DeepSeek puso en circulación su modelo más reciente, DeepSeek V4 Pro 0813, disponible únicamente por interfaz de programación. El lanzamiento llegó sin la parafernalia habitual de la industria: no hay página de anuncio, no hay entrada de blog y no hay tarjeta de modelo oficial. La referencia obligada para enlazarlo terminó siendo su ficha en OpenRouter, el intermediario que agrupa modelos de distintos proveedores bajo una sola API.
El nombre sigue la convención de fechas que la empresa china viene usando: 0813 corresponde al 13 de agosto. Es la tercera entrega conocida de la línea V4 en 2026, después de la publicación de DeepSeek-V4-Pro en abril y de DeepSeek-V4-Flash-0731 en julio.
¿Va a liberar los pesos?
No hay confirmación. Pero el precedente juega a favor: los pesos de las dos versiones anteriores, la de abril y la de julio, sí están publicados en Hugging Face, así que resulta razonable esperar que este también termine ahí. La distinción no es menor para quien despliega modelos en infraestructura propia, porque un modelo solo por API y uno con pesos descargables habilitan escenarios completamente distintos en materia de costos, latencia y residencia de datos.
Tres niveles de razonamiento, tres resultados distintos
El detalle técnico más interesante del modelo aparece al comparar sus modos de razonamiento bajo, medio y alto. El desarrollador Simon Willison lo puso a prueba con el ejercicio que suele aplicar a cada modelo nuevo, generar una ilustración vectorial SVG de un pelícano andando en bicicleta, y obtuvo tres pelícanos visiblemente distintos según el nivel configurado.
"No he notado esta clase de diferencia en ningún otro modelo", apuntó Willison.
La variación importa más de lo que parece. En la mayoría de los modelos con razonamiento ajustable, subir el nivel se traduce en más tiempo de cómputo y respuestas algo más pulidas, pero la salida conserva un estilo reconocible. Acá cambian la composición, la paleta y hasta los elementos que el modelo decide incluir en la escena, lo que sugiere que los distintos presupuestos de razonamiento están reorganizando la respuesta de raíz y no solo refinándola.
¿Dónde están los benchmarks?
En ninguna parte formal, y ese es quizá el dato más revelador del lanzamiento. Según relata Willison, las cifras de rendimiento se publicaron en el grupo oficial de DeepSeek en WeChat. Desde ahí alguien las copió y pegó en una publicación en Reddit que los moderadores terminaron eliminando por considerarla de bajo esfuerzo. De ese hilo borrado, los números pasaron a una tabla en arte ASCII dentro de un comentario en Hacker News.
Un laboratorio que compite en la frontera de la industria distribuyendo sus propias métricas por una cadena de mensajería, foro y comentario, sin un documento verificable de por medio. Para quien evalúa modelos con criterio profesional, esa trazabilidad rota es un problema práctico: no hay metodología publicada, no hay condiciones de prueba y no hay forma de auditar la cifra.
¿Cómo probarlo desde la región?
Por ahora, la vía directa es OpenRouter, que expone el modelo bajo una API compatible con el estándar de la industria y permite compararlo contra otros modelos sin cambiar el código de la aplicación. Si los pesos efectivamente se liberan, como ocurrió con las dos versiones previas, el escenario cambia para equipos locales que necesitan operar sin enviar datos fuera de su infraestructura.
