Este modelo está obsoleto. Solo seguimos midiendo su rendimiento con la carga predeterminada de 10 mil tokens de entrada. Los resultados de otras cargas son históricos y ya no se actualizan.
DeepSeek lanzó una versión más reciente, DeepSeek V4.1 Flash. Te sugerimos considerarla como alternativa.
Análisis de inteligencia, rendimiento y precio de DeepSeek V4 Flash 0731 (Max)
Resumen del modelo
DeepSeek V4 Flash 0731 (Max) está entre los modelos líderes en inteligencia y tiene un precio muy competitivo en comparación con otros modelos de pesos abiertos y tamaño similar. También es notablemente rápido; sin embargo, es muy verboso. El modelo admite entrada de texto, genera texto y tiene una ventana de contexto de 1M tokens.
DeepSeek V4 Flash 0731 (Max) obtiene 34 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa muy por encima del promedio entre modelos comparables (con una mediana de 19). Al evaluar el Intelligence Index, generó 240M tokens, lo que es muy verboso frente a la mediana de 140M.
El precio de DeepSeek V4 Flash 0731 (Max) es de $0.14 por 1 M de tokens de entrada (muy competitivo; mediana: $0.43) y $0.28 por 1 M de tokens de salida (muy competitivo; mediana: $1.68). En promedio, evaluar DeepSeek V4 Flash 0731 (Max) en el Intelligence Index cuesta $0.17 por tarea.
Con 152 tokens por segundo, DeepSeek V4 Flash 0731 (Max) es notablemente rápido (78).
| Razonamiento | Sí Esta página muestra la versión con razonamiento de este modelo. También puede existir una variante sin razonamiento. |
|---|---|
| Modalidad de entrada | Admite: texto |
| Modalidad de salida | Admite: texto |
| Ventana de contexto | 1M ~1500 páginas A4 con fuente Arial de 12 puntos |
| Parámetros totales | 284B |
| Parámetros activos | 13B Número de parámetros activos por token durante la inferencia |
| Licencia | MIT |
| Pesos del modelo | Hugging Face |
Las métricas se comparan con modelos de la misma clase:
- Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
- Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
- Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:
- Muy pequeño: ≤4B parámetros
- Pequeño: 4B–40B parámetros
- Mediano: 40B–150B parámetros
- Grande: >150B parámetros
- Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:
- <$0.15 por 1 M de tokens
- $0.15–$1 por 1 M de tokens
- >$1 por 1 M de tokens
Inteligencia
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios
Intelligence Index vs. costo por tarea
Miden el rendimiento de modelos en capacidades e industrias específicas
Artificial Analysis Finance & Accounting Index
Evaluations
Agentic knowledge work, (Elo-500)/2000
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic real-world work tasks, (Elo-500)/2000
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Long context reasoning
Coding
Physics reasoning
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Kubernetes incident root-cause analysis
Medical long context reasoning
Visual reasoning
AA-Briefcase v1.1Updated
Elo de AA-Briefcase
AA-Omniscience
AA-Omniscience Index
Openness Index
Artificial Analysis Openness Index: puntuación
Comparaciones del Intelligence Index
Intelligence Index vs. costo por tarea
Uso de tokens
Tokens de salida por tarea del Intelligence Index
Costo
Costo por tarea del Intelligence Index
Costo de ejecutar el Artificial Analysis Intelligence Index
Precios: aciertos de caché, entrada y salida
Ventana de contexto
Ventana de contexto
Velocidad
Medida por la velocidad de salida (tokens por segundo)
Velocidad de salida
Tiempo por tarea del Intelligence Index
Latencia
Medida por el tiempo (segundos) hasta el primer token
Latencia: Tiempo hasta el primer token de respuesta
Tiempo de respuesta de extremo a extremo
Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed
Tiempo de respuesta de extremo a extremo
Tamaño del modelo (solo modelos de pesos abiertos)
Tamaño del modelo: parámetros totales y activos
Preguntas frecuentes
Preguntas comunes sobre DeepSeek V4 Flash 0731 (Max)
DeepSeek V4 Flash 0731 (Max) se lanzó el 31 de julio de 2026.
DeepSeek V4 Flash 0731 (Max) fue creado por DeepSeek.
DeepSeek V4 Flash 0731 (Max) obtiene 34 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa muy por encima del promedio entre otros modelos de pesos abiertos y tamaño similar (mediana: 19).
DeepSeek V4 Flash 0731 (Max) genera 152.2 tokens de salida por segundo (según la mediana de los proveedores que sirven el modelo), un valor muy por encima del promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 77.9 t/s).
DeepSeek V4 Flash 0731 (Max) tiene un tiempo hasta el primer token (TTFT) de 1.27 s (según la mediana de los proveedores que sirven el modelo), un valor mejor que el promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 1.69 s).
DeepSeek V4 Flash 0731 (Max) cuesta $0.14 por 1 M de tokens de entrada (muy competitivo; mediana: $0.43) y $0.28 por 1 M de tokens de salida (muy competitivo; mediana: $1.68), según la mediana de los proveedores que sirven el modelo.
DeepSeek V4 Flash 0731 (Max) cuesta $0.14 por 1 M de tokens de entrada y $0.28 por 1 M de tokens de salida (según la mediana de los proveedores que sirven el modelo). Con una tarifa combinada (proporción 7:2:1 entre aciertos de caché, entrada y salida), equivale a $0.08 por 1 M de tokens. El precio puede variar según el proveedor. Comparar precios de proveedores
Al evaluarlo en el Intelligence Index, DeepSeek V4 Flash 0731 (Max) generó 240M tokens de salida, un valor en el extremo superior frente a otros modelos de pesos abiertos y tamaño similar (mediana: 140M).
Sí, DeepSeek V4 Flash 0731 (Max) es un modelo de razonamiento. Usa pensamiento extendido o razonamiento en cadena para resolver problemas complejos antes de dar una respuesta.
DeepSeek V4 Flash 0731 (Max) admite entrada de texto.
DeepSeek V4 Flash 0731 (Max) admite salida de texto.
No, DeepSeek V4 Flash 0731 (Max) no admite imágenes como entrada. Solo puede procesar texto.
No, DeepSeek V4 Flash 0731 (Max) no es multimodal. Solo admite entradas de texto.
DeepSeek V4 Flash 0731 (Max) tiene una ventana de contexto de 1.0M tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.
Sí, DeepSeek V4 Flash 0731 (Max) es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.
DeepSeek V4 Flash 0731 (Max) tiene 284 mil millones de parámetros (13 mil millones activos).
DeepSeek V4 Flash 0731 (Max) es un modelo de mezcla de expertos (MoE) con 284 mil millones de parámetros totales, pero durante la inferencia solo usa 13 mil millones de parámetros activos.
DeepSeek V4 Flash 0731 (Max) se publica bajo la licencia MIT, que permite el uso comercial. Ver licencia
DeepSeek V4 Flash 0731 (Max) obtiene 34 puntos en el Artificial Analysis Intelligence Index. Este benchmark compuesto evalúa los modelos en razonamiento, conocimiento, matemáticas y programación.
Sí, DeepSeek V4 Flash 0731 (Max) está disponible mediante API a través de 18 proveedores. Comparar proveedores de API
DeepSeek V4 Flash 0731 (Max) está disponible a través de 18 proveedores de API. Comparar proveedores