DeepSeek ha publicado V4 Pro 0813 en version general el 12 de agosto, con un millon de tokens de contexto y un precio de 0,435 dolares por millon de tokens de entrada. Es la cuarta parte de lo que cobra Grok 4.6, lanzado el mismo dia, y la historia numero uno de Hacker News con 871 puntos.
Puntos clave
- Un millon de tokens de contexto. Unas 750.000 palabras en una sola llamada.
- 0,435 dolares por millon de tokens de entrada y 0,87 por millon de salida.
- Arquitectura de mezcla de expertos a gran escala, la misma familia tecnica que el resto de la linea V4.
- Soporta llamada a herramientas y salidas estructuradas, lo minimo para montar agentes encima.
Qué cambia respecto a V4-Flash
Hace diez dias DeepSeek publico V4-Flash-0731, el modelo pequeno que batio a su propio buque insignia en las nueve pruebas que la propia empresa usa para medirse. Aquello era un modelo rapido y barato que rendia por encima de lo esperado.
V4 Pro juega en otra liga. El millon de tokens de contexto es la diferencia visible: pasa de un modelo con el que haces preguntas a un modelo al que le metes un repositorio entero, un contrato de 400 paginas o el historico de tickets de un trimestre y le pides que trabaje encima sin trocear nada.
La ficha en OpenRouter todavia no publica los benchmarks. Estan las secciones, faltan los numeros, asi que la comparacion directa contra GPT-5.6 o Grok 4.6 tendra que esperar a las mediciones independientes.
La cuenta que hay que hacer
Aqui va el calculo que importa para una empresa. Procesar un millon de tokens de entrada cuesta 0,435 dolares en DeepSeek V4 Pro y 2 dolares en Grok 4.6. En salida, 0,87 contra 6.
Si tienes un proceso que consume 500 millones de tokens de entrada al mes, algo normal en cuanto metes documentos de verdad, la diferencia es de 217 dolares a 1.000. Multiplicado por doce meses y por tres procesos, ya estamos hablando de dinero que se nota en una cuenta de resultados de empresa mediana.
Ese es el motivo de que en Hacker News el hilo tenga 351 comentarios en un dia. No es la novedad tecnica, es el precio.
El contexto largo tiene letra pequena
Un millon de tokens de contexto no significa que el modelo use bien ese millon. La degradacion en el medio de la ventana es un problema medido en toda la industria: los modelos recuerdan bien el principio y el final del contexto, y se despistan en la parte central.
Hasta que no haya pruebas independientes de recuperacion sobre ventana completa, lo prudente es tratar el millon como techo teorico y no como garantia. Si metes 800.000 tokens y esperas precision en el dato de la pagina 300, prueba antes con tus propios documentos.
Por qué importa
Para una empresa espanola que ya tiene procesos con Claude o ChatGPT, esto abre la puerta a mover a DeepSeek las tareas de volumen donde el coste manda y la precision maxima no es critica: clasificar tickets, extraer datos de facturas, resumir llamadas comerciales.
Hay una decision previa que nadie te va a resolver por ti. DeepSeek es una empresa china y tus datos pasan por su infraestructura si usas su API directa. Para datos operativos internos puede ser aceptable; para datos de cliente sujetos a RGPD, la conversacion con tu responsable legal va antes que la prueba tecnica. Existe la via de correrlo tu mismo o a traves de un proveedor europeo, y ahi el ahorro se come parte del margen.
Relacionado
