DeepSeek ha actualizado su modelo Flash a V4.1-Flash-1017, ampliando la brecha de rentabilidad en tareas de agentes. Según los propios benchmarks de DeepSeek, el modelo es más preciso y más barato en tareas de programación con agentes.
1. DeepSWE 77,0 %, por delante de Claude Opus 5. En el benchmark de programación DeepSWE v1.1, la versión 1017 alcanza el 77,0 %, por encima del 74,0 % de Claude Opus 5; el ajuste de bajo esfuerzo sigue llegando al 72 % a unos 0,10 dólares por tarea.
2. El secreto son las respuestas más cortas. El predecesor lograba un 74,2 % a unos 0,50 dólares por tarea; la nueva versión cuesta menos de 0,20 dólares y gana casi 3 puntos de precisión. Para agentes que ejecutan cientos de tareas al día, esa diferencia se acumula rápido.
3. Pesos abiertos y una API de búsqueda. Los pesos están abiertos en Hugging Face y ModelScope, y el modelo está disponible en el sitio web, la app y la API. DeepSeek también ha abierto a los desarrolladores la API de búsqueda de su propio motor de búsqueda.
Una advertencia: estas son cifras de los propios benchmarks de DeepSeek y aún no hay pruebas independientes. Además, sigue por detrás de Opus 5 en HLE, Terminal-Bench 4.0 y benchmarks similares. Mejor esperar la verificación de terceros antes de sacar conclusiones.
Fuente: Leer el original. Este artículo es un resumen divulgativo de referencia.
