El 13 de agosto de 2026, DeepSeek lanzó su nuevo modelo V4 Pro 0813. El “0813” en el nombre del modelo corresponde a la fecha de hoy.
El mismo día, Alibaba presentó Qwen3.8-max y xAI, la compañía de Elon Musk, lanzó Grok 4.6. Que tres empresas líderes en IA lancen actualizaciones principales en un periodo de 24 horas habría sido inimaginable hace apenas dos años.
Un programador (el usuario jklmnopqrstuvw en Hacker News) ejecutó la misma tarea de desarrollo tanto en DeepSeek como en Grok. Los resultados fueron sorprendentes:
- DeepSeek V4 Pro: Tardó 12 minutos y 02 segundos, costó 0,12 $, pero introdujo un error (bug) en el código.
- Grok 4.6: Tardó 3 minutos y 18 segundos, costó 1,41 $, con un código perfecto y sin errores.
Una diferencia de precio de 12 veces, acompañada de un nivel distinto de calidad en el código. Esta imagen refleja perfectamente el posicionamiento real del ecosistema de la IA en la actualidad.
¿Por qué es tan extremadamente barato?
El origen de esta eficiencia extrema de costes radica en su arquitectura. DeepSeek utiliza MoE (Mixture of Experts o Mezcla de Expertos).
Para ponerlo en términos sencillos: un modelo denso tradicional funciona como una empresa donde toda la plantilla acude a resolver cualquier problema. En cambio, un modelo MoE opera como una organización que cuenta con cientos de especialistas y solo convoca a los expertos relevantes cuando llega una tarea. Aunque la escala total de parámetros es gigantesca, en cada llamada solo trabaja una pequeña fracción del modelo. Al haber menos parámetros activos, se reduce el consumo de energía y el coste cae drásticamente.
Además, V4 Pro 0813 admite una ventana de contexto (context window, la cantidad de información que el modelo puede recordar de una sola vez) de 1 millón de tokens. ¿Qué significa esto? Equivale a poder leer la trilogía completa de El problema de los tres cuerpos de una sola pasada antes de responder a una pregunta. Desde el punto de vista de la ingeniería, analizar un libro entero antes de contestar era hace dos años un lujo reservado únicamente a los modelos insignia.
Las subvenciones de capital riesgo no pueden sostener precios como estos. El ahorro procede directamente de la arquitectura: es una ventaja estructural, no una campaña de descuentos temporales.
El segundo nivel de reducción de costes proviene del almacenamiento en caché (prompt caching o reutilización de resultados). Las estadísticas de OpenRouter muestran que el 92,4 % de las solicitudes de DeepSeek coincidieron con la caché, reutilizando contenido idéntico procesado anteriormente.
El impacto financiero es impresionante: mientras que el precio de lista para la entrada es de 0,435 $ por millón de tokens (la unidad mínima de facturación en IA), el precio medio real pagado por los usuarios fue de solo 0,036 $ por millón de tokens. Entre la tarifa nominal y el gasto real vuelve a haber una diferencia de 12 veces.
Gráfico: Precio de entrada realmente pagado por DeepSeek V4 Pro 0813 en OpenRouter, rozando los 0,036 $/M de tokens el primer día. Fuente: openrouter.ai
Esto funciona como una cocina fantasma de comida a domicilio: preparar un plato por primera vez requiere tiempo y esfuerzo, pero recalentar uno ya hecho para servirlo reduce el coste marginal a casi cero. En términos de ingeniería, una tasa de acierto en caché del 92,4 % significa que la gran mayoría de las peticiones de entrada son prácticamente gratuitas, lo que revela el secreto tras sus márgenes de beneficio.
El tercer motor del bajo coste es el código abierto. Los pesos del modelo están totalmente abiertos y la licencia permite su uso comercial. Un usuario calculó que invirtiendo 8.000 $ en dos unidades DGX Spark es posible ejecutar el modelo completo de forma local en casa. El código abierto devuelve el poder de negociación a los usuarios: si los proveedores en la nube suben sus precios, los desarrolladores simplemente despliegan el modelo por su cuenta.
Un ritmo de lanzamiento al estilo de un canal de CI
Flash 0731 el 31 de julio, Flash 0801 el 1 de agosto y V4 Pro 0813 el 13 de agosto. Los nombres de las versiones incluyen la fecha directamente, con intervalos medidos en días.
En los círculos de desarrollo se compara este ritmo con un canal de CI (integración continua, continuous integration): cada vez que se modifica el código, se realizan pruebas y despliegues automáticos sin interrupción como en una cadena de montaje. Mientras que las empresas de software tradicionales lanzan una gran versión al año, DeepSeek ha convertido los lanzamientos de modelos en una rutina diaria.
Los comentarios en Hacker News confirman esta tendencia. Un usuario señaló que “la mayoría de los escenarios de uso no necesitan en absoluto un modelo de gama alta”; otros ya utilizan modelos económicos para tareas pesadas, comentando que son “tan baratos que parecen casi gratuitos”. Otro usuario calculó la media geométrica de las puntuaciones de los modelos principales en pruebas de referencia (benchmarks): GPT-5.6 Sol obtuvo 65,5 puntos, Opus 5 alcanzó 64,0 puntos y DeepSeek V4 Pro 0813 logró 62,5 puntos.
Conclusión de ingeniería: La brecha de rendimiento entre los modelos punteros se ha reducido de una “diferencia generacional” a unos “pocos puntos porcentuales”, mientras que la brecha de precios sigue siendo de dos dígitos. Alcanzar la paridad en rendimiento es cuestión de tiempo; la ventaja en precio es una realidad actual.
El “tiempo de China” coincidiendo en un mismo día
Qwen3.8-max de Alibaba fijó su precio en 2 $ por millón de tokens de entrada y 6 $ por millón de tokens de salida, mientras que DeepSeek ofrece 0,435 $ y 0,87 $ respectivamente. Los desarrolladores de modelos chinos compiten ferozmente entre sí en precios, arrastrando a la baja el punto de referencia de costes de todo el mercado.
Analizando los lanzamientos simultáneos de las tres compañías: Qwen3.8-max es un coloso de 2 billones de parámetros, Grok 4.6 apuesta por la velocidad de ejecución y DeepSeek se enfoca en la máxima relación calidad-precio. Las tres jugaron cartas distintas, pero todas coincidieron en la misma semana. Con este nivel de densidad competitiva, el usuario final es el gran beneficiado.
Algunos comentaristas sugirieron que DeepSeek eligió la fecha para restar protagonismo a Qwen, mientras que otros argumentaron que xAI también lanzó Grok 4.6 el mismo día, lo que indica que cada empresa simplemente sigue su propio ritmo de desarrollo.
Sea cual sea la motivación, el escenario principal para los lanzamientos de IA de vanguardia ya no es dominio exclusivo de Silicon Valley. Esta señal es mucho más relevante que cualquier actualización de modelo individual.
La otra cara de lo barato: ¿cómo se calcula la calidad?
La prueba compartida por el desarrollador desató un intenso debate en la sección de comentarios.
Los defensores argumentaron que al haber realizado pruebas similares de forma repetida durante meses con resultados consistentes, el resultado de una sola ejecución es confiable. Los escépticos (como el usuario bigmadshoe) replicaron que una comparación n=1 dista de ser científica y responde solo a “sensaciones” (vibes): debido a la naturaleza estocástica de los LLM, un único test no debería cambiar el juicio. Otros añadieron que, si el modelo se desvía, reintentar la ejecución suele resolver el fallo.
Nuestra evaluación: Ambas partes tienen parte de razón. La ventaja de precio es estructural (proviene de la arquitectura, la caché y el código abierto) y se mantiene constante en pruebas consecutivas. En cambio, la brecha de calidad observada en una muestra única puede ser aleatoria: un fallo en una sola prueba puede ser cuestión de suerte o varianza. Comparar una ventaja estructural con el ruido de un muestreo puntual no sostiene una conclusión firme.
Para evaluar objetivamente la calidad, es necesario ejecutar el mismo conjunto de tareas múltiples veces para calcular la tasa media de éxito y el rango de variación. La sugerencia en los comentarios de ejecutar cada modelo cinco veces por tarea es una recomendación con la que coincidimos plenamente.
Gráfico: Uso de tokens de DeepSeek V4 Pro 0813 el primer día: 13.700 millones de entrada, 80,5 millones de salida. Fuente: openrouter.ai
Hay otro detalle relevante: algunos usuarios notaron que la web oficial de DeepSeek comenzó a ajustar los precios al alza a lo largo del día. Los precios ultra bajos podrían responder a una fase inicial: la estrategia clásica del sector tecnológico de captar cuota de mercado con precios bajos para luego ajustarlos. Sin embargo, incluso con incrementos, la diferencia de precio frente a los modelos estadounidenses equivalentes sigue siendo de varios órdenes de magnitud.
¿Qué significa esto para los usuarios comunes y las empresas?
Hace dos años, las IA de primer nivel se cobraban por interacción, costando varios dólares por conversación. Hoy, 0,12 $ permiten a un agente de IA trabajar de forma continua durante 12 minutos.
Para los usuarios individuales, esto implica que los asistentes de IA, herramientas de escritura y programas de traducción de sus teléfonos móviles probablemente funcionen con estos modelos abiertos recién lanzados, con costes de computación que son una fracción de los de hace un año. Para las empresas, la adopción de funciones de IA pasa de ser un proyecto que requiere múltiples niveles de aprobación presupuestaria a una decisión de “probar primero”, donde el coste del ensayo y error es prácticamente despreciable.
La guerra de precios está convirtiendo a la IA de un “bien de lujo” en un “servicio básico” equivalente a la luz o el agua. Es posible que no uses una herramienta por ser cara, pero no te quedarás al margen de una era cuando la tecnología se vuelve tan accesible. Disponer de precios asequibles es lo que permite tener la oportunidad de aprovecharla, y para cualquiera que desee explorar la IA, esta es una excelente noticia.
Enlaces de referencia:
- OpenRouter: DeepSeek V4 Pro 0813
- Discusión en HN (item?id=49274600)
Nota sobre las imágenes: La página original de OpenRouter no contenía imágenes mediante etiquetas img; todas las imágenes de la página eran logotipos y favicons (openrouter.ai/brand/v2/nav-lockup-light.png, nav-lockup-dark.png, images/icons/DeepSeek.png, serie gstatic faviconV2, openrouter-dark.svg, openrouter-light.svg), los cuales fueron filtrados. Los dos gráficos de datos incluidos en este artículo fueron exportados y convertidos a partir de los gráficos SVG integrados (recharts) en la página.
