DeepSeek V4-Pro: el modelo chino que amenaza a OpenAI

DeepSeek V4-Pro es el modelo insignia del laboratorio chino DeepSeek para razonamiento, agentes autónomos y programación compleja. Se lanzó oficialmente el 13 de agosto de 2026, ofrece un millón de tokens de contexto, compatibilidad con las API de OpenAI y Anthropic y precios desde $0.022 por millón de tokens de entrada en horario valle. Esa combinación de capacidad y precio es la que presiona a OpenAI y Anthropic: V4-Pro cubre gran parte de los trabajos de sus modelos premium a una fracción del coste. En este artículo revisamos qué es exactamente, qué cambia frente a la generación anterior, cuánto cuesta y qué limitaciones conviene conocer antes de adoptarlo.

¿Qué es DeepSeek V4-Pro?

DeepSeek V4-Pro es el modelo de gama alta de la familia V4 de DeepSeek, el laboratorio fundado en julio de 2023 por Liang Wenfeng en Hangzhou y financiado por el fondo de cobertura High-Flyer. La compañía publica sus modelos con pesos abiertos bajo licencia MIT desde enero de 2025 y opera con un equipo de unas 160 personas (dato de 2025). En la API, la versión actual se identifica como DeepSeek-V4-Pro-0813, en referencia a su lanzamiento del 13 de agosto de 2026, después de la preview presentada en abril de ese año.

Dentro del catálogo de la empresa, V4-Pro cubre los trabajos que exigen más razonamiento: agentes autónomos, depuración de código complejo y sesiones largas de ingeniería de software. DeepSeek lo posiciona como competidor de los modelos premium americanos y afirma que iguala a Kimi K3, de Moonshot AI, a menor coste (tenemos un análisis completo de Kimi K3 aquí).

Estas son las especificaciones publicadas en la documentación oficial de la API:

Dos datos de la tabla merecen lectura aparte. El contexto de un millón de tokens permite cargar en una sola consulta material que en otros modelos habría que trocear: un expediente completo, una base de código mediana o meses de transcripciones. Y la ausencia de visión es la diferencia más visible frente a su hermano pequeño, V4.1 Flash, que sí interpreta imágenes de forma nativa.

El modelo funciona en dos modos. Por defecto activa el razonamiento (thinking), en el que despliega una cadena de pensamiento antes de responder. Para tareas simples se puede desactivar, con lo que bajan la latencia y el coste de cada consulta. Ese comportamiento híbrido llegó a la familia V3.1 en agosto de 2025 y se mantiene en toda la gama V4.

La API opera en formato OpenAI y en formato Anthropic con la misma cuenta. En la práctica, una aplicación escrita contra el SDK de OpenAI o contra el de Anthropic puede apuntar a DeepSeek cambiando la URL base y la clave de API, sin necesidad de reescribir el código. Para equipos que mantienen integraciones con varios proveedores, ese detalle acorta la evaluación técnica.

¿Qué cambia frente a la generación anterior?

Con la familia V4, DeepSeek cambió de arquitectura. V3.1, la generación anterior, era un modelo denso de 671 mil millones de parámetros con una ventana de contexto de 128K-164K tokens. V4 pasa a una arquitectura MoE (mixture of experts; el término está explicado en nuestro glosario de inteligencia artificial) optimizada para razonamiento y código, con V4-Pro como modelo grande de 1,6 billones de parámetros y V4-Flash como versión compacta.

En la práctica, una arquitectura MoE activa solo una parte de sus parámetros en cada consulta, y eso reduce el coste de inferencia frente a un modelo denso del mismo tamaño total. Es el mismo enfoque que DeepSeek aplica en toda la familia V4.

La cronología del lanzamiento:

Los cambios principales frente a la generación anterior:

• Contexto multiplicado: de los 128K-164K tokens de V3.1 al millón de tokens en toda la familia V4.
• Enfoque en agentes: V4-Pro está diseñado para agentes autónomos y sesiones de trabajo largas, en las que el modelo encadena herramientas y decisiones sin supervisión constante.
• Precios por franjas horarias y caché: la API cobra menos en horario valle y cuando la consulta reutiliza contexto ya cacheado, un esquema que premia el uso repetitivo típico de las aplicaciones empresariales.
• Compatibilidad dual de API: la misma cuenta sirve respuestas en formato OpenAI y en formato Anthropic, de modo que migrar una aplicación existente no obliga a reescribir el código.

Frente a V4.1 Flash, presentado el 10 de septiembre de 2026, V4-Pro conserva el papel de modelo para trabajos pesados. Flash incorporó visión multimodal nativa y recortó los precios; V4-Pro sigue siendo la opción para razonamiento largo y código complejo, con un coste entre 3 y 7 veces superior según el concepto facturado. La tabla de la sección siguiente muestra la diferencia con cifras.

¿Cuánto cuesta DeepSeek V4-Pro?

La documentación oficial de precios de DeepSeek publica estas tarifas por millón de tokens:

El horario pico ocupa de 01:00 a 04:00 y de 06:00 a 10:00 UTC, de lunes a viernes, salvo festivos chinos. El resto del calendario, fines de semana incluidos, se factura a precio de valle, la mitad del pico. Ese reparto juega a favor de Latinoamérica: una jornada de oficina estándar en México (UTC-6) cae completa en franja valle. En España, en cambio, las mañanas coinciden en parte con el pico: de 08:00 a 12:00 hora peninsular en verano el precio se duplica.

La caché explica la otra mitad de la factura. Si una consulta reutiliza el prefijo de una anterior (el system prompt, los documentos ya enviados), la entrada se cobra como cache hit, a $0.022 por millón de tokens, unas 30 veces menos que el cache miss ($0.66). Para una aplicación que consulta siempre con el mismo contexto, el ahorro es inmediato: basta con mantener estable ese prefijo.

El pago funciona por deducción: cada petición descuenta tokens × precio del saldo recargado, con preferencia por el saldo concedido (granted balance) cuando existe. DeepSeek recomienda recargar según el uso real y revisar la página de precios con regularidad, porque puede ajustar las tarifas.

Con los precios de lista en horario valle, unos ejemplos:

• Procesar 10 millones de tokens de entrada (cache miss) y generar 2 millones de tokens de salida cuesta $10,56 con V4-Pro: 10 × $0.66 + 2 × $1.98.
• El mismo trabajo con Claude Opus 5 ($5 de entrada y $25 de salida por millón de tokens) cuesta $100, unas 9,5 veces más.
• Con GPT-6 Astra (estimado en $10 y $50 por millón de tokens), la factura sube a $200, unas 19 veces más que con V4-Pro.

Comparativa con los precios recogidos en nuestro análisis de DeepSeek:

En salida de texto, V4-Pro cuesta 12,6 veces menos que Claude Opus 5. Flash, el modelo pequeño, llega a 41,6 veces menos. Antes de presupuestar un proyecto, conviene revisar la página oficial de precios, porque DeepSeek puede ajustar las tarifas en cualquier momento.

También importa el límite de concurrencia: 500 peticiones simultáneas frente a las 2.500 de Flash. Para una PYME suele ser margen de sobra; para una plataforma con miles de usuarios a la vez, es una restricción a tener en cuenta desde el diseño.

El contexto: destilación y controles de exportación

La presión de DeepSeek sobre los laboratorios americanos se entiende mejor con dos procesos de fondo: la acusación de destilación de febrero de 2026 y las restricciones de exportación de chips avanzados.

En febrero de 2026, Anthropic publicó una investigación en la que denunciaba campañas a gran escala de tres laboratorios chinos (DeepSeek, Moonshot y MiniMax) para extraer capacidades de Claude: más de 16 millones de intercambios generados mediante unas 24.000 cuentas fraudulentas, en violación de sus términos de servicio y de sus restricciones de acceso regionales. La campaña atribuida a DeepSeek superó los 150.000 intercambios y se centró en capacidades de razonamiento, en tareas de evaluación con rúbricas (usar Claude como modelo de recompensa para aprendizaje por refuerzo) y en la generación de alternativas que esquivaran la censura en consultas políticamente sensibles. Anthropic afirmó haber rastreado las cuentas hasta investigadores concretos del laboratorio.

La destilación es una técnica legítima y habitual: entrenar un modelo menor con las salidas de uno más capaz. Los laboratorios de frontera la usan para crear versiones pequeñas y baratas de sus propios modelos. Según Anthropic, el problema está en el uso que estos tres laboratorios hicieron de ella: adquirir capacidades en una fracción del tiempo y del coste que costaría desarrollarlas de forma independiente, evadiendo además las restricciones regionales de acceso (Anthropic no ofrece acceso comercial a Claude en China).

Sobre los controles de exportación, Anthropic los ha apoyado de forma consistente como mecanismo para mantener la ventaja americana en IA. Su argumento: los avances rápidos de los laboratorios chinos dependen en parte de capacidades extraídas de modelos americanos, y ejecutar esa extracción a gran escala requiere a su vez acceso a chips avanzados. Por eso, según su publicación, restringir el acceso a chips limita tanto el entrenamiento directo de modelos como la escala de la destilación ilícita.

Anthropic advierte también en esa investigación de que los modelos destilados ilícitamente pueden carecer de las salvaguardas de seguridad de los originales, y de que, si se publican como pesos abiertos, esas capacidades se difunden sin control. Es parte del debate sobre soberanía tecnológica que afecta también a Europa.

Para una PYME, este contexto tiene una lectura práctica. El precio de V4-Pro refleja una estructura de costes distinta de la de los laboratorios americanos, y esa diferencia es la que obliga a OpenAI y Anthropic a replantear sus tarifas. Otros laboratorios chinos compiten en la misma franja, con Qwen de Alibaba (análisis aquí) o Kimi de Moonshot, de modo que la presión sobre los precios no depende de un solo proveedor.

¿Para quién tiene sentido DeepSeek V4-Pro?

V4-Pro encaja cuando la carga de trabajo exige razonamiento y el volumen de tokens pesa en la factura. Estos son los casos donde funciona bien y donde conviene valorar otras opciones.

Casos donde encaja

• Equipos de desarrollo: programación compleja y depuración. La API es compatible con los formatos de OpenAI y Anthropic, y la documentación oficial indica que herramientas como Claude Code, GitHub Copilot u OpenCode pueden usar DeepSeek como modelo de fondo cambiando la configuración, sin necesidad de reescribir código.
• Análisis de documentos largos: el contexto de un millón de tokens admite expedientes completos o bases de código enteras en una sola consulta, algo que con ventanas de 128K obliga a trocear el material y a gestionar el resumen entre fragmentos.
• Procesamiento por lotes: las tareas que pueden ejecutarse fuera del horario laboral caen en franja valle, con la factura a la mitad. Combinado con la caché, es el escenario donde el coste por token baja más.
• Aplicaciones con consultas repetitivas: chatbots y asistentes internos que consultan siempre con el mismo system prompt se benefician del precio de cache hit, 30 veces menor que el cache miss.

Cuándo valorar otras opciones

• Si necesitas interpretar imágenes (facturas escaneadas, capturas de pantalla, diagramas), V4.1 Flash tiene visión nativa y V4-Pro no.
• Si tu aplicación necesita miles de peticiones simultáneas, el límite de 500 de V4-Pro puede quedarse corto frente a las 2.500 de Flash.
• Si tu sector exige soberanía de datos estricta o tienes requisitos regulatorios sobre dónde se procesa la información, los modelos servidos desde China plantean preguntas que conviene resolver antes de enviar datos personales. El RGPD se aplica igual con un proveedor chino que con cualquier otra transferencia internacional.
• Si tu empresa exige certificaciones de seguridad auditadas o soporte contractual local, revisa qué ofrece cada proveedor antes de decidir.

Riesgos y limitaciones

• Sin visión: V4-Pro no procesa imágenes. Para flujos con documentos escaneados o capturas, la alternativa dentro de la misma familia es V4.1 Flash.
• Concurrencia limitada: 500 peticiones simultáneas, cinco veces menos que Flash. En aplicaciones de alto volumen, hay que planificar colas o repartir la carga.
• Acusación de destilación: la investigación de Anthropic de febrero de 2026 sigue pesando sobre la reputación del laboratorio, y algunos clientes pueden preferir proveedores sin ese historial.
• Afiliaciones militares: según recogimos en nuestro análisis de DeepSeek, decenas de investigadores del laboratorio tienen o tuvieron afiliaciones con laboratorios del Ejército Popular de Liberación (EPL), y el chatbot se usa en roles no combatientes del EPL desde marzo de 2025. Para empresas con clientes sensibles a este punto, es un factor de riesgo reputacional a valorar.
• Precios variables: DeepSeek se reserva el derecho de ajustarlos en cualquier momento, así que las cifras de este artículo conviene verificarlas en la página oficial antes de un presupuesto.
• Rendimiento por afirmación: DeepSeek afirma que V4-Pro iguala a Kimi K3 a menor coste. Antes de migrar cargas críticas, conviene validar con pruebas propias sobre tus casos de uso reales.

Fuentes

• DeepSeek API Docs
• DeepSeek API Docs, Models & Pricing
• Anthropic, Detecting and preventing distillation attacks

Si estás evaluando cómo integrar modelos como DeepSeek V4-Pro en tu empresa, mira nuestros servicios de inteligencia artificial. Te responderemos en menos de 24 horas laborables.