DeepSeek V4 Flash: modelo de la red Gonka con contexto de 380K

DeepSeek es un laboratorio de IA chino con sede en Hangzhou que obtuvo reconocimiento mundial tras los lanzamientos de V3 y R1: fue R1, a principios de 2025, el que demostró que un modelo abierto podía alcanzar a los líderes cerrados por una fracción de su presupuesto. En abril de 2026, DeepSeek lanzó la familia V4 compuesta por dos modelos: el pesado V4 Pro y el ligero V4 Flash. Ambos son abiertos (licencia MIT) y ambos están construidos sobre una arquitectura MoE.

V4 Flash cuenta con 284 mil millones de parámetros, de los cuales se activan unos 13 mil millones por token. Esta dispersión hace que el modelo sea rápido y económico de mantener: requiere significativamente menos VRAM que los gigantes "densos" y su velocidad de generación es superior.

En la red Gonka funciona la versión V4-Flash-0731, una compilación re-entrenada (re-post-training) del 31 de julio de 2026. La arquitectura y el tamaño no cambiaron, pero la calidad en tareas de agentes aumentó drásticamente: según nueve benchmarks de agentes y codificación publicados por DeepSeek, la compilación 0731 supera incluso a su propio modelo insignia, V4 Pro, en su versión preliminar. Una aclaración importante para ser justos: parte de estas cifras son mediciones de la propia DeepSeek en su entorno de prueba, el cual aún no se ha lanzado públicamente, por lo que todavía no hay replicación independiente. La brecha con la frontera de los modelos cerrados persiste: Claude Opus 4.8 no es superado por la compilación 0731 en ninguno de los nueve benchmarks, pero cuesta muchísimo menos, y esa es precisamente su esencia: calidad máxima de agente por una fracción del precio.

Al igual que con otros modelos de la red, es importante distinguir entre las características del modelo "de fábrica" y los parámetros operativos de una implementación específica: estos son definidos por la configuración de inferencia vLLM en los hosts GPU de la red. Valores reales a través de nuestro Gateway:

• Ventana de contexto: 380 000 tokens, la más larga en la red Gonka. Lo hemos verificado empíricamente: una solicitud con 381 000 tokens de entrada fue aceptada y procesada en decenas de segundos. La arquitectura V4 Flash en sí misma admite contextos de hasta 1 millón de tokens; el techo práctico en la red está determinado por la configuración de los hosts (ventana de inferencia de 400 000).
• Salida máxima: 8 192 tokens por respuesta, un límite único para todos los modelos de la red (configuración de la puerta de enlace, no un límite del modelo).
• Reasoning y tool calling: el modelo se despliega con parsers de razonamiento y llamadas a herramientas; los escenarios de agentes (Cursor, Claude Code, LangChain) funcionan de inmediato; ejecutamos escenarios de herramientas de varios pasos a través de rutas compatibles con OpenAI y Anthropic.
• Requisito de VRAM del host: alrededor de 280 GB, el modelo más ligero de la red (para comparar: MiniMax M2.7, 320 GB; Kimi K2.6, 720 GB). Cuanto más bajo sea el requisito de hardware, más fácil será para los hosts desplegar el modelo, lo cual es una buena señal para su disponibilidad en la red.

El precio de la inferencia en la red Gonka no depende de la elección del modelo: DeepSeek V4 Flash está disponible a la misma tarifa que Kimi K2.6 y MiniMax M2.7. A través de JoinGonka Gateway, esto es $0.0032 por millón de tokens de entrada y $0.0097 por millón de tokens de salida. Como referencia: la API oficial de DeepSeek vende el mismo modelo a $0.14/$0.28 por millón, y OpenRouter, desde $0.08/$0.18. La economía de la red es un tema aparte: el precio se determina mediante el cálculo del trabajo computacional, no por el precio del proveedor.

Actualmente hay tres modelos operativos en la red (un cuarto, GLM-5.2, ya está registrado y esperando despliegue). Comparación breve:

Consecuencia práctica del mismo precio: puede elegir el modelo puramente según la tarea, sin pensar en el presupuesto. Si necesita el contexto más largo o respuestas rápidas con razonamiento — DeepSeek V4 Flash; máxima fiabilidad de agente en código complejo — Kimi K2.6; un caballo de batalla constante para el día a día — MiniMax M2.7.

Resultados clave publicados de la compilación 0731 (según datos de DeepSeek y agregadores independientes):

• SWE-bench Verified: 79,0% — resolución de tareas de GitHub reales; un nivel que hace solo un año solo estaba disponible para flagships cerrados. Para comparar: Kimi K2.6 — 71,3%.
• GPQA Diamond: 88,1% — preguntas de nivel de posgrado científico; el modo de razonamiento extendido añade precisión en tareas de múltiples pasos.
• Terminal Bench 2.1: 82,7 — trabajo en terminal mediante agente; la versión preview de Flash tenía 61,8, y la V4 Pro Preview — 72,1.
• DeepSWE: 54,4 — nuevo benchmark estricto de DeepSeek con un nivel casi nulo de falsos positivos; la cifra es del proveedor, el entorno aún no se ha publicado — tómese con esa reserva.

Marco honesto: en nueve benchmarks de agentes, la compilación 0731 supera a su propio V4 Pro Preview, pero no a Claude Opus 4.8 — el retraso es de aproximadamente 6 puntos en promedio. Al mismo tiempo, por precio por token, el modelo es dos órdenes de magnitud más barato que Opus, y a través de la red Gonka — decenas de veces más barato que la API oficial de DeepSeek. Precisamente esta relación de «calidad cercana al frontier por una fracción del precio» es lo que lo hace interesante: puede ver mediciones independientes detalladas en Artificial Analysis, y los pesos y la tarjeta del modelo en Hugging Face.

El modelo está disponible a través de JoinGonka Gateway mediante una API compatible con OpenAI y Anthropic. Identificador del modelo: deepseek-ai/DeepSeek-V4-Flash-0731.

La forma más rápida — un instalador de un solo comando, que configurará su herramienta (Claude Code, OpenClaw, Cline, opencode, Aider y otros) directamente para este modelo:

npx @joingonka/setup --model deepseek

Llamada directa a la API (formato OpenAI):

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer jg-su-clave" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-ai/DeepSeek-V4-Flash-0731","messages":[{"role":"user","content":"¡Hola!"}]}'

Al registrarse, obtiene 10 000 000 tokens gratuitos — con un contexto de 380K es la oportunidad de probar el modelo inmediatamente en documentos reales grandes y bases de código. Ejemplos paso a paso en Python y TypeScript — en API Quickstart; puede probar sin registro en el chat gratuito, seleccionando DeepSeek V4 Flash en la lista de modelos.

Escenarios fuertes para este modelo:

• Documentos grandes y bases de código completas. 380 000 tokens — son alrededor de 280 000 palabras: un informe anual, un paquete de documentos legales o un repositorio promedio caben en una sola consulta, sin cortar en piezas y sin perder conexiones entre partes.
• Sesiones de agentes largas. Un agente autónomo que lee archivos, llama a herramientas y acumula historial, alcanza el límite del contexto más rápido que nadie — una reserva de 380K tokens significa sesiones notablemente más largas sin borrar la memoria.
• RAG con muestras grandes. Cuantos más documentos relevantes quepan en el contexto, menor será la dependencia de la precisión de la búsqueda.
• Tareas con razonamiento. El modo reasoning da un incremento en matemáticas, ciencia y lógica de múltiples pasos — al precio de un modelo normal.

Cuándo es más razonable otro modelo de la red: para una codificación de agente lo más fiable posible en repositorios complejos, Kimi K2.6 sigue siendo fuerte (análisis detallado — en el artículo sobre los mejores modelos para código), y MiniMax M2.7 sigue siendo un caballo de batalla probado para tareas cotidianas. Gracias al precio unificado, puede experimentar libremente — cambiar el modelo es una sola línea en la consulta.