Especificaciones técnicas de DeepSeek-V4-Flash
| Elemento | Detalles |
|---|---|
| Modelo | DeepSeek-V4-Flash |
| Proveedor | DeepSeek |
| Familia | Serie de vista previa DeepSeek-V4 |
| Arquitectura | Mezcla de expertos (MoE) |
| Parámetros totales | 284B |
| Parámetros activados | 13B |
| Longitud de contexto | 1,000,000 tokens |
| Precisión | FP4 + FP8 mixto |
| Modos de razonamiento | Non-think, Think, Think Max |
| Estado de lanzamiento | Modelo en vista previa |
| Licencia | Licencia MIT |
¿Qué es DeepSeek-V4-Flash?
DeepSeek-V4-Flash es el modelo de vista previa de DeepSeek enfocado en la eficiencia dentro de la serie V4. Está construido como un modelo de lenguaje de Mezcla de Expertos, con una huella activa relativamente pequeña para su tamaño, lo que le ayuda a mantener la capacidad de respuesta a la vez que admite una ventana de contexto muy grande de 1M tokens.
Funciones principales de DeepSeek-V4-Flash
- Contexto de un millón de tokens: El modelo admite una ventana de contexto de 1,000,000 tokens, lo que lo hace adecuado para documentos muy largos, grandes bases de código y sesiones de agentes multietapa.
- Diseño MoE con prioridad a la eficiencia: Utiliza 284B de parámetros totales pero solo 13B de parámetros activados por solicitud, una configuración orientada a una inferencia más rápida y eficiente.
- Tres modos de razonamiento: Non-think, Think y Think Max permiten intercambiar velocidad por un razonamiento más profundo cuando la tarea es más difícil.
- Arquitectura sólida para contexto largo: DeepSeek afirma que la serie V4 combina Atención Dispersa Comprimida y Atención Altamente Comprimida para mejorar la eficiencia en contextos largos.
- Código y comportamiento de agente competitivos: La ficha del modelo reporta resultados sólidos en benchmarks de programación y agentes, incluidos HumanEval, SWE Verified, Terminal Bench 2.0 y BrowseComp.
- Pesos abiertos y despliegue local: La versión incluye pesos del modelo, orientación para inferencia local y una Licencia MIT, lo que hace práctico el autoalojamiento y la experimentación.
Rendimiento en benchmarks de DeepSeek-V4-Flash
Resultados seleccionados de la ficha oficial muestran que DeepSeek-V4-Flash mejora respecto a DeepSeek-V3.2-Base en varios benchmarks clave:
| Benchmark | DeepSeek-V3.2-Base | DeepSeek-V4-Flash-Base | DeepSeek-V4-Pro-Base |
|---|---|---|---|
| AGIEval (EM) | 80.1 | 82.6 | 83.1 |
| MMLU (EM) | 87.8 | 88.7 | 90.1 |
| MMLU-Pro (EM) | 65.5 | 68.3 | 73.5 |
| HumanEval (Pass@1) | 62.8 | 69.5 | 76.8 |
| LongBench-V2 (EM) | 40.2 | 44.7 | 51.5 |
En la tabla de razonamiento y agentes, la variante Flash también muestra resultados sólidos en tareas de terminal y software, con Flash Max alcanzando 56.9 en Terminal Bench 2.0 y 79.0 en SWE Verified, aunque aún por detrás del modelo Pro más grande en las tareas más complejas y cargadas de conocimiento.
DeepSeek-V4-Flash vs DeepSeek-V4-Pro vs DeepSeek-V3.2
| Modelo | Mejor para | Compensación |
|---|---|---|
| DeepSeek-V4-Flash | Trabajo rápido y de largo contexto, asistentes de programación y flujos de agentes de alto rendimiento | Un poco por detrás de Pro en conocimiento puro y las tareas agénticas más complejas |
| DeepSeek-V4-Pro | Tareas de mayor capacidad, razonamiento más profundo y flujos de trabajo de agentes más difíciles | Más pesado y menos orientado a la eficiencia que Flash |
| DeepSeek-V3.2 | Línea base anterior para comparación y planificación de migración | Rendimiento de benchmark inferior a V4-Flash en las tablas oficiales |
Casos de uso típicos de DeepSeek-V4-Flash
- Análisis de documentos largos para contratos, paquetes de investigación, bases de conocimiento de soporte y wikis internas.
- Asistentes de programación que necesitan inspeccionar repositorios grandes, seguir instrucciones a través de muchos archivos y mantener el contexto activo.
- Flujos de trabajo de agentes donde el modelo necesita razonar, llamar a herramientas e iterar sin perder el hilo.
- Sistemas de chat empresariales que se benefician de una ventana de contexto muy grande y un despliegue de baja fricción.
- Prototipos de despliegues locales para equipos que quieran evaluar el comportamiento de DeepSeek-V4 antes de endurecer producción.
Cómo acceder y usar la API de Deepseek v4 Flash
Paso 1: Regístrese para obtener la clave de API
Inicie sesión en cometapi.com. Si aún no es usuario, regístrese primero. Inicie sesión en su Consola de CometAPI. Obtenga la clave de acceso (API key) de la interfaz. Haga clic en “Add Token” en el API token del centro personal, obtenga la clave de token: sk-xxxxx y envíe.
Paso 2: Envíe solicitudes a la API de deepseek v4 flash
Seleccione el endpoint “deepseek-v4-flash” para enviar la solicitud de API y configure el cuerpo de la solicitud. El método y el cuerpo de la solicitud se obtienen de la documentación de nuestra API en el sitio web. Nuestro sitio web también proporciona pruebas en Apifox para su comodidad. Reemplace <YOUR_API_KEY> con su clave real de CometAPI de su cuenta. Dónde llamarlo: formato de Anthropic Messages y formato de Chat.
Inserte su pregunta o solicitud en el campo content—esto es a lo que responderá el modelo. Procese la respuesta de la API para obtener la respuesta generada.
Paso 3: Recupere y verifique los resultados
Procese la respuesta de la API para obtener la respuesta generada. Después del procesamiento, la API responde con el estado de la tarea y los datos de salida. Habilite funciones como streaming, caché de prompts o manejo de contexto largo mediante parámetros estándar.