeepSeek-V4.1-Flash-1017 el 17 de octubre de 2026, y los modelos de la web y la app oficiales pasaron a la misma versión. La forma de llamar a la API y los precios no cambian. Si indicas deepseek-flash, se usa la nueva versión. La ficha del modelo en Hugging Face llama a esta versión una «actualización menor» (minor update) de V4.1 Flash.

RendimientoDeepSeek anunció grandes mejoras respecto a la versión anterior en razonamiento, programación, tareas de agentes y evaluaciones de imagen (las cifras están en el capítulo 3).
Velocidad y longitud de la salidaDeepSeek afirma que redujo el tiempo y la longitud de la salida que necesitan las tareas, así que terminan antes y cuestan menos. Ningún anuncio da una cifra de cuánto se redujo.
Nombre en la APIdeepseek-flash sigue igual, pero el modelo que hay detrás cambió. Los programas que dependen del comportamiento de la versión anterior pueden dar resultados distintos aunque no cambies la configuración. El nombre antiguo deepseek-v4-flash sigue aceptándose, pero ahora usa esta versión y se factura con la tarifa de Flash.
Lanzado el mismo díaDeepSeek puso a disposición general su Search API, que usa su propio buscador, y su Fetch API, que obtiene páginas web (los precios están en el capítulo 5).

Fuentes: Change Log, DeepSeek-V4.1-Flash-1017 y Models & Pricing (DeepSeek API Docs); DeepSeek-V4.1-Flash-1017 (Hugging Face). Verificado el 19 de octubre de 2026.

2. Especificaciones: contexto, pensamiento y tamaño

ElementoContenido
Longitud de contexto y salida máxima1 M tokens y 384 K tokens.
EntradaTexto e imágenes.
Modo de pensamientoActivado por defecto. La intensidad tiene tres niveles: low, high y max. El valor por defecto es high.
Formatos de API compatiblesFormato de OpenAI, formato de Anthropic y Responses API. Admite salida en JSON y llamadas a herramientas.
Número de parámetrosLas cifras oficiales de la V4.1 Flash de septiembre son 552 B para el modelo completo. Al procesar la entrada actúan 8 B por token y al generar la salida, 16 B. Además hay un sistema de memoria aparte de 196 B (Engram).
PesosPublicados con licencia MIT. El tamaño total de los archivos es de unos 510 GB.

Fuentes: Models & Pricing y Thinking Mode (DeepSeek API Docs); DeepSeek-V4.1-Flash y DeepSeek-V4.1-Flash-1017 (Hugging Face). Verificado el 19 de octubre de 2026. La ficha del modelo 1017 no indica el número de parámetros; el recuento automático de Hugging Face a partir de los archivos de pesos es de unos 763 B. DeepSeek no ha publicado el motivo de la diferencia.

Al usar la API hay dos reglas que suelen causar problemas. La primera: en las conversaciones con herramientas, hay que devolver completo el contenido del razonamiento del modelo (reasoning_content) en la siguiente petición. Si no se devuelve, aparece un error 400. La segunda: en el modo de pensamiento, parámetros como temperature no tienen efecto. Se ignoran sin dar error. Si indicas medium o xhigh como intensidad del pensamiento, se tratan como high.

Fuente: Thinking Mode (DeepSeek API Docs, verificado el 19 de octubre de 2026).

3. Rendimiento (1) Cifras publicadas por DeepSeek

Se reproduce la tabla comparativa de la ficha del modelo. Todas estas cifras las midió el propio DeepSeek.

Evaluación1017Versión anterior (septiembre)Kimi K3GLM-5.3GPT-5.6 SolClaude Opus 5
HLE (sin herramientas)42,636,843,542,0*44,556,3
Terminal-Bench 4.042,331,212,637,939,951,8
DeepSWE v1.177,074,267,566,973,074,0
ProgramBench29,120,317,519,023,037,0
NL2Repo-Bench68,265,458,058,056,875,3
Automation-Bench v1.0.660,554,846,748,845,850,3
Agents' Last Exam35,431,827,628,526,728,6
Apex Bench v1.172,164,647,856,654,365,8
Chartography (con herramientas)83,078,968,1—79,984,0
BabyVision (con herramientas)92,589,685,7—88,994,1
ZeroBench-main (con herramientas)51,049,041,0—53,052,0

Fuentes: DeepSeek-V4.1-Flash-1017 (ficha del modelo en Hugging Face) y Change Log (verificado el 19 de octubre de 2026). * marca la puntuación de la parte solo de texto de HLE. La ficha indica que Terminal-Bench 4.0 se midió con Claude Code y DeepSWE v1.1 con el entorno de ejecución Mini-SWE-V2.

Hay cuatro cosas que tener en cuenta al leer esta tabla.

  1. Los modelos comparados son de una generación anterior. La tabla incluye Claude Opus 5 y GPT-5.6 Sol, pero no el Claude Opus 5.5 actual ni los modelos GPT-6. Frente a Opus 5, el modelo lo supera en DeepSWE, pero no llega en HLE, Terminal-Bench 4.0, ProgramBench ni NL2Repo-Bench.
  2. No se indican las condiciones de comparación. No aparecen los niveles de intensidad del pensamiento (low, high, max). Tampoco se dice si la versión anterior se midió en las mismas condiciones.
  3. Han desaparecido cifras de la versión anterior. La versión de septiembre también publicaba evaluaciones de GPQA Diamond, Codeforces, matemáticas y ciberseguridad, pero 1017 no las publica.
  4. Las cifras propias suelen salir altas. El CAISI del NIST de EE. UU. evaluó V4 Pro en abril de 2026 y reportó que la evaluación de DeepSeek daba puntuaciones más altas que la del CAISI (capítulo 6). Hasta que haya mediciones independientes de 1017, lo prudente es leer estas cifras con cautela.

4. Rendimiento (2) Evaluaciones de terceros

Hasta ahora, la puntuación general de terceros es el Intelligence Index de Artificial Analysis. Combina los resultados de varias pruebas en una sola cifra. Cada nivel de intensidad del pensamiento aparece como una fila aparte (entre paréntesis, el ajuste). Abajo se muestran los valores del listado del 19 de octubre de 2026 junto a modelos cercanos.

Fuentes: Listado de modelos de Artificial Analysis y página de DeepSeek V4.1 Flash 1017 (verificado el 19 de octubre de 2026). Como se publicó hace poco, algunas páginas del mismo sitio todavía muestran valores de la versión anterior. Los valores pueden cambiar.

De aquí se pueden extraer tres conclusiones.

  • La puntuación subió 6 puntos respecto a la versión anterior y el coste por tarea bajó casi a la mitad. En la página de Artificial Analysis, completar la evaluación completa usó 210 M tokens de salida. Es más que la mediana de los modelos comparados (140 M), y el sitio lo describe como «muy verboso» (very verbose).
  • Tanto la puntuación como el coste se acercan a los de Claude Haiku 5.5. Frente a GLM-5.3, con la misma puntuación de 45, y Kimi K3, con 44, el coste por tarea es aproximadamente un octavo.
  • La diferencia con Sonnet 5.5 y Opus 5.5 supera los 10 puntos. El coste es alrededor de un veinteavo, así que la elección depende de si quieres asignar trabajo difícil o ejecutar trabajo de gran volumen de forma barata.

En velocidad, en la API de DeepSeek se obtuvieron unos 225 tokens por segundo, y el primer token llegó en unos 1,1 segundos (misma página). Es casi igual que la versión anterior, así que el «terminar antes» probablemente se debe a que la salida es más corta. A 19 de octubre de 2026 no encontramos resultados de 1017 en las tablas oficiales de SWE-bench ni de Terminal-Bench.

5. Precios: la tarifa punta se aplica en horario diurno de Japón

deepseek-flash (por millón de tokens, dólares estadounidenses)Fuera de puntaPunta
Entrada (acierto de caché)$0,003$0,006
Entrada (fallo de caché)$0,15$0,30
Salida$0,60$1,20

Fuente: Models & Pricing (DeepSeek API Docs, verificado el 19 de octubre de 2026). La actualización a 1017 no cambió los precios (Change Log).

Las horas punta coinciden con el horario laboral de JapónLas horas punta son de lunes a viernes, de 1:00 a 4:00 y de 6:00 a 10:00 UTC (excepto los festivos chinos). En hora de Japón equivalen a los días laborables de 10:00 a 13:00 y de 15:00 a 19:00. Por las noches y los fines de semana, el precio es la mitad.
La caché marca una gran diferenciaLa entrada que acierta en la caché cuesta una cincuentava parte de la que no acierta. En agentes que envían el mismo preámbulo en cada petición, que la caché funcione cambia mucho el coste. La caché es automática, pero no se garantiza que acierte.
La búsqueda y la obtención se cobran aparteSearch API y Fetch API cuestan $0,75 por cada 1.000 llamadas exitosas. Las llamadas que se hacen en el servidor desde Claude Code, Codex y DeepSeek Harness son gratuitas por ahora, pero la facturación empieza el 31 de octubre de 2026 a las 16:00 (UTC), que equivale a la 1:00 del 1 de noviembre en Japón.
Primero se gasta el saldo de regaloSi tienes saldo gratuito concedido y saldo ingresado, se usa primero el concedido.

Fuentes: Models & Pricing, Search & Fetch, Context Caching y DeepSeek-V4.1-Flash-1017 (DeepSeek API Docs, verificado el 19 de octubre de 2026).

También se puede usar fuera de la API oficial de DeepSeek. Servicios intermediarios como OpenRouter ofrecen 1017. Algunos cobran el mismo precio unitario que la API oficial y otros cobran menos. Sin embargo, muchas de las rutas más baratas ejecutan una versión cuantizada (con los pesos reducidos), así que la calidad y la velocidad de las respuestas pueden no coincidir con las de la versión oficial. El tratamiento de los datos depende de las condiciones de cada empresa.

6. Seguridad: aún sin evaluación, qué se sabe

A 19 de octubre de 2026, ni DeepSeek ni ningún tercero ha publicado una evaluación de 1017 que mida cómo responde a peticiones dañinas, su resistencia a los jailbreaks o lo difícil que es secuestrarlo como agente. El anuncio, la ficha del modelo y el informe técnico de septiembre no incluyen un apartado de evaluación de seguridad. Lo que se sabe procede de la generación anterior y de la empresa en su conjunto. Estos hallazgos no necesariamente se aplican a 1017.

Evaluación de V4 Pro (mayo de 2026)El CAISI del NIST informó de que las capacidades de V4 Pro están unos ocho meses por detrás de la frontera de EE. UU., y que la evaluación propia de DeepSeek daba puntuaciones más altas que la del CAISI. La seguridad (jailbreaks y secuestro) no formó parte de esta evaluación.
Evaluación de la generación anterior (septiembre de 2025)El mismo CAISI informó de que, con R1-0528, al usar técnicas de jailbreak conocidas, respondió al 94 % de las peticiones claramente maliciosas (el modelo de comparación de EE. UU., al 8 %). Al usarlo como agente, siguió instrucciones de secuestro con una frecuencia 12 veces mayor que la media de los modelos de vanguardia de EE. UU. Además, dio información imprecisa que coincidía con las afirmaciones del Partido Comunista Chino cuatro veces más que los modelos de EE. UU.
Ya existen versiones sin funciones de seguridadComo los pesos son públicos, según se informa, terceros han publicado versiones de V4.1 Flash sin el comportamiento de rechazo. Si lo ejecutas en local, no puedes confiar en que el modelo se niegue a responder para tu seguridad.

Fuentes: CAISI Evaluation of DeepSeek V4 Pro (NIST, mayo de 2026); CAISI Evaluation of DeepSeek AI Models Finds Shortcomings and Risks (NIST, 30 de septiembre de 2025); AlphaSignal (informe sobre la versión sin funciones de seguridad; las cifras son declaradas por quien la publicó). Verificado el 19 de octubre de 2026.

Cuando usas el modelo desde un agente como Claude Code, lo más eficaz no es esperar a una evaluación de seguridad del modelo, sino limitar lo que el agente puede hacer. Tres básicos: no usar configuraciones que aprueben acciones automáticamente, no dejar que el agente lea archivos con secretos y no confiar en instrucciones escritas en contenido descargado de la web.

7. A dónde van los datos y cómo responden los países

Si usas la API o la app oficiales de DeepSeek, el contenido que envías llega a los servidores de DeepSeek. La política de privacidad de DeepSeek (versión en japonés, última actualización el 10 de febrero de 2026) dice que almacena la información recopilada en «servidores seguros ubicados en la República Popular China», y entre sus fines figura el «entrenamiento y mejora de nuestra tecnología, como modelos y algoritmos de aprendizaje automático». Las condiciones para desarrolladores (vigentes desde el 29 de abril de 2026) dejan el tratamiento de los datos personales a esta política y establecen como ley aplicable la de la China continental. En ninguno de los dos documentos encontramos una promesa de no usar para el entrenamiento lo que se envía por la API.

Fuentes: Política de privacidad de DeepSeek y DeepSeek Open Platform Terms of Service (verificado el 19 de octubre de 2026. Si se abre la política de privacidad desde Japón, se muestra la versión en japonés).

País u organismoRespuesta
Japón (Comisión de Protección de la Información Personal)El 3 de febrero de 2025 publicó «Información sobre DeepSeek». Advirtió de que los datos se almacenan en servidores de la República Popular China y de que se aplican las leyes chinas (entre ellas la Ley de Protección de la Información Personal, la Ley de Ciberseguridad, la Ley de Seguridad de Datos y la Ley Nacional de Inteligencia). No prohíbe el uso privado.
Estados Unidos (Departamento de Seguridad Nacional)El 19 de octubre de 2026 se informó de que el departamento emitió una orden para retirar de los sistemas informáticos de las agencias civiles federales los productos de DeepSeek y los servicios de terceros que usan DeepSeek, y para prohibir su contratación. Según lo previsto, la orden se publicará en el Federal Register el 20 de octubre. Al escribir este artículo no habíamos verificado el texto completo de la orden ni su alcance.

Fuentes: Información sobre DeepSeek (en japonés) (Comisión de Protección de la Información Personal, 3 de febrero de 2025, actualizado el 5 de marzo de 2025); US Moves to Bar DeepSeek From Federal Agencies and Contracts (Bloomberg, 19 de octubre de 2026); DeepSeek Blocked In US Federal Agencies (BankInfoSecurity); Listado de inspección pública del Federal Register.

8. Cómo elegir el uso: API, Claude Code, ejecución en local

API oficial de DeepSeekLa opción más barata, y la nueva versión se usa automáticamente. El contenido que envías se almacena en servidores de China. Encaja con trabajos que puedes compartir sin problema, como proyectos de código abierto o estudio personal.
Usarlo desde Claude CodeDeepSeek ofrece oficialmente instrucciones para usar el modelo con Claude Code. Explicamos los pasos de configuración y el criterio de costes en Usar DeepSeek, GLM y Kimi con Claude Code. Ojo: la facturación de la búsqueda empieza el 1 de noviembre.
Usar un servicio intermediarioServicios como OpenRouter permiten usarlo. El tratamiento de los datos depende de las condiciones de esa empresa. Las rutas más baratas suelen usar versiones cuantizadas.
Ejecutar los pesos en localTu código no sale de tu equipo, pero los archivos de pesos ocupan unos 510 GB por sí solos y necesitan un entorno con varias GPU de centro de datos. No es algo que se pueda ejecutar en un PC normal. Para los modelos que sí puedes ejecutar en local, comparamos los recomendados en Modelos LLM locales recomendados.

Resumen

  • DeepSeek V4.1 Flash 1017 es una versión revisada de V4.1 Flash, publicada el 17 de octubre de 2026. El nombre de la API deepseek-flash sigue igual pero cambia el modelo, y los precios no varían.
  • En el anuncio de DeepSeek, el modelo supera a la versión anterior en las 11 evaluaciones. Sin embargo, los modelos comparados son de una generación anterior y las condiciones de la prueba no se describen con detalle.
  • Según el tercero Artificial Analysis, obtiene 45 puntos (la versión anterior tenía 39). Está en el mismo rango que Claude Haiku 5.5 (43 puntos) y lejos de Sonnet 5.5 y Opus 5.5, que lo superan por más de 10 puntos.
  • El coste por tarea bajó de $0,49 a $0,26. El precio unitario es de $0,30 por millón de tokens de entrada y $1,20 por millón de tokens de salida (en horas punta), y los días laborables de día en Japón son horas punta.
  • La búsqueda y la obtención desde Claude Code y herramientas similares cuestan $0,75 por cada 1.000 llamadas exitosas, desde la 1:00 del 1 de noviembre (hora de Japón).
  • Todavía no existe evaluación de seguridad de 1017. La generación anterior fue calificada como vulnerable a jailbreaks y secuestro. Los datos se almacenan en servidores de China, y según se informa, Estados Unidos ha prohibido su uso a las agencias civiles federales.

FAQ

P. ¿Puedo seguir usando la V4.1 Flash anterior?

R. No a través de la API oficial de DeepSeek. Tanto deepseek-flash como el nombre antiguo deepseek-v4-flash ya ejecutan 1017. Si quieres la versión anterior, tendrás que ejecutar tú mismo sus pesos públicos o buscar un servicio intermediario que todavía la ofrezca.

P. ¿Ha subido el precio?

R. El precio unitario no ha cambiado. Como la salida es más corta, la misma tarea cuesta menos. En las mediciones de Artificial Analysis, el coste medio por tarea bajó de $0,49 a $0,26. Sin embargo, desde el 1 de noviembre (hora de Japón), las búsquedas y obtenciones desde Claude Code y herramientas similares tendrán un cargo aparte.

P. ¿Es seguro enviar código de trabajo?

R. El contenido enviado a la API oficial se almacena en servidores de China, y las condiciones no incluyen una promesa de no usarlo para el entrenamiento. El código de trabajo, los datos de clientes y los secretos no deberían enviarse hasta que tu empresa lo autorice.

P. ¿Está prohibido usarlo en Japón?

R. A 19 de octubre de 2026 no encontramos ninguna medida japonesa que prohíba el uso privado. La Comisión de Protección de la Información Personal ha advertido de que los datos se almacenan en servidores de China y de que se aplican las leyes chinas.

Fuentes