Free tools Windows power users keep installed
One-click scans. No signup required.
DeepSeek no demostró que la inteligencia artificial avanzada pueda construirse sin grandes inversiones ni que Nvidia y los centros de datos hayan quedado obsoletos. Demostró que una combinación de arquitectura eficiente, entrenamiento especializado, modelos con pesos abiertos, destilación y restricciones de hardware puede reducir drásticamente el coste de obtener capacidades competitivas. Esa posibilidad técnica, junto con el temor a que el mercado hubiera sobreestimado el gasto futuro en chips e infraestructura, explica el terremoto bursátil del 27 de enero de 2025.
DeepSeek no es un solo modelo
DeepSeek designa a un laboratorio y empresa chinos, a una familia de modelos y a varios productos distintos: chatbot, API alojada y pesos descargables para ejecución local. El lanzamiento que convirtió el nombre en un fenómeno mundial fue DeepSeek-R1, publicado el 20 de enero de 2025. Era un modelo de razonamiento orientado a matemáticas, programación y tareas lógicas. Su informe técnico afirmaba resultados comparables a OpenAI o1 en varias pruebas, una afirmación que debe entenderse como comparación de benchmarks concretos, no como superioridad general.
As an Amazon Associate I earn from qualifying purchases.
R1 se apoyó en la generación anterior DeepSeek-V3, un modelo de mezcla de expertos (Mixture of Experts, MoE) con 671.000 millones de parámetros totales, aunque solo una parte se activa para cada token. V3 describía además Multi-head Latent Attention (MLA), entrenamiento en precisión FP8 y técnicas para reducir memoria y comunicación. La línea ha continuado: el centro de transparencia oficial menciona V3.2 y, en abril de 2026, una actualización mayor; en agosto de 2026 la API presenta V4-Flash y V4-Pro como sus modelos actuales.
Do these 3 things before closing this tab:
1Repair Windows errors before they cause bigger problems2Scan for outdated or missing drivers - takes under a minute3Clear out junk files and repair common Windows errorsLa historia empresarial está vinculada a High-Flyer, una firma china de inversión cuantitativa que acumuló experiencia en aprendizaje automático y capacidad informática. Esa relación ayuda a explicar cómo se financió investigación avanzada sin depender al principio del modelo habitual de una startup de software, aunque la estructura societaria y el gasto exacto deben atribuirse a las fuentes disponibles y no suponerse.
#1 Best Overall
- AI Performance: 767 AI TOPS
- OC mode: 2632 MHz (OC mode)/ 2602 MHz (Default mode)
- Powered by the NVIDIA Blackwell architecture and DLSS 4
- Axial-tech fan design features a smaller fan hub that facilitates longer blades and a barrier ring that increases downward air pressure
- A 2.5-slot design maximizes compatibility and cooling efficiency for superior performance in small chassis
Fuentes: repositorio de DeepSeek-R1, informe técnico de R1, informe técnico de V3 y centro de transparencia.
Qué hizo diferente a V3 y R1
Muchos parámetros, menos activación por token
La arquitectura MoE divide el trabajo entre expertos. El modelo puede tener una gran capacidad total sin ejecutar todos sus parámetros para cada fragmento de texto. Eso reduce el coste computacional de cada token, aunque no elimina el coste de almacenar, entrenar y coordinar el sistema.
Menos memoria y comunicación
MLA comprime la información necesaria para la atención y disminuye la memoria asociada al contexto. El uso de FP8 aprovecha mejor el hardware compatible. En conjunto, son decisiones de ingeniería especialmente valiosas cuando el acceso a aceleradores avanzados está restringido.
Entrenamiento orientado al razonamiento
R1 mostró que el aprendizaje por refuerzo podía producir comportamientos de razonamiento sin depender exclusivamente de grandes colecciones de respuestas humanas etiquetadas. DeepSeek también publicó variantes destiladas más pequeñas, entrenadas a partir de las salidas de R1 y basadas en familias como Qwen y Llama.
La ventaja, por tanto, no procede de un único descubrimiento revolucionario, sino de arquitectura, precisión numérica, comunicación, entrenamiento y distribución abierta combinados. Véanse el análisis técnico de hardware y arquitectura y el repositorio de V3.
La cifra de 5,6 millones de dólares no es el coste de crear DeepSeek
Los aproximadamente 5,6 millones de dólares citados con frecuencia corresponden a una estimación del coste de una ejecución concreta de entrenamiento de V3. No incluyen necesariamente la creación de la empresa, datos, salarios, modelos anteriores, compra o reserva de hardware, infraestructura, pruebas, mantenimiento ni el servicio a usuarios.
- Coste de una ejecución: una fase específica de entrenamiento.
- Coste total de I+D: investigación, personal, datos y múltiples experimentos.
- Infraestructura: servidores, redes, almacenamiento, energía y capacidad reservada.
- Inferencia: el coste de responder consultas después del entrenamiento.
- Precio al cliente: tarifa que puede estar subsidiada y no reflejar el coste económico completo.
Por eso no es correcto decir que DeepSeek creó un modelo de frontera completo por 5,6 millones de dólares ni comparar esa cifra con el presupuesto total de OpenAI o Google. El contexto técnico y político-industrial está recogido en el documento del Congreso estadounidense.
Por qué DeepSeek hizo temblar los mercados
El 27 de enero de 2025, la popularidad de R1 desencadenó una fuerte venta de acciones vinculadas a la inteligencia artificial, con Nvidia como símbolo principal. La preocupación era que modelos competitivos requirieran menos GPU, menos gasto de centros de datos y menos electricidad de lo que las cotizaciones ya descontaban.
La reacción fue una revisión de expectativas, no una prueba de que DeepSeek hubiera eliminado la demanda de chips. El mercado puso en duda tres premisas: que el rendimiento de frontera dependiera solo de escalar el número de aceleradores; que los modelos propietarios estadounidenses conservaran una ventaja incuestionable; y que los precios de las API pudieran mantenerse altos si proliferaban modelos baratos con pesos publicados.
Rank #2
- NVIDIA Ampere Streaming Multiprocessors: The all-new Ampere SM brings 2X the FP32 throughput and improved power efficiency.
- 2nd Generation RT Cores: Experience 2X the throughput of 1st gen RT Cores, plus concurrent RT and shading for a whole new level of ray-tracing performance.
- 3rd Generation Tensor Cores: Get up to 2X the throughput with structural sparsity and advanced AI algorithms such as DLSS. These cores deliver a massive boost in game performance and all-new AI capabilities.
- Axial-tech fan design features a smaller fan hub that facilitates longer blades and a barrier ring that increases downward air pressure.
- OC Mode : 1500 MHz (Boost Clock)/Default Mode : 1470 MHz (Boost Clock)
También existe un efecto rebote. Si cada consulta cuesta mucho menos, empresas y usuarios pueden hacer muchas más consultas. La eficiencia reduce el coste unitario, pero puede ampliar el consumo total de computación. La Associated Press documentó el impacto inicial en los mercados.
Cronología esencial
| Fecha | Acontecimiento | Importancia |
|---|---|---|
| Diciembre de 2024 | Informe técnico de V3 | Presenta MoE y el enfoque de eficiencia. |
| 20 de enero de 2025 | Lanzamiento de R1 | El modelo de razonamiento alcanza repercusión mundial. |
| 27 de enero de 2025 | Venta de valores de IA | Se reajustan expectativas sobre chips e infraestructura. |
| Enero de 2025 | R1 y seis modelos destilados publicados | Facilita experimentación y ejecución local. |
| Diciembre de 2025 | V3.2 en el centro de transparencia | La línea evoluciona más allá de R1. |
| 24 de abril de 2026 | Actualización mayor V4 | La historia deja de ser solo la de R1. |
| Agosto de 2026 | V4-Flash y V4-Pro en la API | La competencia se desplaza a precio, capacidad y servicio. |
Fuentes: historial oficial de cambios, centro de transparencia y Associated Press sobre la actualización de 2026.
“Open source” significa aquí pesos y código publicados, no transparencia total
Para R1, DeepSeek publicó pesos, código, documentación, el informe técnico y modelos destilados. El repositorio indica una licencia MIT para el repositorio y los pesos de la serie R1, con uso comercial, modificaciones y obras derivadas. Pero las variantes destiladas no son homogéneas: unas parten de Qwen, con Apache 2.0, y otras de Llama, sujetas a la licencia de Meta correspondiente.
No están necesariamente disponibles todos los datos de entrenamiento, filtros, procesos de postentrenamiento, pesos de cada versión comercial, infraestructura ni moderación del servicio web. Es más preciso hablar de modelos con pesos abiertos que de un sistema completamente abierto. Consulte el README oficial de R1.
¿Es tan bueno como los líderes estadounidenses?
R1 obtuvo resultados comparables a modelos de razonamiento de OpenAI en varias pruebas de matemáticas, código y lógica, según su propio informe. Eso explica su impacto, pero un benchmark no equivale al rendimiento de producción. Los resultados dependen del prompt, número de intentos, herramientas y versión; además, el razonamiento puede ser más lento y consumir más tokens.
Una evaluación útil debería probar problemas matemáticos verificables, depuración con tests, documentos largos, instrucciones restringidas, JSON válido, llamadas a herramientas, español, rechazo de solicitudes peligrosas y consistencia entre conversaciones. También debe medir qué ocurre con información confidencial sin enviarla a terceros. Las cifras de R1 de enero de 2025 no deben trasladarse automáticamente a los modelos de 2026.
Quick wins for a faster PC:
Repair Windows errors before they cause bigger problemsFix Now →Fix the driver behind crashes, sound loss and screen glitchesFind Drivers →Clear out junk files and repair common Windows errorsFree Scan →Privacidad, jurisdicción y censura
Datos y almacenamiento
La política oficial indica que el servicio procesa la información proporcionada por el usuario y que los datos pueden almacenarse y procesarse en la República Popular China. Antes de contratar, hay que revisar la versión vigente de la política para conocer conservación, finalidades, entrenamiento y derechos aplicables: política de privacidad de DeepSeek.
No introduzca contraseñas, claves API, datos médicos o financieros, contratos no públicos, código propietario, datos personales de clientes ni secretos empresariales. Ejecutar un modelo local reduce el flujo hacia un proveedor, pero obliga a revisar pesos, dependencias, telemetría, registros y licencias.
Respuestas políticamente sensibles
Investigaciones han documentado respuestas evasivas o restricciones ante temas sensibles relacionados con China. Debe distinguirse entre censura del servicio web, filtros del sistema de seguridad, comportamiento de una copia local modificada y sesgo de los datos de entrenamiento. No toda ejecución local reproduce exactamente los filtros del chatbot oficial. Véanse el estudio sobre supresión de información, R1dacted y el análisis de Carnegie Mellon.
Rank #3
- Powered by the NVIDIA Blackwell architecture and DLSS 4
- Powered by GeForce RTX 5070 Ti
- Integrated with 16GB GDDR7 256bit memory interface
- PCIe 5.0
- WINDFORCE cooling system
Precios de la API en agosto de 2026
| Modelo | Contexto | Entrada con caché | Entrada sin caché | Salida |
|---|---|---|---|---|
| DeepSeek-V4-Flash | 1 millón de tokens | 0,0028 USD por millón | 0,14 USD por millón | 0,28 USD por millón |
| DeepSeek-V4-Pro | 1 millón de tokens | 0,003625 USD por millón | 0,435 USD por millón | 0,87 USD por millón |
La documentación indica soporte para razonamiento, salida JSON y llamadas a herramientas. Los nombres heredados deepseek-chat y deepseek-reasoner estaban previstos para dejar de utilizarse el 24 de julio de 2026. Los precios pueden cambiar y no deben compararse sin separar caché, entrada, salida, modelo y límites de concurrencia. Fuente: precios oficiales de DeepSeek.
Cómo decidir entre API, modelo local y otra plataforma
API oficial
Es razonable para prototipos, automatizaciones y datos públicos cuando el coste es prioritario y se acepta el tratamiento de datos de DeepSeek. No es adecuada por defecto para información confidencial, residencia de datos específica o garantías regulatorias.
Ejecución local
R1 completo exige una infraestructura de paralelización que no es práctica para un ordenador corriente. Las variantes destiladas son más manejables y pueden desplegarse con herramientas como vLLM o SGLang, según las instrucciones del repositorio oficial. El coste real incluye GPU, electricidad, almacenamiento, mantenimiento y personal.
Otra solución
OpenAI, Anthropic o Google pueden encajar mejor cuando se necesitan soporte, administración, observabilidad, contratos y controles empresariales. Qwen, Llama y Mistral son alternativas de pesos abiertos, pero cada modelo tiene licencias, requisitos y rendimiento propios. No existe un sustituto automático: la decisión debe ponderar datos, jurisdicción, latencia, calidad, licencia y coste total.
Qué cambió realmente DeepSeek
DeepSeek redujo la distancia percibida entre los laboratorios chinos y estadounidenses y demostró que la eficiencia puede comprimir el coste por token. No probó que el entrenamiento de frontera ya no necesite grandes clusters, que las GPU de alta gama sean innecesarias, que los benchmarks equivalgan a producción ni que un modelo abierto sea automáticamente privado o seguro.
The Tool Desk
Outbyte Driver Updater FREEFix the driver behind crashes, sound loss and screen glitchesFind Drivers →Outbyte PC Repair FREEClear out junk files and repair common Windows errorsFree Scan →Para los inversores, la lección fue que las previsiones de capex, chips, centros de datos y electricidad pueden revisarse cuando aparece una arquitectura más eficiente. Para las empresas, la lección es menos espectacular y más práctica: el precio bruto importa, pero también la jurisdicción de los datos, la licencia de los modelos destilados, la seguridad, el soporte y el coste operativo completo.
Frequently Asked Questions
¿DeepSeek creó una IA de frontera por 5,6 millones de dólares?
No. Esa cifra se refiere a una estimación de una ejecución concreta de entrenamiento de V3, no al coste total de investigación, datos, personal, hardware, infraestructura y servicio.
¿Ejecutar DeepSeek localmente garantiza privacidad?
No por sí solo. Reduce el envío a un proveedor, pero siguen siendo relevantes la procedencia de los pesos, dependencias, telemetría, registros, seguridad del servidor y licencia del modelo base.
The Bottom Line
DeepSeek cambió la economía percibida de la IA, no eliminó la necesidad de computación. Su valor para cada usuario depende de equilibrar precio, calidad, licencia, privacidad, jurisdicción y soporte empresarial.
Windows Errors? Fix Them Before They Spread
Repair common Windows errors and clear accumulated junk for a smoother, more stable PC - no reinstall needed.Free scan · no reinstallCrashes, No Sound, or Screen Glitches?
Random freezes, missing sound and display glitches usually trace back to one bad driver. Find and replace yours safely.Free scan · under a minuteQuick Recap
Product prices and availability are accurate as of the date/time indicated and are subject to change. Any price and availability information displayed on Amazon at the time of purchase will apply.
