Herramientasdeepseek v4
DeepSeek V4 Pro benchmark: cómo leer sus resultados
Analiza los benchmarks de DeepSeek V4 Pro frente a Flash y la preview: qué miden HLE, Terminal Bench y Toolathlon, y qué no prueban por sí solos.
- Autor: humAIns
- 8 min de lectura
índice · 5 apartados
La ficha oficial consultada el 18 de noviembre de 2026 documenta DeepSeek-V4-Pro-0813, la versión que DeepSeek presenta como lanzamiento oficial en sustitución de la preview, y publica comparaciones con DeepSeek-V4-Flash-0731 y ambas variantes preview. Las puntuaciones que siguen son resultados declarados por DeepSeek, no una verificación independiente. Permiten entender cómo rindieron esos modelos en pruebas concretas bajo condiciones publicadas; no permiten asegurar cuál dará mejores resultados en el trabajo de tu equipo.
Qué mide cada prueba
HLE (Humanity’s Last Exam) es una evaluación académica de preguntas cerradas, con materias diversas y cuestiones de nivel experto. La ficha de DeepSeek informa dos resultados, “wo” (sin herramientas) y “w tools” (con herramientas). Para Pro-0813 declara 42,7 y 60,0, respectivamente. No son la misma modalidad: la segunda permite resolver con herramientas según la configuración del benchmark. Por tanto, lee las dos cifras como escenarios distintos, no como una propiedad invariable del modelo. La descripción del benchmark explica que sus preguntas abarcan disciplinas académicas y que incluye formatos de respuesta corta y opción múltiple (sitio de HLE).
Terminal Bench 2.1 evalúa agentes que completan tareas complejas en entornos de terminal y contenedores. DeepSeek publica 87,9 para Pro-0813, 82,7 para Flash-0731, 72,1 para Pro preview y 61,8 para Flash preview. La ficha añade una condición importante para las tareas de agentes de código: se usó el modo mínimo de DeepSeek Harness, esfuerzo de razonamiento max, temperature = 1.0 y top_p = 0.95. El propio proyecto Terminal Bench documenta que la revisión 2.1 corrigió tareas de la versión 2.0; comparar contra resultados de otra revisión sin tenerlo en cuenta puede inducir a error (Terminal Bench 2.1).
Toolathlon-Verified aparece como una prueba relacionada con uso de herramientas y tareas de agente. DeepSeek declara 74,1 para Pro-0813, 70,3 para Flash-0731, 55,9 para Pro preview y 49,7 para Flash preview. El sufijo “Verified” forma parte del nombre de la evaluación que muestra la ficha. No debe confundirse esa denominación con una certificación del modelo ni con una auditoría externa de todo el sistema.
En los tres ejemplos, la ficha del proveedor reporta mejores cifras para Pro-0813 que para Flash-0731 y para las respectivas preview. Eso describe la tabla publicada, no una conclusión universal sobre “Pro contra Flash”. La versión del benchmark, configuración, herramientas disponibles y tipo de tarea limitan el alcance de cada comparación.
Comparativa publicada: 0813, Flash y preview
La siguiente selección reproduce valores de la ficha oficial de DeepSeek, consultada el 18 de noviembre de 2026. No combina resultados de fuentes distintas. HLE muestra dos cifras porque la propia tabla distingue ejecución sin y con herramientas; las demás cifras son las que aparecen para cada benchmark.
| Prueba | Pro-0813 | Flash-0731 | Pro (preview) | Flash (preview) | Condición o lectura |
|---|---|---|---|---|---|
| HLE (sin / con herramientas) | 42,7 / 60,0 | 37,8 / 51,5 | 37,7 / 48,2 | 34,8 / 45,1 | Dos modalidades reportadas por DeepSeek |
| Terminal Bench 2.1 | 87,9 | 82,7 | 72,1 | 61,8 | En tareas de código, DeepSeek declara Harness mínimo y parámetros concretos |
| Toolathlon-Verified | 74,1 | 70,3 | 55,9 | 49,7 | Resultado publicado bajo el nombre de benchmark indicado |
La ficha también incluye otras evaluaciones, como NL2Repo y Cybergym, pero esta selección se limita a las pruebas del brief y evita convertir una lista larga en un ranking sin contexto. No se deben comparar directamente estos números con resultados de otro laboratorio si no se confirma que coinciden la versión del conjunto, el protocolo, el entorno y el evaluador. DeepSeek aporta la tabla y algunas condiciones, pero el lector no debe interpretarla como ensayo independiente.
Tampoco extrapoles a los productos de chat de DeepSeek, a cualquier servicio que ofrezca el modelo o al rendimiento de un departamento. La documentación de API consultada identifica deepseek-v4-pro con la versión Pro-0813 y deepseek-flash con V4.1-Flash-1017; son nombres y versiones de API que deben verificarse por separado. Las puntuaciones de Flash-0731 de la tabla no describen automáticamente el alias Flash vigente en la API. Consulta la documentación de modelos y precios antes de atribuir un resultado a un producto o endpoint.
Lo que el benchmark no mide
Una tabla de benchmarks no responde por sí sola a preguntas operativas que suelen decidir una adopción:
- Privacidad y gobernanza: qué datos envía el servicio, cómo se retienen y quién puede acceder. Evalúa la política y las condiciones del producto concreto junto con las reglas de tu organización.
- Coste total: las puntuaciones no incluyen el gasto de API, infraestructura, integración, supervisión ni revisión humana. Los precios publicados pueden cambiar; confirma las tarifas antes de presupuestar.
- Latencia efectiva: no se deduce de una puntuación de exactitud. Mide tiempos con tu volumen, configuración y entorno, si la rapidez es relevante para el proceso.
- Configuración real: instrucciones, contexto, esfuerzo de razonamiento, herramientas, límites y versión afectan a la salida. Un cambio invalida una comparación que parecía equivalente.
- Calidad para tu caso: una prueba académica o de terminal no es necesariamente representativa de resumir informes, preparar campañas o clasificar solicitudes en español.
- Riesgo de error: un resultado agregado no te dice qué error sería más costoso para tu equipo ni cuánto trabajo de corrección exigirá.
Para entender cómo leer afirmaciones de rendimiento y separar el resultado de una evaluación de la idoneidad para tu caso, consulta también SOTA AI: qué significa y cómo evaluar modelos. La guía de DeepSeek V4 explica además la diferencia entre los modelos, el chat y la API; y DeepSeek V4 en Hugging Face ayuda a identificar las fichas exactas de las versiones. Si necesitas una referencia sobre tarifas, revisa precio y claves de DeepSeek API junto a la documentación oficial vigente.
Protocolo pequeño y reproducible para tu equipo
No necesitas replicar un benchmark publicado para decidir si una herramienta merece una prueba acotada. Prepara un conjunto pequeño de ejemplos ficticios, sin nombres, documentos internos ni datos personales, y fija las condiciones antes de empezar. Este protocolo produce evidencia para tu caso; no pretende reproducir ni validar los resultados de DeepSeek.
- Define una tarea y una salida correcta. Por ejemplo, extraer de un documento ficticio tres obligaciones y sus fechas, o resumir un informe inventado en cinco puntos. Escribe antes qué elementos deben aparecer y qué constituye un error crítico.
- Fija ejemplos e instrucciones. Usa los mismos documentos, idioma, formato de salida e instrucciones para cada modelo. Conserva una copia de cada prompt y de las entradas.
- Registra la versión y el entorno. Anota el identificador exacto mostrado o enviado, fecha, interfaz o API, parámetros y herramientas habilitadas. No mezcles en la misma columna un modelo preview y una versión posterior sin etiquetarlos.
- Ejecuta sin contexto heredado. Empieza cada caso en una conversación nueva o reinicia el entorno para evitar que respuestas previas influyan en el siguiente intento. Si hay variabilidad, repite los ejemplos y conserva las salidas.
- Puntúa con una rúbrica sencilla. Cuenta hechos correctos, omisiones, afirmaciones no respaldadas y formato válido. Añade una categoría para errores que obliguen a detener el flujo o escalarlo.
- Haz revisión humana y registra costes. Una persona contrasta la respuesta con el documento fuente. Mide también tiempo de revisión, latencia y coste con las condiciones reales de uso.
- Documenta límites y decisión. Resume qué funcionó, qué falló y para qué tarea podría servir. No generalices a otras tareas ni presentes una muestra pequeña como resultado representativo de todo un equipo.
Así puedes contrastar el dato de un benchmark con el impacto observable en un flujo propio. Los benchmarks ayudan a seleccionar qué probar; no sustituyen la evaluación del proceso, de los datos ni de las obligaciones de seguridad y privacidad.
Si quieres aplicar este tipo de evaluación a tareas de marketing, consulta la ficha del curso de IA para Marketing para comprobar su alcance formativo. Y si quieres orientarte sobre tu nivel antes de elegir formación, haz el test ¿Cuánto te queda?.
Preguntas frecuentes
¿Qué es DeepSeek V4 Pro 0813?
Es la versión que la ficha oficial identifica como lanzamiento de DeepSeek V4 Pro en sustitución de la preview. “0813” forma parte del identificador de esa publicación. La ficha de modelo y la documentación de API pueden usar nombres diferentes, así que comprueba la versión exacta antes de repetir una comparación.
¿Qué diferencia hay entre Pro y Flash en las pruebas?
En la selección publicada por DeepSeek, Pro-0813 supera a Flash-0731 en las tres pruebas: HLE en ambas modalidades, Terminal Bench 2.1 y Toolathlon-Verified. Es una comparación del proveedor para esos benchmarks y las condiciones descritas, no una recomendación automática para cualquier uso.
¿Por qué importan las herramientas usadas en HLE?
Porque la propia tabla separa resultados sin y con herramientas. Las herramientas amplían lo que un sistema puede hacer durante una evaluación, por lo que no es válido presentar la cifra con herramientas como si midiera solo la respuesta aislada del modelo. Hay que comparar la misma modalidad y registrar qué herramientas estaban disponibles.
¿Un resultado alto garantiza mejor trabajo real?
No. La tarea, idioma, datos, instrucciones, coste, latencia, privacidad y tolerancia a errores de tu flujo pueden ser distintos. Usa el benchmark para elegir candidatos y una prueba pequeña con ejemplos ficticios y revisión humana para tomar una decisión contextual.
Sigue leyendo en humAIns