DeepSeek Open Source: R1, V4 Flash/Pro y Cómo Usarlos

DeepSeek es un laboratorio de inteligencia artificial chino fundado en 2023, subsidiaria de High-Flyer Capital Management — un hedge fund cuantitativo con sede en Hangzhou que gestiona ~$8B en activos.

La conexión con finanzas cuantitativas no es casual: High-Flyer acumuló miles de GPUs NVIDIA A100 antes de las restricciones de exportación de EE.UU., dándole la infraestructura necesaria para competir con laboratorios americanos.

Timeline:

• 2023: Fundación. Primeros modelos (DeepSeek-Coder, DeepSeek-LLM 67B)
• Mayo 2024: DeepSeek-V2 — primer modelo MoE. Llamó la atención por su eficiencia
• Diciembre 2024: DeepSeek-V3 — modelo general de 671B parámetros. Competitivo con GPT-4o
• Enero 2025: DeepSeek-R1 — el modelo de razonamiento que lo cambió todo

El 20 de enero de 2025, tras la publicación de R1, la acción de NVIDIA cayó un 17% en un día — la mayor pérdida de valor de mercado en la historia de la bolsa americana hasta ese momento (~$600B). La tesis del mercado: si se puede entrenar un modelo competitivo con GPT-4 por $6M, quizás la demanda de GPUs no sea tan insaciable como se pensaba.

DeepSeek-R1 es un modelo de razonamiento — no un chatbot general. Está diseñado para pensar paso a paso antes de dar una respuesta, similar a o1/o3 de OpenAI.

Comparativa directa con o1 de OpenAI:

La lectura honesta: DeepSeek-R1 es comparable a o1 en la mayoría de benchmarks de razonamiento. GPT-4o no es competidor directo porque no usa chain-of-thought explícito. Comparar R1 con o1 es justo; comparar R1 con GPT-4o no lo es — son categorías diferentes.

Donde R1 brilla: Matemáticas, lógica formal, código algorítmico, resolución de problemas paso a paso.

Donde R1 flaquea: Conversación casual (demasiado "pensador"), escritura creativa, tareas que requieren respuesta rápida sin razonamiento profundo — para eso es mejor DeepSeek-V3.

DeepSeek afirmó en su paper técnico que el coste de entrenamiento de R1 fue de aproximadamente $5.6 millones. Para contexto:

¿Por qué es tan barato?

• Reinforcement Learning sin anotadores humanos: R1 aprende a razonar generando sus propios datos de entrenamiento (datos sintéticos), eliminando el coste de miles de anotadores
• Mixture of Experts (MoE): 671B parámetros totales pero solo ~37B se activan por token. Esto reduce dramáticamente el cómputo necesario
• Destilación: Los modelos pequeños (7B-70B) se entrenan "copiando" el comportamiento del modelo grande, no desde cero

El caveat: El dato de $6M no ha sido verificado independientemente. Algunos investigadores argumentan que no incluye costes de infraestructura preexistente, investigación previa, ni el entrenamiento fallido anterior. El coste real total podría ser significativamente mayor.

DeepSeek publica tanto el modelo completo como modelos destilados. Los destilados son los que usarás tú — el modelo completo requiere un cluster de GPUs.

Recomendación práctica:

• Si tienes laptop normal: R1-Distill-Qwen-7B
• Si tienes GPU gaming (RTX 3060/4060): R1-Distill-Qwen-14B
• Si tienes GPU pro (RTX 4090, A6000): R1-Distill-Qwen-32B

Todos bajo licencia MIT — open source real, sin restricciones de uso, sin límites de escala, sin cláusulas anti-destilación.

Forma 1: Ollama (la más simple, 100% local)

# Instalar Ollama
curl -fsSL https://ollama.com/install.sh | sh

# Descargar modelo destilado
ollama pull deepseek-r1:7b     # 4GB, para laptop
ollama pull deepseek-r1:14b    # 8GB, para GPU gaming
ollama pull deepseek-r1:32b    # 16GB, para GPU pro

# Usar directamente
ollama run deepseek-r1:14b "Demuestra que √2 es irracional"

Forma 2: API de DeepSeek (cloud, pay-per-token)

DeepSeek ofrece API compatible con formato OpenAI. Precios significativamente más bajos:

⚠️ Importante: La API de DeepSeek.com envía datos a servidores en China. Si la privacidad o la jurisdicción legal importan, usa el modelo local vía Ollama.

Forma 3: OpenClaw + DeepSeek vía Ollama (IA personal en WhatsApp/Telegram)

# Configuración en OpenClaw
{
  "agent": {
    "model": "ollama/deepseek-r1:14b",
    "endpoint": "http://localhost:11434"
  }
}

Con esto tienes DeepSeek-R1 accesible desde WhatsApp, Telegram, Slack, Discord, Signal, iMessage, Teams — sin API externa, sin coste por token, sin enviar datos a ningún servidor externo.

→ Tutorial de instalación de OpenClaw

DeepSeek no se detuvo con R1. En 2026 lanzó dos modelos que representan su siguiente salto generacional: DeepSeek V4 Flash y DeepSeek V4 Pro, ambos bajo licencia MIT.

DeepSeek V4 Flash — El modelo eficiente de la familia. Arquitectura MoE optimizada, diseñado para inferencia rápida y económica. Ideal como modelo de respaldo para agentes (OpenClaw, NanoBot) o para tareas que requieren velocidad sin sacrificar demasiada calidad. Precio API significativamente más bajo que GPT-4o mini.

DeepSeek V4 Pro — El modelo flagship. Razonamiento de frontera que compite directamente con GPT-5, Claude Opus 4 y Gemini 2.5 Ultra. Entrenado con técnicas de RL avanzadas heredadas de R1 pero sobre una base MoE mucho más eficiente. Es el modelo open source con licencia OSI pura más potente disponible hoy.

¿Cómo conseguirlos? Ambos están disponibles en Hugging Face (DeepSeek-V4-Pro, DeepSeek-V4-Flash) bajo MIT License. Para uso local, espera versiones cuantizadas en Ollama o usa la API de DeepSeek.

DeepSeek tiene dos modelos principales que se confunden constantemente:

Regla simple: Si tu pregunta requiere "pensar paso a paso" → R1. Si necesitas una respuesta rápida y fluida → V3.

→ Comparativa completa V3 vs R1

1. Censura política: DeepSeek muestra evasión sistemática en temas políticamente sensibles para el gobierno chino: Tiananmen, Taiwán, Xinjiang, Hong Kong. No "se niega" a responder — simplemente da respuestas evasivas o incompletas. En modelo local puedes intentar ajustar el system prompt, pero la censura está embebida en los pesos.

2. Privacidad de la API: Si usas la API de DeepSeek.com, tus datos pasan por servidores en China bajo jurisdicción del gobierno chino. Esto es un dealbreaker para muchas empresas. Solución: usa el modelo local vía Ollama — mismo modelo, sin datos enviados a ningún lado.

3. Verificación del coste: El dato de "$6M de entrenamiento" es self-reported y no ha sido auditado independientemente. Varios investigadores argumentan que el coste real (incluyendo infraestructura, investigación previa y runs fallidos) es significativamente mayor.

4. Benchmark ≠ uso real: Superar a o1 en AIME 2024 no significa que sea mejor en tu caso de uso específico. Los benchmarks miden rendimiento en tareas artificiales estandarizadas. En uso real, factores como latencia, coherencia en conversaciones largas y calidad de instrucción-following importan más.

5. Soporte y continuidad: DeepSeek es una empresa subsidiaria de un hedge fund. No tiene el mismo incentivo de continuidad a largo plazo que Meta, Google o Microsoft. Si High-Flyer decide cerrar DeepSeek, los modelos seguirán disponibles (MIT license), pero no habrá actualizaciones.

Para usuarios finales: Más opciones, más competencia, precios a la baja. La API de DeepSeek forzó a OpenAI a bajar precios. Anthropic y Google respondieron con modelos más baratos. El usuario gana.

Para el hardware: Si puedes entrenar modelos competitivos con menos GPUs gracias a técnicas como MoE y RL sintético, la tesis de "demanda infinita de GPUs" se debilita. Por eso la acción de NVIDIA cayó — no porque el producto sea malo, sino porque la demanda proyectada podría ser menor.

Para la comunidad open source: Un modelo de calidad GPT-4/o1 con licencia MIT es un recurso extraordinario. A diferencia de Llama (que tiene restricciones), DeepSeek-R1 es genuinamente open source. Puedes destilarlo, modificarlo, redistribuirlo comercialmente, usarlo para entrenar otros modelos — sin restricciones.

Para la geopolítica de IA: DeepSeek demostró que las restricciones de exportación de chips de EE.UU. no impiden que China compita en IA de frontera. La eficiencia algorítmica puede compensar las limitaciones de hardware.

Sí, usa DeepSeek-R1-0528 si:

• Necesitas razonamiento matemático, científico o algorítmico de primer nivel
• Quieres un modelo open source real (MIT license, sin restricciones)
• Tienes GPU y quieres correrlo localmente sin pagar API
• Quieres integrarlo con OpenClaw para tener IA de razonamiento en WhatsApp/Telegram

Elige V4 Flash si: quieres un modelo más rápido y barato para tareas cotidianas sin perder la calidad DeepSeek.

Elige V4 Pro si: necesitas lo mejor de DeepSeek, con licencia MIT, para competir con los modelos propietarios más caros.

Mi recomendación concreta: Descarga deepseek-r1:14b con Ollama. Es el punto dulce entre rendimiento y hardware requerido. Si tienes GPU de 16GB, sube a deepseek-r1:32b. Y si lo quieres en WhatsApp, configura OpenClaw en 15 minutos.

→ Ranking completo de modelos IA open source 2026