Por Redacción Pangea IA · 17 de octubre de 2026
DeepSeek ha actualizado hoy su modelo multimodal económico a DeepSeek‑V4.1‑Flash‑1017 y, al mismo tiempo, ha abierto dos API independientes para buscar en la web y recuperar el contenido de una página. La doble novedad convierte a la compañía china en un proveedor más completo para agentes y aplicaciones RAG: ofrece modelo, búsqueda y extracción bajo una misma cuenta, con precios bajos y pesos descargables bajo licencia MIT.
El cambio ya está activo en la aplicación, la web y la API de DeepSeek. Quienes utilizan el identificador deepseek-flash reciben la nueva versión sin modificar su integración ni pagar una tarifa diferente. La empresa afirma que el modelo mejora en razonamiento, programación, visión y tareas de agentes, además de responder con menos tiempo y menos tokens. Sin embargo, casi todas esas cifras proceden todavía del fabricante: la cobertura independiente disponible confirma el lanzamiento y compara los datos públicos, pero advierte que faltan evaluaciones amplias en condiciones reales.
La apertura del buscador es probablemente la parte más útil para empresas y desarrolladores. Search devuelve resultados estructurados de la web y Fetch convierte una URL en contenido Markdown. No es una “búsqueda automática” incluida de forma invisible dentro del modelo: son herramientas separadas que una aplicación debe llamar, controlar y citar.
Dos lanzamientos en el mismo día
La documentación oficial de DeepSeek fecha ambas novedades el 17 de octubre de 2026. La primera es una revisión de V4.1 Flash, modelo que la compañía presentó originalmente el 10 de septiembre. La actualización conserva el contexto de un millón de tokens, la entrada de texto e imágenes, el razonamiento configurable y una salida máxima documentada de 384.000 tokens.
La segunda es la apertura del motor de búsqueda que DeepSeek ya utiliza en sus productos. Según la empresa, el índice cubre cientos de miles de millones de páginas y procesa cientos de millones de consultas. Son afirmaciones corporativas que todavía no cuentan con una auditoría pública equivalente a la ficha del modelo. Lo verificable es que los dos endpoints están disponibles, tienen documentación, esquema de respuesta, precios y límites publicados.
| Novedad | Disponibilidad | Precio publicado |
|---|---|---|
| DeepSeek‑V4.1‑Flash‑1017 | Web, app, API y pesos abiertos | Misma tarifa que V4.1 Flash |
| Search API | API para búsquedas web estructuradas | 0,75 $ por 1.000 solicitudes exitosas |
| Fetch API | API para extraer una URL como Markdown | 0,75 $ por 1.000 solicitudes exitosas |
Qué mejora en DeepSeek‑V4.1‑Flash‑1017
DeepSeek describe la versión 1017 como una actualización menor con mejoras sustanciales. En su batería interna, DeepSWE v1.1 pasa de 74,2 a 77,0; Terminal‑Bench 4.0, de 31,2 a 42,3; Automation‑Bench, de 54,8 a 60,5; y Agents’ Last Exam, de 31,8 a 35,4. También publica avances en razonamiento sin herramientas, comprensión visual y tareas de repositorios.
Las cifras no deben mezclarse como si fueran una clasificación universal. Cada prueba mide una capacidad distinta, algunas se ejecutan con arneses concretos y varias comparaciones utilizan configuraciones elegidas por el propio proveedor. DeepSeek reconoce, por ejemplo, que Terminal‑Bench 4.0 se evaluó mediante Claude Code y DeepSWE con Mini‑SWE‑V2. En ZeroBench informa Pass@5, lo que permite hasta cinco intentos y no equivale a acertar a la primera.
El medio especializado The Decoder destaca que, en las pruebas de DeepSeek, el modelo alcanza un 77 % en DeepSWE con un coste medio inferior a 0,20 dólares por tarea, frente a aproximadamente 0,50 dólares de la versión anterior. El mismo artículo señala la cautela decisiva: todavía no existen suficientes evaluaciones independientes y la experiencia real de los desarrolladores puede alejarse mucho de los benchmarks.
BenchLM sitúa el modelo ligeramente por delante de GPT‑5.6 Luna en su estimación pública general, pero los intervalos de confianza se solapan. En programación concede una ligera ventaja a Luna y en trabajo de agentes a DeepSeek, sin una diferencia concluyente. Es una lectura más prudente que proclamar un ganador a partir de una tabla del fabricante.
Un modelo abierto, pero nada pequeño
DeepSeek ha publicado los pesos y el código de referencia con licencia MIT. La ficha admite texto e imágenes, llamadas a herramientas, razonamiento y mensajes de sistema intercalados. También ofrece un formato de conversación compatible con solicitudes de tipo Chat Completions y Responses.
“Abierto” no significa fácil de ejecutar en un ordenador doméstico. Hugging Face muestra un paquete de cientos de miles de millones de parámetros y archivos de gran tamaño; la arquitectura base documenta 552.000 millones de parámetros de backbone, mientras el repositorio completo contabiliza más elementos al incluir todos sus componentes. Incluso con cuantización, el despliegue serio exige mucha memoria y varias GPU. Para la mayoría de pymes, consumir la API será mucho más sencillo que alojar el modelo.
Esta diferencia ya era central en nuestra comparativa entre DeepSeek V4.1 Flash y V4 Pro. La novedad de hoy no cambia la recomendación básica: Flash sigue siendo la opción económica y multimodal, pero ahora incorpora una revisión del modelo y puede combinarse con búsqueda propia.
Cómo funcionan Search y Fetch
Search recibe una consulta y devuelve entre uno y cincuenta resultados. Cada elemento puede incluir título, URL, fragmento breve, resumen largo pensado para modelos, contenido de la página, fecha, sitio de origen y dos señales de ordenación: relevancia y autoridad. La consulta admite operadores como site:, exclusiones, frases exactas, idiomas y fechas anteriores o posteriores.
Fetch recibe una única URL y devuelve el título y el contenido extraído como Markdown. Esto facilita que un agente lea una fuente seleccionada sin tener que interpretar el diseño completo de la página. La extracción sigue sujeta a la disponibilidad y las políticas del sitio de destino: puede fallar si una página bloquea el acceso, no contiene texto utilizable o utiliza un formato no compatible.
Ambas son API JSON de solo lectura y utilizan la misma clave de autenticación que el resto de DeepSeek. Search está limitado a cinco solicitudes por segundo por cuenta y Fetch tiene el mismo límite, además de restricciones por dominio. Los excesos devuelven un error 429 y requieren espera y reintento.
| Aspecto | Search | Fetch |
|---|---|---|
| Entrada | Consulta de 1 a 128 caracteres | Una URL HTTP o HTTPS |
| Salida | Hasta 50 resultados estructurados | Título y contenido Markdown |
| Límite | 5 solicitudes por segundo | 5 solicitudes por segundo y límite por dominio |
| Facturación | Solo si devuelve resultados con HTTP 200 | Solo si devuelve contenido con HTTP 200 |
El precio de 0,75 dólares por 1.000 solicitudes equivale a 0,00075 dólares por consulta exitosa. Un flujo que realice una búsqueda y después recupere cinco páginas generaría seis llamadas: alrededor de 0,0045 dólares por investigación, antes de sumar el coste de tokens del modelo. Diez mil investigaciones de ese tipo serían unos 45 dólares en herramientas, más inferencia.
DeepSeek indica que las llamadas que sus servidores ejecuten desde DeepSeek Harness, Claude Code o Codex son gratuitas hasta el 1 de noviembre de 2026; después comenzará la facturación por petición. La gratuidad temporal no convierte en gratuitos los tokens del modelo ni otros servicios usados por la aplicación.
Qué puede aportar a una pyme
La combinación puede reducir trabajo de integración en sistemas que necesitan datos recientes. Una pyme podría buscar cambios regulatorios, localizar documentación de proveedores, comparar catálogos públicos o vigilar noticias de su sector. El patrón adecuado no consiste en dejar que el agente “navegue solo”, sino en definir consultas, dominios autorizados, número máximo de páginas, fecha de corte y criterios de validación.
- Atención al cliente: buscar documentación vigente y recuperar la página antes de redactar una respuesta con enlace.
- Compras: localizar fichas públicas de proveedores y extraer datos para una tabla revisable.
- Vigilancia normativa: limitar la consulta a dominios oficiales y registrar fecha, URL y contenido utilizado.
- Investigación comercial: reunir noticias y cambios de producto sin depender de una base estática.
- Programación: consultar documentación reciente y alimentar un agente que trabaje sobre un repositorio.
El coste bajo no elimina los riesgos. La empresa usuaria sigue siendo responsable de comprobar licencias, protección de datos, exactitud y condiciones de las páginas recuperadas. El campo “autoridad” del buscador es una señal del proveedor, no una certificación. Para decisiones importantes conviene priorizar fuentes primarias, mostrar citas y exigir revisión humana.
La actualidad de la web también introduce ataques de inyección de instrucciones. Una página puede contener texto diseñado para manipular al agente, pedirle secretos o desviarlo de su tarea. Las medidas mínimas son separar el contenido recuperado de las instrucciones del sistema, bloquear acciones sensibles, restringir herramientas y no entregar credenciales al modelo. El reciente caso de agentes que adoptaron rutas de navegación no previstas demuestra por qué el control técnico importa más que una simple advertencia en el prompt.
Lo que todavía no sabemos
DeepSeek no ha publicado una evaluación independiente del índice de búsqueda frente a Google, Bing, Brave u otros proveedores. Tampoco hay datos auditados sobre cobertura real, frescura por idioma, tasa de páginas extraídas, sesgos geográficos o precisión del nivel de autoridad. La afirmación de que filtra spam SEO, manipulación para motores generativos y contenido de baja calidad pertenece a la empresa.
Respecto al modelo, faltan pruebas externas amplias de la versión 1017 en proyectos reales. La ficha es transparente sobre configuraciones y licencia, pero no sustituye una evaluación con datos propios. Un equipo que ya use deepseek-flash debería repetir sus pruebas porque el identificador no cambia aunque el modelo servido sí lo haya hecho.
- Guardar una muestra de tareas representativas antes del cambio.
- Comparar exactitud, longitud, latencia, llamadas a herramientas y coste por resultado válido.
- Revisar entradas con imágenes por separado de las tareas de texto.
- Registrar URLs y fragmentos utilizados por Search y Fetch.
- Mantener una ruta alternativa si la nueva versión degrada un caso crítico.
Para quien prefiera un modelo que pueda alojar y auditar, la licencia MIT es atractiva, aunque el tamaño complica la infraestructura. El lanzamiento se suma a una semana de modelos abiertos de gran escala, como Beam de Reflection y Nemotron 3.5 de NVIDIA. La diferencia es que DeepSeek une ahora pesos, API alojada y un motor de búsqueda propio.
Conclusión
DeepSeek‑V4.1‑Flash‑1017 no es una nueva generación completa, sino una actualización relevante de un modelo ya existente. Su interés está en mejorar tareas de agentes sin elevar el precio y en ofrecer los pesos bajo licencia MIT. Los resultados publicados son prometedores, pero todavía deben leerse como cifras del proveedor.
La apertura de Search y Fetch puede tener un impacto más inmediato. Por una tarifa muy baja, cualquier desarrollador puede añadir búsqueda web y extracción Markdown a un agente. La oportunidad es real para sistemas que necesitan información reciente; el riesgo también lo es si se confunde resultado recuperado con fuente fiable o se concede autonomía sin límites.
La mejor lectura de la novedad es práctica: DeepSeek ya no compite solo por el modelo más barato, sino por controlar una parte mayor de la infraestructura del agente. Empresas y desarrolladores ganan una opción adicional, pero deben medirla con sus propios datos, conservar las citas y tratar la web como contenido no confiable hasta que haya sido validado.
Lecturas relacionadas
Fuentes consultadas
- DeepSeek API: registro de cambios del 17 de octubre de 2026, consultado el 17 de octubre de 2026.
- DeepSeek API: guía oficial de Search y Fetch, consultada el 17 de octubre de 2026.
- DeepSeek API: modelos y precios, consultado el 17 de octubre de 2026.
- DeepSeek: ficha oficial y pesos de V4.1‑Flash‑1017, publicados el 17 de octubre de 2026.
- The Decoder: análisis del rendimiento y coste declarados, 17 de octubre de 2026.
- BenchLM: comparación pública con GPT‑5.6 Luna, consulta del 17 de octubre de 2026.
Deja una respuesta