DeepSeek R1–0528 (mayo de 2025)
- Actualización intermedia con mejoras de calidad y usabilidad
- Mejoras en benchmarks: Métricas de rendimiento mejoradas
- Mejoras en el frontend: Experiencia de interacción de usuario mejorada
- Reducción de alucinaciones: Mayor consistencia factual
- Nuevas características de API: Soporte para salida JSON y llamadas a funciones
DeepSeek V3.1 (agosto de 2025)
- Primer paso hacia la era de los agentes
- Inferencia híbrida: Un modelo que admite modos duales (Pensar y No pensar)
- Pensamiento más rápido: V3.1-Think logra resultados más rápido que R1–0528
- Habilidades de agente mejoradas: Mejoras post-entrenamiento para uso de herramientas y tareas de múltiples pasos
- Soporte de contexto: Mantiene contexto de 128K tokens en todos los modos
DeepSeek V3.1 vs DeepSeek R1: Arquitectura
DeepSeek V3.1 vs DeepSeek R1: Benchmarks
Benchmark general
Benchmark de agente de búsqueda
Benchmark de código
Benchmark de agente de código
Benchmark de matemáticas
V3.1-Thinking supera o iguala a R1-0528 en tareas generales, de codificación, matemáticas y búsqueda.
V3.1-Non-Thinking lidera en benchmarks de agentes de código, mientras que R1-0528 muestra solo una ligera ventaja en razonamiento humanístico de formato largo.
DeepSeek V3.1 vs DeepSeek R1: Velocidad
| Métrica | DeepSeek V3.1 (Sin pensar) | DeepSeek R1–0528 | DeepSeek V3.1 (Razonamiento) |
|---|---|---|---|
| Velocidad de salida (tokens/s, mayor es mejor) | 20 | 20 | 20 |
| Latencia – Tiempo hasta el primer token de respuesta (s) | 2.9 | 102.3 | 103.9 |
| Tiempo total de respuesta (500 tokens) (s, menor es mejor) | 28.1 (25.2 entrada + 2.9 salida) | 127.1 (99.4 entrada + 24.9 salida + 2.8 estimado pensar) | 129.2 (101 entrada + 25.2 salida + 3.0 estimado pensar) |
¡Usa el Playground gratuito para probar DeepSeek V3.1 ahora!
El valor del modo de pensamiento híbrido de V3.1 radica en la flexibilidad:
- Modo sin pensar: La latencia más baja (solo 2.9s hasta el primer token, 28.1s para una respuesta completa de 500 tokens). Ideal para aplicaciones sensibles a latencia como chat o APIs interactivas.
- Modo de razonamiento: Rendimiento comparable a R1–0528, manteniendo una alta precisión en cadena de pensamiento. Ideal para tareas complejas de razonamiento.
- Optimización general: La mejora no está en la velocidad bruta de salida sino en la capacidad de evitar largos “retrasos de pensamiento”. Esto permite a V3.1 equilibrar tanto la interacción rápida como el razonamiento profundo según la tarea.
DeepSeek V3.1 vs DeepSeek R1: Requisitos del sistema
| Modelo | #Parámetros totales | #Parámetros activados | Longitud de contexto |
|---|---|---|---|
| DeepSeek-V3.1-Base | 671B | 37B | 128K |
| DeepSeek-V3.1 | 671B | 37B | 128K |
| DeepSeek-R1-0528 | 671B | 37B | 128K |
| DeepSeek-R1 | 671B | 37B | 128K |
El modelo MoE completo de 671B requiere alrededor de 1–1.5 TB de RAM de GPU para ejecutarse a máxima precisión.
Y para aprovechar las optimizaciones FP8 de V3.1, se recomiendan GPUs con soporte FP8 (NVIDIA H100, H200, serie Blackwell).
Puedes usar la facturación por uso de Novita AI para obtener H200 SXM desde solo $1.63/hora, o H100 SXM por solo $0.90/hora.
DeepSeek V3.1 vs DeepSeek R1: Aplicaciones
| Tipo de tarea | Modelo recomendado | Modo recomendado |
|---|---|---|
| Llamadas a herramientas API | DeepSeek V3.1 | Modo sin pensar |
| Ejecución de agente multi-turno | DeepSeek V3.1 | Modo sin pensar |
| Razonamiento matemático/lógico/programación | DeepSeek V3.1 o R1 | Modo de pensar |
| Interacción rápida con usuario | DeepSeek V3.1 | Modo sin pensar |
| Lectura y resumen de documentos largos | DeepSeek V3.1 | Modo de pensar (contexto 128K) |
En resumen, R1 es un motor de razonamiento de vanguardia, ideal para tareas que enfatizan la lógica y el cálculo, mientras que V3.1 es un modelo más versátil y capaz como agente, que puede servir tanto para chat general como para aplicaciones sofisticadas basadas en herramientas.
¿Cómo acceder a DeepSeek V3.1 y R1 mediante una API económica y estable?
Novita AI integra una amplia gama de modelos DeepSeek, incluyendo V3.1, R1 0528, V3 Turbo, R1 Turbo y varias destilaciones ligeras como Qwen 14B/32B y LLaMA 70B, cubriendo desde razonamiento de contexto largo hasta inferencia rentable.
Lo que distingue a Novita es su DeepSeek R1 Turbo optimizado internamente, con hasta 3× más rendimiento y un descuento del 60% por tiempo limitado, lo que lo convierte en una opción ideal para desarrolladores que buscan tanto rendimiento como asequibilidad.
| Métrica | Valor de DeepSeek V3.1 |
|---|---|
| Precio de entrada | $0.55 |
| Precio de salida | $1.66 |
| Latencia | 3.00s |
| Rendimiento | 48.28 tps |
| Tiempo de actividad | 🟩🟩🟩 |
Paso 1: Inicia sesión y accede a la biblioteca de modelos
Inicia sesión en tu cuenta y haz clic en el botón Biblioteca de modelos.
Paso 2: Elige tu modelo
Navega por las opciones disponibles y selecciona el modelo que se adapte a tus necesidades.
Paso 3: Comienza tu prueba gratuita
Inicia tu prueba gratuita para explorar las capacidades del modelo seleccionado.
Paso 4: Obtén tu clave de API
Para autenticarte con la API, te proporcionaremos una nueva clave de API. Entra en la página de “Configuración” y copia la clave de API como se indica en la imagen.
Paso 5: Instala la API
Instala la API usando el gestor de paquetes específico de tu lenguaje de programación.
Después de la instalación, importa las librerías necesarias en tu entorno de desarrollo. Inicializa la API con tu clave de API para empezar a interactuar con Novita AI LLM. Este es un ejemplo de uso de la API de completions de chat para usuarios de Python.
from openai import OpenAI
base_url = "https://api.novita.ai/openai"
api_key = "<Tu clave de API>"
model = "deepseek/deepseek-v3.1"
client = OpenAI(
base_url=base_url,
api_key=api_key,
)
stream = True # o False
max_tokens = 1000
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "user",
"content": "¡Hola!",
}
],
stream=stream,
extra_body={
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
DeepSeek R1 sigue siendo un punto de referencia en razonamiento: fue pionero en el post-entrenamiento basado en RL y rivalizó con GPT-4o en tareas de matemáticas y lógica. Pero es lento, rígido y no fue diseñado para agentes.
DeepSeek V3.1, sin embargo, está diseñado para la era del despliegue real:
- 🔁 Cambia entre razonamiento y velocidad.
- 🛠️ Llama a APIs, agentes y herramientas de forma nativa.
- 🚀 Infiera más rápido, pague menos e intégrese de manera más inteligente.
En lugar de llamarlo R2, DeepSeek optó por señalar una nueva dirección con V3.1: no es solo más inteligente, es más usable.
Para desarrolladores, investigadores y empresas, V3.1 es una alternativa práctica, flexible y lista para producción, mientras que R1 sigue siendo un benchmark académico.
Preguntas frecuentes
¿Es V3.1 solo una versión más rápida de R1?
No exactamente. Si bien V3.1-Think iguala a R1 en calidad de razonamiento, su modo sin pensar proporciona una latencia ultrabaja. Más importante aún, V3.1 admite tareas de agente y uso estructurado de herramientas, algo que R1 no hace (de forma nativa).
¿Por qué DeepSeek omitió “R2” en el nombre?
Porque V3.1 no es solo un nuevo modelo de razonamiento, es un nuevo paradigma híbrido. El nombre indica que DeepSeek se está enfocando en la preparación para la era de los agentes, no solo en una mejor lógica.
¿Cómo puedo probar DeepSeek V3.1 fácilmente?
Puedes usar Novita AI para probar DeepSeek V3.1 al instante en su playground gratuito. Novita ofrece:
✅ Soporte completo para DeepSeek V3.1, R1 y modelos Turbo
💸 H100 desde $0.90/hora, H200 desde $1.63/hora (precios por uso)
Novita AI es la plataforma en la nube todo en uno que impulsa tus ambiciones de IA. APIs integradas, sin servidor, instancias de GPU: las herramientas rentables que necesitas. Elimina la infraestructura, comienza gratis y haz realidad tu visión de IA.
Lecturas recomendadas
Qwen 3 en pipelines RAG: modelo LLM, embedding y reranking todo en uno
Trae o Claude Code: ¿cuál es más adecuado para usar con Kimi K2?
Costo de DeepSeek R1 0528: comparación de API, GPU y on-premise
