DeepSeek V4 Flash-0731: 304B parámetros, MIT, y 60% más barato que GPT-5.6 Luna
DeepSeek lanza V4 Flash-0731: 304B parámetros MoE, licencia MIT, puntuación 50 en Intelligence Index (a 1 punto de GPT-5.6 Luna) y un 60% más barato por tarea.
DeepSeek ha lanzado V4 Flash-0731, una actualización significativa de su modelo Flash que ahora alcanza un índice de inteligencia de 50 en el Intelligence Index de Artificial Analysis — tan solo un punto por detrás de GPT-5.6 Luna de OpenAI, pero a un coste aproximadamente 60% menor por tarea. El modelo, con 304.000 millones de parámetros en arquitectura MoE (Mixture of Experts), pesa 167 GB en HuggingFace y está disponible bajo licencia MIT.
Especificaciones clave
| Característica | Valor |
|---|---|
| Parámetros | 304B (MoE) |
| Peso en disco | ~167 GB (safetensors) |
| Licencia | MIT |
| Intelligence Index | 50 |
| Coste entrada | $0,14 / millón de tokens |
| Coste salida | $0,27 / millón de tokens |
| Capacidad agente | Mejorada significativamente |
El salto respecto a la versión anterior es notable: V4 Flash sube diez puntos en el Intelligence Index, pasando de ~40 a 50. Para contextualizar, modelos como MiniMax M3 (428B), Kimi K3 y GLM-5.1 cuestan diez veces más por nivel de inteligencia comparable. Los modelos que lo superan — Grok 4.5, Gemini 3.6 Flash, Claude Opus 5 — sitúan sus precios entre $0,4 y $3 por tarea.
Capacidades agente mejoradas
DeepSeek destaca que esta versión incluye capacidades agente sustancialmente mejoradas. Esto es relevante porque el mercado se está moviendo rápidamente hacia modelos que no solo generan texto, sino que ejecutan acciones: navegar web, usar herramientas, gestionar archivos. Con un precio tan bajo, V4 Flash-0731 se convierte en un candidato serio para agentes en producción donde el coste por llamada importa.
Disponibilidad
El modelo está disponible inmediatamente en HuggingFace con 1.149 likes en menos de 24 horas. Es compatible con Transformers, vLLM y los principales frameworks de inferencia. También soporta cuantización FP8 y 8-bit para ejecución en hardware con menos VRAM.
El paper técnico está en arXiv:2606.19348, titulado "DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence".