DeepSeek V4 Pro: el precio que cambia el punto de equilibrio del enrutamiento

Un modelo de frontera en disponibilidad general, a US$ 0,87 de salida, cambia la cuenta antes que el benchmark

DeepSeek movió el V4 Pro del preview a disponibilidad general el 12 y 13 de agosto de 2026, en la build DeepSeek-V4-Pro-0813, según Reuters. El modelo llega con un precio publicado de US$ 0,435 por millón de tokens de entrada y US$ 0,87 por millón de salida, una ventana de contexto de 1.048.576 tokens y un foco declarado en pipelines de agentes.

El detalle que los titulares pierden: el cache hit a US$ 0,003625 por millón cambia la aritmética de quien reutiliza contexto entre llamadas.

Qué pasó

DeepSeek venía corriendo el V4 Pro en preview desde abril. El jueves 13 de agosto, la empresa formalizó el modelo como su buque insignia en disponibilidad general. La corroboración de prensa es múltiple: además de Reuters, Unite.AI confirmó la salida del preview en la misma ventana, con Yahoo Tech, Tech Times y Cherry Creek News repitiendo la fecha.

Lo que entró en producción en la build 0813 tiene cuatro marcas. Primero, el precio: US$ 0,435 por millón de tokens de entrada en cache miss, US$ 0,003625 por millón en cache hit y US$ 0,87 por millón de salida. Segundo, la ventana de contexto de 1.048.576 tokens. Tercero, el tool calling, que permite al modelo invocar herramientas dentro de un flujo de agente. Cuarto, el énfasis declarado en uso de herramientas, ejecución de código y flujos de trabajo de múltiples pasos.

La empresa reporta ganancias de benchmark de hasta 49,9 puntos porcentuales en algunas tareas. Ningún evaluador independiente replicó esas cifras al cierre de esta edición, así que quedan rotuladas como afirmación de la propia empresa, no como validación. La misma cautela vale para un ranking autodeclarado que coloca al V4 Pro por debajo de un modelo de frontera referido internamente como "Fable 5" en codificación agéntica. Sin fuente verificable para reproducir esa comparación, queda fuera del análisis de costo que sigue.

Por qué importa

El número que importa no es el benchmark.

Es el costo por tarea aceptada.

Un equipo que corre agentes paga por la salida. Cada token generado se factura, y un flujo de múltiples pasos multiplica la generación antes de que la tarea se considere resuelta. En ese régimen, un modelo de frontera a US$ 0,87 de salida con 1M de contexto cambia el punto de equilibrio de quien hoy usa un único proveedor caro para todas las tareas.

El argumento se sostiene en un dato de mercado ya cubierto aquí: el costo por tarea de IA cayó en la medida en que la competencia de precios entre proveedores de frontera se aceleró en 2026. El DeepSeek V4 Pro es el evento más reciente de esa competencia, pero no el primero, y es el precio de salida lo que lo vuelve relevante para el comprador, no la posición en ninguna tabla de benchmark. La disputa por precio dejó de ser un detalle de tabla y se convirtió en el argumento de venta de los proveedores, lo que cambia la naturaleza de la elección para el comprador: la ventaja de un modelo deja de ser almacenable y pasa a renegociarse en cada release.

Hay una ironía estructural en esto. Cuanto más rápido recortan precios los proveedores, menos sentido tiene comprar fidelidad a uno solo. El portafolio se vuelve el activo, y la ruta la decisión. Quien mantiene la compra atada a un nombre está pagando por no tener el problema de elegir, y ese costo invisible suele superar la diferencia de benchmark entre competidores.

El punto de equilibrio aparece cuando la cuenta sale del 1M aislado y cae en la tarea. Piense en un agente que responde correos de soporte: cada ticket dispara una llamada, el modelo lee el historial, genera una réplica, y la tarea solo "cuenta" si la réplica se acepta. A US$ 0,87 de salida, el costo marginal cae a una fracción de lo que cobran los proveedores de frontera más caros por la misma generación. Si una de cada diez réplicas se rechaza y necesita regeneración, el precio efectivo sube, pero la ruta sigue saliendo más barata que mantener al modelo caro para el cien por ciento del volumen.

La consecuencia directa: la pregunta de compra deja de ser "¿qué modelo tiene el mejor score?". Pasa a ser "¿qué ruta entrega la capacidad correcta para una tarea específica, al menor costo por tarea aceptada, con fallback cuando la ruta más barata falla?". El benchmark aislado no responde eso. Solo la operación responde.

Qué cambia en la práctica

Tres cosas cambian para quien arma un portafolio de modelos. El precio de salida cayó de forma agresiva respecto al preview y a los proveedores de frontera que apostaban por precio alto. El contexto de 1M habilita tareas que antes exigían costura manual de chunks. Y el foco en agentes empuja al V4 Pro hacia exactamente el tipo de carga que más genera tokens de salida.

El cambio más barato de ignorar es el cache hit. Un agente que repite la misma base de contexto entre llamadas paga casi nada por las partes reutilizadas: el precio de cache hit es US$ 0,003625 por millón, unas 120 veces menor que el cache miss. Quien arquitectura para reutilizar el prefijo del prompt captura la caída de costo; quien no arquitectura sigue pagando el precio de cache miss en cada ronda, lo que anula buena parte de la ventaja del modelo.

El orden importa. El bucket de tareas simples y repetitivas es el que primero paga la prueba, porque es donde la tasa de aceptación suele ser alta y el precio de salida domina la cuenta. Las cargas de razonamiento largo, con muchos pasos y retracción, quedan para el final, porque allí el costo del error pesa más que el precio del token.

Qué hacer ahora

Mida primero. Antes de cambiar cualquier ruta, calcule el costo por tarea aceptada que tiene hoy, porque ese número, y no el precio por millón aislado, decide si el V4 Pro entra al portafolio. A partir de esa línea de base, los cinco pasos de abajo organizan la prueba sin comprometer la entrega.

1. Corte el precio de salida por el costo por tarea aceptada, no por 1M aislado. Un modelo barato que se equivoca y exige regeneración puede costar más que uno caro que resuelve a la primera. Mida la tasa de aceptación, no solo la factura.

2. Separe tareas por complejidad. Cargas simples y repetitivas pueden enrutarse al V4 Pro; cargas que exigen un modelo de frontera más caro se quedan donde de verdad agrega, no en todas partes.

3. Active el fallback como requisito, no como mejora. Cuando la ruta más barata no resuelve la tarea, el fallback hacia la ruta de referencia debe dispararse sin reintegrar la aplicación.

4. Imponga límites por clave, agente y proyecto. El ahorro de una ruta barata desaparece si un solo agente corre en bucle sin techo.

5. Audite las llamadas por tarea. Sin log de qué modelo atendió cada llamada y a qué costo, la decisión de ruta se sigue adivinando, no midiendo.

La secuencia importa porque los pasos se encadenan: sin aceptación medida, no hay forma de saber qué tarea es "simple"; sin fallback, la tarea "simple" que se vuelve compleja derriba la entrega; sin límite por agente, el bucle de un solo agente se come el presupuesto. El flujo completo es lo que transforma un precio nuevo en una ventaja de costo, en lugar de una apuesta de catálogo.

FAQ

¿El DeepSeek V4 Pro ya está disponible en producción?

Sí. La empresa formalizó la disponibilidad general el 12 y 13 de agosto de 2026, en la build DeepSeek-V4-Pro-0813, tras preview desde abril. La diferencia operativa es que el precio y la capacidad publicados ahora valen como oferta estable, aunque el precio de lista de la propia DeepSeek pueda cambiar con el tiempo; vía Nexforce Router, el precio del proveedor se traslada como precio final, sin margen sobre el costo por token.

¿Cuál es el precio publicado del DeepSeek V4 Pro?

US$ 0,435 por millón de tokens de entrada en cache miss, US$ 0,003625 por millón en cache hit y US$ 0,87 por millón de tokens de salida. Son precios publicados por la empresa, no costos verificados en producción.

¿El contexto de 1M de tokens es real?

La empresa anuncia una ventana de contexto de 1.048.576 tokens con soporte para tool calling. Eso habilita pipelines de agentes con contexto largo, siempre que la aplicación de verdad use el caché para no pagar el precio completo en cada llamada.

¿Los benchmarks de la empresa se verificaron de forma independiente?

Todavía no. DeepSeek reporta ganancias de hasta 49,9 puntos porcentuales, pero ningún evaluador independiente replicó esos resultados al cierre de esta edición. Trátelos como afirmación de la empresa hasta nuevo aviso.

¿Debo cambiar mi modelo actual por el V4 Pro?

No es una cuestión de cambiar. Es una cuestión de enrutar. El V4 Pro rompe el break-even de costo para tareas agénticas de menor complejidad, pero solo una prueba con fallback, tasa de aceptación medida y límites por agente muestra si la ruta resuelve la tarea de hecho.

Referencias y lectura adicional

• Reuters: DeepSeek releases official V4 Pro model as it steps up expansion
• Unite.AI: DeepSeek Ships V4 Pro as Its Flagship Model Leaves Preview
• Costo de modelos de IA en 2026: el argumento del enrutamiento
• Model Router: cómo probar el ahorro real de la IA en producción
• DeepSeek V4-Flash: el modelo Flash supera al Pro en agentes
• Grok 4.6: la prueba real empieza después del benchmark

El Nexforce Router en el punto de aterrizaje

El Router no mejora el V4 Pro.

El Router traslada el precio del token del proveedor como precio final, sin margen sobre el costo por token. El precio de lista publicado por DeepSeek puede cambiar, y ese cambio lo define DeepSeek, no el Router. Lo que hace es transformar una decisión de catálogo en una decisión operativa: comparar modelos frente a frente por costo, rendimiento, latencia y contexto, aplicar fallback cuando la ruta barata no resuelve, imponer límites por clave, agente y proyecto, y auditar cada llamada sin reintegrar la aplicación en cada cambio.

Para el comprador que hoy paga un único proveedor de frontera por tarea, el evento económico de esta semana abre una ruta real para reducir costo enrutando tareas de menor complejidad hacia un modelo de 1M de contexto a US$ 0,87 de salida, manteniendo el modelo más caro solo donde de verdad agrega. La capacidad de calcular ese punto por tarea, con evidencia y no con tabla de benchmark, es exactamente lo que el Nexforce Router pone en práctica.