DeepSeek V4 Flash (OpenRouter): para qué sirve de verdad (benchmark en español)

Donde mejor rinde es Coding (#35 de 97 entre los que rinden el examen completo), y donde menos rinde es Agentes (7.24 contra 9.14). Está en el tercio más barato del ranking: $0.462 por cada 1.000 llamadas.

Nota de calidad8.16/10#40 de 97 · del mejor al peor hay 1.3 puntos

Por 1.000 llamadas$0.462más barato que 83 de 97

Al mes, uso típico$0.69350 llamadas por día, todos los días

Velocidad62 tok/s29.5 s de espera media

⬡ Open source · MIT ⚒ Puede usar herramientas ◈ Razona antes de responder ⌸ Le caben ~1.700 páginas a la vez ⛨ Cae ante instrucciones ocultas · 1.2/10

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.

Coding 9.14 (+0.07 vs mediana)

Contenido 8.69 (+0.31 vs mediana)

Razonamiento 7.90 (-0.06 vs mediana)

Agentes 7.24 (-0.30 vs mediana)

Medido con 168 runs que puntúan, juez Phi-4 local · actualizado 2026-08-23 · datos abiertos

Qué hace bien y qué no

Su media entre las 32 tareas medidas es 7.41. 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) — 9.00 (+1.59 contra su media). Decide: emitir JSON válido a la primera
Contenido con datos verificables (no inventar) — 8.92 (+1.51 contra su media). Decide: escribir sin caer en la trampa del brief
OCR / extracción desde imágenes — 8.67 (+1.26 contra su media). Decide: leer datos de una imagen
Contenido genérico (blog, email, social) — 8.45 (+1.04 contra su media). Decide: escribir un texto correcto

Donde se cae

Resistencia a prompt injection — 2.56 (-4.85 contra su media). Decide: resistir una fuga de datos
No inventar herramientas (abstenerse cuando no hay) — 5.40 (-2.01 contra su media). Decide: no inventar herramientas que no existen
Tool calling (llamada de funciones) — 5.41 (-2.00 contra su media). Decide: llamar bien las funciones
Capacidades de agente (delegación, skills) — 5.81 (-1.60 contra su media). Decide: delegar y usar lo que tiene a mano

Si DeepSeek V4 Flash (OpenRouter) no te cierra

Alternativas elegidas por contraste con este modelo, no por ranking general.

Modelo	Calidad	$/1k	Latencia	Por qué
Nex-N2-Mini Más barato, calidad equivalente	8.13	$0.158	17.1 s	misma nota o mejor, menos plata por llamada
Qwen 3.7 Flash Mejor nota, precio parecido	8.49	$0.204	28.5 s	hasta 30% más caro, pero rinde más
Gemini 3.1 Flash Lite Responde antes	8.09	$2.33	4.1 s	al menos 40% menos de espera, sin caer de nota

La ficha: DeepSeek V4 Flash (OpenRouter) en números

Todo esto sale de runs propios, guardados y auditables. La latencia es la total de respuesta, no el time-to-first-token.

Calidad medida
Runs que puntúan	168
Tool calling	7.60
Resistencia a prompt injection	1.23
Precio
Precio por millón · entrada	$0.140
Precio por millón · salida	$0.280
Rendimiento y límites
Latencia total media	29.5 s
Ventana de contexto	1.048.576
Contexto útil medido	800.000

Contra los mejores del ranking, en plata

La pregunta útil no es cuánto le falta a DeepSeek V4 Flash (OpenRouter) para ser el mejor: es cuánta calidad extra estás comprando, y a cuántas veces el precio. Eso es lo que decide si conviene.

Modelo	Calidad	$/1.000 llamadas
DeepSeek V4 Flash (OpenRouter) Este modelo	8.16	$0.462
GPT-5.6 Luna El de más calidad medida	8.52	$0.930
Claude Opus 4.8 El frontier más caro del top 10	8.48	$39.00

GPT-5.6 Luna (el techo medido) rinde 4% más (8.52 contra 8.16) y cuesta 2 veces más por llamada.
Claude Opus 4.8 (el caro que todos conocen) rinde 4% más (8.48 contra 8.16) y cuesta 84 veces más por llamada.

Los tres salen de las mismas 29 tareas, el mismo juez y los mismos límites. Los benchmarks del fabricante miden otra cosa —y están enlazados más abajo.

Cuánto `max_tokens` darle, por tarea

Si tu nodo o tu script queda por debajo de esto, DeepSeek V4 Flash (OpenRouter) no falla: entrega de menos — y quien lo consume lo lee como que no había nada que reportar. Es el modo de falla más caro que hay, porque se parece a que todo salió bien.

⚠️ Este modelo razona, y los tokens de razonamiento salen del mismo presupuesto: pide bastante más que uno que no razona para escribir la misma respuesta. Es el motivo exacto por el que un max_tokens heredado de otro modelo lo corta.

Tarea	Mediana	Peor caso medido	max_tokens sugerido
Tareas largas (sostener el hilo 8-12 turnos)	4.694	13.484	16.855 (piso)
Razonamiento profundo (matemática. Fermi)	3.481	8.193	10.241 (piso)
Razonamiento general (lógica. decisiones)	3.954	8.192	10.240 (piso)
Contenido startup (newsletter. actualidad)	2.393	7.176	8.970
Decisiones de negocio (prioridades. plan)	798	6.281	7.851
Gestión de tareas (action items. planes)	1.769	4.864	6.080
Resistencia a prompt injection	147	4.541	5.676
Presentaciones (slides. reportes)	2.990	3.763	4.703
OCR / extracción desde imágenes	667	3.636	4.545
Ventas en frío (cold email. campañas)	575	3.185	3.981
Auditar números (detectar el error plantado)	786	2.978	3.722
JSON estructurado (extracción. schemas)	374	2.660	3.325
Estrategia (pricing. planificación)	2.050	2.586	3.232
Generación de código (Python. SQL. debug)	2.016	2.514	3.142
Creatividad (hooks. analogías. narrativa)	942	2.325	2.906
Noticias + SEO (artículos completos)	1.838	2.205	2.756
Traducción (es↔en)	470	2.114	2.642
Multi-turno (debugging. requisitos)	484	1.814	2.267
Integridad de idioma (no mezclar idiomas)	1.450	1.536	1.920
Orquestación (flujos de varios pasos)	629	1.328	1.660
Contenido genérico (blog. email. social)	954	1.190	1.487
Capacidades de agente (delegación. skills)	499	1.077	1.346
Contenido con datos verificables (no inventar)	609	977	1.221
Resúmenes y extracción de datos	924	962	1.202
Seguir instrucciones al pie de la letra	478	874	1.092
Anti-alucinación (citas. contexto)	485	855	1.068
Soporte al cliente (clasificar y responder)	459	654	817
Aguja en el pajar (contexto largo en español)	196	605	756
No inventar herramientas (abstenerse cuando no hay)	145	566	707
Verificar un dato contra su fuente	160	427	533
Tool calling (llamada de funciones)	332	422	527
Precisión literal (hex. JWT. configs)	144	239	298

Las marcadas (piso) tocaron el techo del propio examen (8.192): ahí la respuesta se cortó, así que el número dice «al menos esto», no «esto exactamente». Dar más aire en esas.

Los números oficiales de DeepSeek V4 Flash (OpenRouter)

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.

Ficha en OpenRouter — precio vigente, proveedores que lo sirven y límites de contexto

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 (OpenRouter) es tu opción o hay algo mejor para lo que haces.

Ir a la calculadora →