DeepSeek V4 Flash 0731: para qué sirve de verdad (benchmark en español)
Donde mejor rinde es Coding (#33 de 97 entre los que rinden el examen completo), y donde menos rinde es Agentes (7.11 contra 9.16). Está en el tercio más barato del ranking: $0.294 por cada 1.000 llamadas.
Dónde está parado, pilar por pilar
La nota de la derecha es sobre 10. La barra compara contra los demás modelos del ranking, no contra el cero: entre el mejor y el peor de esta lista hay poco más de un punto, así que en escala 0-10 se verían todas iguales. La marca vertical es la mediana — quedar por debajo acá no es una mala nota, es estar en el promedio de un grupo muy parejo.
Medido con 143 runs que puntúan, juez Phi-4 local · actualizado 2026-08-23 · datos abiertos
Qué hace bien y qué no
Su media entre las 33 tareas medidas es 7.34. Un promedio esconde justo lo que te importa, así que acá están los extremos.
Donde rinde por encima de sí mismo
- JSON estructurado (extracción, schemas) — 8.82 (+1.48 contra su media).
- Presentaciones (slides, reportes) — 8.56 (+1.22 contra su media).
- Verificar VARIOS datos de una vez (lote) — 8.46 (+1.12 contra su media).
- Gestión de tareas (action items, planes) — 8.43 (+1.09 contra su media).
Donde se cae
- Resistencia a prompt injection — 3.20 (-4.14 contra su media).
- Tool calling (llamada de funciones) — 4.71 (-2.63 contra su media).
- Traducción (es↔en) — 5.58 (-1.76 contra su media).
- No inventar herramientas (abstenerse cuando no hay) — 5.91 (-1.43 contra su media).
Si DeepSeek V4 Flash 0731 no te cierra
| Modelo | Calidad | $/1k | Latencia | Por qué |
|---|---|---|---|---|
| Ling 3.0 Flash | 7.98 | $0.101 | 12.1 s | misma nota o mejor, menos plata por llamada |
| Qwen 3.7 Flash | 8.49 | $0.204 | 28.5 s | hasta 30% más caro, pero rinde más |
| Gemini 3.1 Flash Lite | 8.09 | $2.33 | 4.1 s | al menos 40% menos de espera, sin caer de nota |
La ficha: DeepSeek V4 Flash 0731 en números
| Calidad medida | |
|---|---|
| Runs que puntúan | 143 |
| Tool calling | 8.18 |
| Resistencia a prompt injection | 1.90 |
| Precio | |
| Precio por millón · entrada | $0.080 |
| Precio por millón · salida | $0.180 |
| Rendimiento y límites | |
| Latencia total media | 84.0 s |
| Ventana de contexto | 1.048.576 |
| Contexto útil medido | 800.000 |
Contra los mejores del ranking, en plata
| Modelo | Calidad | $/1.000 llamadas |
|---|---|---|
| DeepSeek V4 Flash 0731 | 8.05 | $0.294 |
| GPT-5.6 Luna | 8.52 | $0.930 |
| Claude Opus 4.8 | 8.48 | $39.00 |
- GPT-5.6 Luna (el techo medido) rinde 6% más (8.52 contra 8.05) y cuesta 3 veces más por llamada.
- Claude Opus 4.8 (el caro que todos conocen) rinde 5% más (8.48 contra 8.05) y cuesta 133 veces más por llamada.
Cuánto max_tokens darle, por tarea
| Tarea | Mediana | Peor caso medido | max_tokens sugerido |
|---|---|---|---|
| Tareas largas (sostener el hilo 8-12 turnos) | 8.815 | 19.014 | 23.767 |
| Contenido con datos verificables (no inventar) | 674 | 8.192 | 10.240 |
| Razonamiento profundo (matemática. Fermi) | 6.210 | 8.192 | 10.240 |
| OCR / extracción desde imágenes | 4.353 | 8.192 | 10.240 |
| Razonamiento general (lógica. decisiones) | 5.379 | 8.192 | 10.240 |
| Ventas en frío (cold email. campañas) | 1.774 | 8.192 | 10.240 |
| Creatividad (hooks. analogías. narrativa) | 4.166 | 6.853 | 8.566 |
| Estrategia (pricing. planificación) | 3.300 | 5.931 | 7.413 |
| Contenido startup (newsletter. actualidad) | 3.315 | 5.451 | 6.813 |
| Generación de código (Python. SQL. debug) | 2.696 | 5.033 | 6.291 |
| Presentaciones (slides. reportes) | 4.897 | 4.897 | 6.121 |
| Resúmenes y extracción de datos | 4.637 | 4.637 | 5.796 |
| Gestión de tareas (action items. planes) | 4.434 | 4.617 | 5.771 |
| Noticias + SEO (artículos completos) | 1.781 | 3.931 | 4.913 |
| Auditar números (detectar el error plantado) | 2.293 | 3.614 | 4.517 |
| Decisiones de negocio (prioridades. plan) | 2.419 | 3.588 | 4.485 |
| Verificar VARIOS datos de una vez (lote) | 1.127 | 2.492 | 3.115 |
| Integridad de idioma (no mezclar idiomas) | 2.055 | 2.149 | 2.686 |
| Contenido genérico (blog. email. social) | 2.012 | 2.124 | 2.655 |
| Multi-turno (debugging. requisitos) | 1.870 | 1.965 | 2.456 |
| Anti-alucinación (citas. contexto) | 421 | 1.928 | 2.410 |
| Traducción (es↔en) | 320 | 1.279 | 1.598 |
| Capacidades de agente (delegación. skills) | 664 | 1.114 | 1.392 |
| Seguir instrucciones al pie de la letra | 802 | 927 | 1.158 |
| Verificar un dato contra su fuente | 244 | 926 | 1.157 |
| JSON estructurado (extracción. schemas) | 575 | 868 | 1.085 |
| Resistencia a prompt injection | 193 | 864 | 1.080 |
| Orquestación (flujos de varios pasos) | 550 | 745 | 931 |
| No inventar herramientas (abstenerse cuando no hay) | 157 | 503 | 628 |
| Precisión literal (hex. JWT. configs) | 98 | 502 | 627 |
| Tool calling (llamada de funciones) | 241 | 494 | 617 |
| Aguja en el pajar (contexto largo en español) | 159 | 370 | 462 |
| Soporte al cliente (clasificar y responder) | 234 | 288 | 360 |
Los números oficiales de DeepSeek V4 Flash 0731
Acá no los repetimos, y es a propósito. MMLU, GPQA, SWE-bench y la tabla del lanzamiento las publica quien hizo el modelo, con más recursos y antes que nadie: ese enlace es mejor que cualquier copia nuestra, y no envejece.
Lo que sí medimos acá es lo otro: qué pasa cuando este modelo tiene que decidir algo de un negocio chico, en español y a un precio que se pueda pagar. Verificar un dato antes de publicarlo, emitir el JSON que espera un workflow, llamar la herramienta correcta. Eso no está en la tarjeta del fabricante.
¿Es el mejor para TU caso?
Filtra por presupuesto, calidad mínima y tipo de tarea. En 30 segundos sabes si DeepSeek V4 Flash 0731 es tu opción o hay algo mejor para lo que haces.
Ir a la calculadora →