DeepSeek baja precios y aprieta la competencia global en inteligencia artificial

La startup china de IA DeepSeek anunció una reducción de precio para su modelo insignia de IA V4 Pro sólo un mes después de su lanzamiento. Anteriormente, los costos de uso oscilaban entre 0.0145 dólares por un millón de tokens (acceso a caché) y 3.48 dólares por un millón de tokens de salida. Tras la revisión, el V4 Pro costará ahora desde 0.003625 dólares por millón de tokens y hasta 0.87 dólares por millón de tokens, respectivamente. El precio de la API del modelo DeepSeek V4 Pro se ajustará oficialmente a una cuarta parte del precio original una vez que finalice la promoción del descuento del 75 % el 31 de mayo de 2026, según informó la empresa.

Sanchit Vir Gogia, analista jefe y director ejecutivo de Greyhound Research, explicó que el V4-Pro se ha diseñado para reducir el coste de la inferencia de contexto largo.

“Según se ha informado, funciona con aproximadamente una cuarta parte del cómputo por token y una décima parte del consumo de memoria de su predecesor en contextos muy extensos. De ahí esa rebaja de precio permanente. No se trata de un descuento, sino de una ganancia de eficiencia que se traslada al cliente”.

Casi un año después de presentar su modelo de razonamiento R1, que ofrece rendimiento y eficiencia de costos, DeepSeek lanzó la versión preliminar de su LLM V4. Basado en código abierto como los modelos anteriores, permite a los desarrolladores descargar el código, ejecutarlo localmente e incluso modificarlo. Los nuevos modelos se han optimizado para su uso con herramientas de agentes populares como Claude Code de Anthropic y OpenClaw.

Lo que lleva a Neil Shah, vicepresidente de Counterpoint Research, a reconocer que “desde una perspectiva puramente de capacidades, DeepSeek V4-Pro ha cerrado prácticamente la brecha de rendimiento en tareas críticas como las matemáticas complejas y el razonamiento, al tiempo que lidera agresivamente el mercado en apertura y costos de inferencia. Sus modos de razonamiento especializados y las mejoras arquitectónicas lo convierten en una alternativa formidable a los modelos pioneros occidentales”.

No obstante, Shah ha hecho hincapié en que sus principales limitaciones no residen en su inteligencia bruta, sino que se queda atrás respecto a sus rivales occidentales en aspectos como la adopción dentro de un ecosistema más amplio, las estructuras de soporte global, la trazabilidad de la propiedad intelectual y las integraciones profundas y seguras con hiperescalares como AWS, Microsoft y Google.

Teniendo en cuenta que los costos de inferencia siguen siendo una de las mayores barreras para pasar de proyectos piloto a implementaciones a escala empresarial, los expertos consideran que los agresivos descuentos de DeepSeek podrían traducirse en ahorros sustanciales para las empresas. Para Gogia, la primera ola de IA empresarial se caracterizó por un gran despliegue de demostraciones impresionantes y facturas incómodas. Los directores de sistemas de información (CIO) aprendieron rápidamente que el costo de la IA nunca se limitaba a la llamada al modelo, sino que incluía la recuperación, la orquestación y otros componentes, ha añadido.

Sin embargo, la reducción del 75% sólo tiene sentido si los CIO pueden acceder a ella a gran escala. Amit Jaju, director general sénior de Ankura Consulting, insiste en que, para la mayoría de las empresas, la comparación relevante no es la API directa de DeepSeek, sino el costo de ejecutar una implementación local frente al uso de un proveedor de inferencia externo.

“Si un CIO puede alojar DeepSeek V4-Pro en su propia infraestructura —ha admitido—, los costos de inferencia se reducen drásticamente y muchos proyectos que antes no eran rentables a gran escala pasan a ser viables. Eso incluye copilotos siempre activos, revisión masiva de documentos, generación de código, soporte de primer nivel y flujos de trabajo multiagente”. Para añadir que, si el modelo se consume a través de proveedores externos, la tarifa efectiva puede ser más alta y el beneficio en términos de retorno de la inversión menor.

Es probable que la estrategia de precios agresivos de DeepSeek incremente la presión sobre los principales proveedores de IA, cuyos modelos suelen presentar precios empresariales elevados. Eso podría empujar a empresas como OpenAI, Anthropic y Google a responder con propuestas más competitivas.

Shah ha señalado que los modelos de precios por token de alto margen y consumo de Anthropic y OpenAI son cada vez más difíciles de justificar para muchas cargas y flujos de trabajo empresariales. La existencia de una alternativa viable de pesos abiertos ofrece a los compradores corporativos una ventaja considerable. Eso probablemente impulse a estos laboratorios de IA occidentales de primer nivel a evolucionar desde un modelo de precios puramente basado en el consumo hacia esquemas de monetización más defendibles, orientados a resultados o basados en valor.

En consecuencia, los CIO también adoptarán estrategias de IA multimodelo, similares a la transición hacia arquitecturas multicloud. Según Gogia, “esto dará lugar a una arquitectura de cartera de IA en la que los modelos premium se destinarán a tareas críticas, los modelos de dominio a usos especializados, los modelos más pequeños a ejecuciones repetitivas y una capa de orquestación que enrute, registre, gobierne y supervise todo el conjunto”.

Un riesgo importante es la posible fuga de propiedad intelectual, ya que los desarrolladores pueden introducir código fuente, diseños de productos, borradores legales, materiales de fusiones y adquisiciones o datos de incidentes en los flujos de trabajo de los modelos. Si el modelo es externo, esos datos pueden almacenarse, utilizarse para el entrenamiento o quedar expuestos a través de registros o integraciones, añadió.

Jaju ha destacado que los responsables de TI necesitan claridad sobre dónde se procesan los datos, qué información se conserva, quién puede acceder a ella, qué protecciones contractuales existen, si el modelo puede desplegarse de forma independiente y cómo se pueden auditar los resultados. Finalmente, los expertos coinciden en que la opción más segura es alojar DeepSeek localmente o en una nube soberana bajo control empresarial, con cifrado, controles de acceso y registros de auditoría.