DeepSeek cuesta tres céntimos por prueba. La IA empieza a competir por el precio del trabajo terminado

El modelo más capaz no siempre es el modelo que conviene utilizar.

Un estudio puede pagar por una inteligencia artificial capaz de resolver problemas extraordinariamente complejos y utilizarla después para clasificar correos, resumir documentos o extraer datos de una tabla. Es como contratar una grúa para mover una silla.

DeepSeek V4-Flash intenta competir precisamente en esa diferencia. Artificial Analysis calcula que el modelo cuesta de media tres centavos de dólar por prueba dentro de sus evaluaciones.

La misma prueba costaría aproximadamente 86 centavos con Kimi K3, 1,86 dólares con GPT-5.6 Sol y 3,15 dólares con Claude Fable 5. La diferencia entre DeepSeek y Claude supera cien veces.

Eso no significa que ambos modelos ofrezcan la misma capacidad. V4-Flash obtuvo 50 puntos sobre 100 en el índice de la firma, frente a puntuaciones al menos nueve puntos superiores de los modelos principales de OpenAI y Anthropic.

Significa algo más útil: la IA profesional ya no puede elegirse mediante una única clasificación de inteligencia.

DeepSeek se convirtió en un actor internacional a comienzos de 2025 al demostrar que un laboratorio chino podía ofrecer modelos competitivos con precios y recursos inferiores a los de sus rivales estadounidenses.

Desde entonces, Moonshot, MiniMax, Z.AI, Alibaba y ByteDance han intensificado la competencia. Lanzar un modelo potente ya no garantiza mantener la atención del mercado.

V4-Flash cobra 0,14 dólares por millón de tokens de entrada y 0,28 por millón de salida. Esas tarifas parecen simples, pero rara vez permiten saber cuánto costará un trabajo completo.

Un modelo barato puede requerir más texto, repetir operaciones, equivocarse y volver a intentarlo. Un modelo caro puede resolver la tarea en menos pasos. El precio por token no indica por sí solo el coste del resultado.

Artificial Analysis intenta corregir esa limitación calculando cuánto gasta cada modelo durante una serie de pruebas comparables. La metodología no reproduce cada proyecto real, pero diferencia entre comprar procesamiento y comprar una tarea terminada.

Durante la primera etapa de la IA generativa, la capacidad era escasa. Los usuarios buscaban el sistema que mejor escribía, razonaba o programaba porque las diferencias entre modelos eran evidentes.

Ahora existen más tamaños y precios. Muchos alcanzan una calidad suficiente para tareas delimitadas: clasificar normativa, comparar versiones, redactar actas, etiquetar fotografías, ordenar bases de datos o preparar un primer resumen de concurso.

No todas esas operaciones necesitan el razonamiento más avanzado.

El modelo adecuado depende de cuatro variables: calidad mínima aceptable, coste, velocidad y riesgo del error. Para una lluvia de ideas interna puede tolerarse una respuesta imperfecta; para extraer obligaciones de un contrato, el coste de equivocarse puede superar cualquier ahorro.

DeepSeek ocupa el extremo económico de esa matriz. Su puntuación de 50 iguala a Gemini 3.6 Flash y queda ligeramente por debajo de otros modelos intermedios, mientras los sistemas de frontera se sitúan más arriba.

El dato no establece que uno sea mejor para todos los usos. Permite reconocer que cada punto adicional puede tener un precio considerable.

La comparación se vuelve aún más importante con los agentes. Un chatbot responde una vez; un agente puede ejecutar decenas o centenares de pasos: buscar, leer, decidir, utilizar una herramienta, comprobar el resultado y corregirse.

Una pequeña diferencia por operación se multiplica durante toda la cadena. Un agente construido exclusivamente sobre un modelo de frontera puede ser impresionante durante una demostración y económicamente inviable en uso continuo.

La alternativa consiste en enrutar tareas. Un modelo pequeño clasifica la solicitud, otro económico realiza operaciones rutinarias y el modelo avanzado interviene cuando la complejidad, incertidumbre o riesgo superan un umbral.

La inteligencia deja de ser un único producto y se convierte en una arquitectura de decisiones.

Para pequeñas empresas, un coste de tres céntimos por prueba permite experimentar con volúmenes que serían difíciles de justificar utilizando exclusivamente modelos caros.

Para las grandes plataformas, los modelos suficientemente buenos y baratos obligan a explicar por qué la capacidad adicional de un sistema de frontera produce valor económico. No bastará con liderar una clasificación.

Para los profesionales, una respuesta barata que necesita veinte minutos de comprobación puede costar más que una respuesta cara revisada en dos. El tiempo humano continúa formando parte del precio final.

También importan privacidad y dependencia. Elegir el proveedor más barato no elimina la necesidad de estudiar dónde se procesan los datos, qué condiciones contractuales existen y si el sistema puede ejecutarse dentro de una infraestructura controlada.

Los benchmarks tampoco reproducen perfectamente contratos, proyectos o documentos reales. Un modelo puede obtener una puntuación aceptable y fallar precisamente en el idioma, formato o disciplina que necesita una empresa.

DeepSeek prepara una versión V4-Pro más potente, aunque todavía no ha anunciado una fecha de lanzamiento. La relación entre Flash y Pro anticipa una etapa con un sistema económico para volumen y otro más caro para problemas complejos.

Las empresas que comprendan esa diferencia podrán reducir gasto sin abandonar calidad. Las que compren únicamente por prestigio pagarán capacidad que raramente utilizan; las que compren solo por precio trasladarán el coste a sus trabajadores mediante comprobaciones y errores.

El dato. Artificial Analysis estima un coste medio de tres centavos por prueba para DeepSeek V4-Flash, frente a 3,15 dólares para Claude Fable 5. V4-Flash obtuvo 50 puntos en su índice de capacidad y se encuentra por debajo de los principales modelos de OpenAI y Anthropic.

El mejor modelo no es siempre el que más sabe. Es el que consigue terminar el trabajo con la calidad necesaria y un coste que todavía permite hacerlo mañana.

Crédito de imagen: circuito electrónico, Alexandre Debiève/Unsplash. Archivo servido a 2.400 × 1.600 px.